简介:摘要:随着智能算法的不断发展,BP神经网络也逐渐被应用于图像处理领域。通过不断训练获得能够与实际情况相匹配的网络结构,在通过测试后,可利用BP神经网络对后续图像进行处理,完成自主的运算过程,减少人工参与度。在对目标进行识别的过程中,BP神经网络可大大减少工作量,提高图像处理的效率。
简介:摘要:该系统基于物联网Android应用开发,采用图像识别、数据分析等技术,对农田的数据实时监测和分析,实现降温、浇水、施肥、除草功能并通过APP将数据实时呈现在农户面前,通过摄像头观察农田同时监测农田可能出现的动物并报警进行驱赶,识别鸟类具体名称并上传至云端进行统计,解决了小型农田多且难以管理的问题并间接统计当地鸟类物种多样性,实现人与自然的和谐相处。
简介:摘要:随着遥感技术的不断进步和深度学习算法的快速发展,逐渐出现了一系列应用于遥感图像分类的神经网络模型。本文通过对近年来相关文献的综述,总结了各种神经网络模型在遥感图像分类中的应用情况、优缺点及发展趋势,旨在为遥感图像分类领域的研究者提供参考和启示。
简介:摘要:肺炎是一种常见且严重危害人体健康的呼吸系统感染疾病,CT影像不仅能直观地显示病变部位,还可提供诸如病灶形态、密度等信息,在早期发现和治疗过程中发挥着重要作用,也是医生了解病变程度和患病细节的常见手段。在卷积神经网络的基础上,开展肺部病变的判断以及病灶区域的分割定位研究,可以大幅提高诊疗速度,协助医生准确诊断和定位肺炎病变区域。目前的肺炎辅助诊断方法多将分类与分割算法的实施截然分开,区别于目前多将分类与分割算法实施截然分开的肺炎辅助诊断方法,研究了在通用卷积神经网络的基础上完成快速分类任务的实现方法,在专业人士的参与下标注并建立了用于肺炎病灶区域分割的数据集,并利用U-Net及相关改进网络模型,在训练集规模较小的情况下可完整勾勒出肺炎病灶的边缘,并获得到相对较高的分割精度。实验结果表明,通过在所处理的近300张数据集上进行实验,可以得到近85%的准确度。