摘要：科学技术应用于生产是学术研究的重要课题。随着经济的发展和产业结构的变化,花卉种植在种植业中逐渐显现蓬勃增长趋势。花卉生长环境的苛刻使得当前的花卉种植业急需一种科学便利高效的生产方法。掌上花卉生态系统采用物联网技术、嵌入式技术、无线传感器网络技术以及智能手机客户端相结合的方法,实现了花卉生长环境的智能监测、自动化处理与远程操控。

摘要：由于遥感影像中建筑物种类繁多且与周围环境信息混淆,传统方法难以实现建筑物的准确高效提取.本文提出了一种基于改进Mask-RCNN的建筑物自动提取方法,利用PyTorch深度学习框架搭建改进Mask-RCNN网络模型架构,在网络的设计中添加了路径聚合网络和特征增强功能,通过监督和迁移学习的方式对Inria航空影像标签数据集进行多线程迭代训练与模型优化学习,实现了建筑物的自动精确分割和提取.基于不同开源数据集,分别与SVM、FCN、U-net和Mask-RCNN等建筑物提取算法进行对比,实验表明,本文方法可以高效准确、高效地提取建筑物,对于同一个数据集,提取结果的mAP、mRecall、mPrecision和F1分数这4个评价指标均优于对比算法.