【摘 要】
：
针对基于传统机器学习与简单神经网络的病虫害识别方法对于具有小样本、 数据不均衡、 特征演变(黄龙病不同病害阶段的特征差异较大)、 特征不明显和多类别等特点的柑橘病虫害识别效果不理想的问题,设计了一种基于VGG19改进的VGG19-INC模型.该模型以VGG19网络模型为骨干网络并利用迁移学习实现预训练权重参数的共享;模型结构使用1个批标准化卷积层和2个Inception模块替换VGG19的第5卷积层;使用1个全局池化层替换VGG19模型的全连接层,使用一个1×4的Softmax层作为分类输出层.所提模型不
【机 构】
：
广西大学 计算机与电子信息学院, 广西 南宁530004;玉林师范学院 物理与电信工程学院 智能信息与通信技术研究中心, 广西 玉林537006;玉林师范学院 物理与电信工程学院 智能信息与通信技术研
论文部分内容阅读
针对基于传统机器学习与简单神经网络的病虫害识别方法对于具有小样本、 数据不均衡、 特征演变(黄龙病不同病害阶段的特征差异较大)、 特征不明显和多类别等特点的柑橘病虫害识别效果不理想的问题,设计了一种基于VGG19改进的VGG19-INC模型.该模型以VGG19网络模型为骨干网络并利用迁移学习实现预训练权重参数的共享;模型结构使用1个批标准化卷积层和2个Inception模块替换VGG19的第5卷积层;使用1个全局池化层替换VGG19模型的全连接层,使用一个1×4的Softmax层作为分类输出层.所提模型不仅保留了VGG19对图像特征的有效提取,还利用Inception模块增加了网络的深度与宽度,使模型获得了不同大小的感受野,实现了多尺度特征的融合;全局池化层对全连接层的替换,使参数减少率达到了70.56％,有效地提高了模型的训练速度与平均测试速度,降低参数负载.试验结果表明,VGG19-INC对柑橘(沙田柚)黄龙病、 潜叶蛾和线虫病等病虫害识别准确率为98.47％,比VGG19,Resnet50,Inceptionv3,Densenet201模型分别高22.26％,14.47％,5.18％和0.24％;损失值为0.0415,比其他模型分别低1.1085,0.2172,0.3987,0.0654,并具有良好的泛化能力.
其他文献
针对极化敏感面阵的极化域-空域联合谱估计,现有的多重信号分类(Multiple Signal Classification,MUSIC)算法需要进行四维谱峰搜索,计算量较大.建立了一种极化参数与空域参数分离的长矢量模型,在此基础上提出了一种基于不等式约束的降维MUSIC算法.利用极化矢量的模值有界性,将联合谱估计问题转化为不等式约束优化问题,在空间域进行谱峰搜索先行估计出信号的波达方向(Direction of Arrival,DOA),进而估计极化相位差和极化幅角.与4D-MUSIC算法相比,所提算法将
针对诸如RSA、 椭圆曲线等传统的公钥密码算法所依赖的底层数学模型能够被量子计算机所攻破、 在后量子时代现有的公钥密码算法无法对信息进行有效加密等问题,对NIST第二轮Streamlined NTRU Prime算法的密钥产生和封装2个部分进行了研究,提出了一种基于FPGA的硬件实现方式,并在Xilinx Kintex UltraScale FPGA KCU105平台上验证,该设计的最高工作频率为192.901 MHz.从实验结果可知,该方案能够在占用很少资源的前提下实现较高速的密钥产生和封装操作.
