面向深度学习识别高空农作物的方法

为探讨深度学习技术运用于高空或卫星图像处理的问题,针对其高空层次特征丰富但细节信息不充分,以及背景多元化干扰等特点,研究一种有效的多分类方法。利用消费级无人机采集农作物高空图像,从图像数据规模有限,较难实现有效训练的问题出发,提出一种综合数据增强和迁移学习的方法克服数据集不足;结合高空图像的独特特征,改进高维空间的最优分类函数,对模型进行优化,使之更吻合高空拍摄农作物图像的识别与处理。通过构建多组数据、多种模型的对比实验,验证了该方法的有效性与性能,为农业智慧决策提供有益补充。     

应用核素显像方法评价~(89)SrCl_2和~(153)Sm-EDTMP治疗效果

目的 寻找准确、客观地评价核素治疗效果的方法。方法 采用99Tcm-MIBI和90Tcm-MDP显像方法检查72例经过89SrCl2和153Sm-EDTMP治疗后,影像改善的人数及疼痛改善的人数并进行比较。结果9mTc-MDP显像在治疗后第1、3、5、7个月改善的人数分别为14例、45例、56例、65例,与疼痛改善的人数差距较大,99Tcm-MIBI显像在第1、3、5、7个月改善的人数分别为49例、69例、71例、70例,与疼痛改善人数相符性较好。结论99Tcm-MIBI和99Tcm-MDP显像方法均可以客观评价同位素的治疗效果,但以99Tcm-MIBI显像的准确性高。     

基于自注意力的排水管道缺陷检测方法

排水管网是城市的生命线。人工检测的方法,费时费力,效率低下。传统计算机视觉算法和机器学习算法仅分析了少量缺陷特征,无法满足排水管道检测准确度要求。针对以上问题,本文提出了一种基于自注意力的排水管道缺陷检测方法。该方法采用自注意力机制代替了卷积神经网络作为特征提取器,通过多层感知机和Softmax函数为缺陷图像预测分类标签,提高了排水管道缺陷检测的准确度。对比经典的卷积神经网络算法,本模型的准确度最高。以上研究证明了自注意力算法在排水管道缺陷图像分类领域的可行性,提高了检测的准确度,为排水管道检测提供了一种新思路。     

基于Mobilenet-SSD的探地雷达管线目标智能识别研究

在旧城区地下空间改造和扩建中,必须探测明确现有地下管网信息.探地雷达(GPR)是探测埋地管道的一种有效方法.然而,现有的探地雷达图像解译、判读方法依赖人工,费时费力.为了克服这些局限性,提出了一种基于轻量化深度学习Mobilenet-SSD网络模型的探地雷达地下管线智能识别方法.结果表明:该方法对单一金属管线,单一非金...     

基于DeltaV系统的PID控制算法的实时性能优化

以DeltaV系统中的比例积分微分（Proportional-Integral-Derivative,PID）控制算法为研究对象，以锅炉汽包液位调节为例，针对当前算法的实时性能进行评估与改进。提出了一种改进方法，包括参数优化和控制策略调整。通过提高控制器的响应速度和精度，旨在更好地满足锅炉汽包液位调节的实时要求。实验结果表明，改进后的PID控制算法在锅炉汽包液位调节中具有更好的实时性能，能够更准确地控制液位，提高系统的稳定性和可靠性。