摘要：由于水下目标获取困难,小样本水声目标识别一直是水声领域的难题。传统网络训练时需要大量的训练样本,并且对样本库外的目标识别率较低。针对这一问题文中提出一种深度卷积孪生网络用于对水下目标的DEMON(Detection of Envelope Modulation on Noise)谱的线谱进行识别。同时,为了适应真实水下识别环境,在训练的同时评估不同多普勒频偏、信噪比和干扰对网络识别性能的影响,进而得到一种具有较高多普勒容限和具有抗噪能力的网络模型。试验结果表明,与传统的神经网络相比,深度卷积孪生网络能够利用交叉熵对比损失函数与设置阈值的方式,判断输入样本对之间的差异,进而实现对新目标的识别。

摘要：随着近年来以手机、平板为代表的智能移动终端技术和物联网技术的不断发展,利用移动终端本身的特性,结合良好的农业物联网设计结构,可对农业生产实现快速实时监控,使农业生产变得更加智能化、信息化、便携化,同时还可大大解放生产力,提高生产效率,提高农业生产的灵活性,让农业生产变得智能、方便。