5G NSA模式下,用户数据可在分组数据汇聚协议(Packet Data Convergence Protocol,PDCP)层分流后进行双链路传输,由于各链路特性不同且动态变化,接收端存在乱序现象,导致重传、 接收缓冲区阻塞.针对以上问题,提出了一种适用于双连接架构,可实现PDCP层数据聚合乱序程度最小、 系统速率最大的分流方法.建立双连接触发机制,确定分流界限;基于链路传输能力和缓存队列确定分流比例,通过时延补偿控制数据发送顺序.仿真结果表明,该算法较合适分流比例算法吞吐率提升30 Mb/s,重排序丢
针对工程应用中电容的测量过度依赖仪器设备,难以实现高精度实时测量的问题,提出了一种基于BP神经网络的高精度电容测量方法.利用由DSP,DDS,AGC,ADC和阻容分压等电路构成的数据获取模块采集50个标准电容两端的分压幅值,经过数据清洗与中值滤波去噪预处理后形成71个特征值,以此构建C-U数据集;建立3层隐藏层结构为16×32×16的BP神经网络模型,并进行训练和测试,获取电容预测模型,分析模型性能.测试结果表明,模型预测值与真实值的平均相对误差仅为2.6291％;预测模型在训练集与测试集上的决定系数R2
雷达嵌入式通信(Radar-embedded Communication,REC)是一种在雷达后向散射回波中嵌入通信信号的新型隐蔽通信手段.为了进一步提高REC系统中通信接收机的接收性能,提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)的REC合作接收机结构——CNN接收机,给出了CNN接收机的设计原理及详细结构,并对CNN接收机的接收性能进行了仿真和分析.结果表明,相较于传统REC合作接收机,CNN接收机具有更优的接收性能,REC系统可以使用功率更低的通信
深度学习的应用日益广泛,训练样本是深度学习模型的基础.但是在军事、 商业和金融等领域中,往往会出现模型训练时样本数据分散不易集中和隐私保护等问题.因此,数据隐私安全的研究非常重要.以某领域命名实体识别为应用场景,提出了FedPBert模型,采取了横向联邦学习的方式对Bert模型进行了预训练和微调.为了提高模型的精度,采取对客户端网络全参数加密上传服务器的策略.同时,针对在进行联邦学习训练时客户端与服务器进行通信的加密参数过大且通信效率过低的问题,首次设计了一种可以减少加密参数量同时减少通信量的Random
针对交通标志在城市交通中易受恶劣天气、 交通拥堵等影响而导致识别率低的问题,提出了一种在Alex模型基础上改进的交通标志识别方法,引入了批量归一化(Batch Normalization,BN)方法取代原有的局部响应归一化(Local Response Normalization,LRN)法,并加入全局平均池化层(Global Average Pooling Layer,GAP)取代原有的全连接层.其中BN法将每一层输出数据归一化为均值为0、 标准差为1,使得结构传输更为顺畅;GAP层的引入大大减少了网络
为了解决现有图像加密算法处理后的密文图像在传存储过程中带宽利用率低、 占据较大的存储空间等问题,提出了一种新的基于混沌压缩感知和DNA编码的多图像加密算法,可同时对多幅图像进行压缩加密为一幅密文图像.通过SHA-256安全散列算法产生内部密钥,实行一次一密,极大地提高了算法的安全性.相比于传统加密算法,密文图像空间利用率提高了约87.5％,平均每幅复原图像的峰值信噪比达26.42,复原图像的细节仍清晰可见.密文图像像素改变率(UACI)与统一平均变化程度(NPCR)分别达到33.75％和99.81％,接近
针对天基MIMO脉冲雷达探测体制的发射波形设计问题,考虑到天基雷达的发射波形等相关参数极易被敌方侦察设备侦收到,提出了一种新的抗干扰天基TDM-MIMO雷达波形设计方法.结合雷达系统的信号处理流程,建立了基于复合模糊函数的波形设计参数化模型,以表征雷达探测性能的发射信号集复合模糊函数和表征抗欺骗干扰的正交性来优化设计雷达波形,在保证了雷达探测性能的前提下,兼顾了抗干扰性能.该优化波形同时具有一定范围的多普勒不敏感的特性.天基TDM-MIMO雷达系统各发射阵元依次发射或跳变发射正交波形,所有接收阵元接收回波
目前基于深度学习的表格结构识别有2种主流方法:检测表格框线法和检测表格行与列法.在检测表格框线法中,表格框线所占像素数较少导致了正负样本失衡的问题.虽然检测表格行与列法避免了正负样本失衡的问题,但有的研究将行与列预测分别简化成一列与一行像素的预测,又造成了容错率大的问题.针对该问题,提出了2种信息传输模块:行信息门和列信息门.在模块内,通过特征切片和平铺来对行或列进行软预测,解决了简化行与列预测产生的大容错率问题;通过计算通道注意力进一步提取行或列信息;使用行信息门与列信息门搭建了一个语义分割模型,同时完