摘要：针对人工识别病虫害种类并定位的方法精度低、速度慢且人工成本巨大的问题,基于深度学习对植保无人机的识别系统应用进行研究。该识别系统主要包括3层,分别是感知层、传输层和应用层。为使植保无人机能够准确地识别病虫害种类并定位,采用深度学习算法进行人工智能识别,并对卷积神经网络和识别的评价指标进行了设计。为验证该识别系统的性能,进行了训练和测试试验及系统在其他数据集的测试试验。试验结果表明:系统的病害识别率较高,且具有良好的可移植性。

摘要：针对目前国内读码器产品种类稀少、成本过高,功耗和热量过高、识别率低等问题,提出了一种结构紧凑、性价比高、功耗低、稳定性强的智能读码器系统设计方案。该系统方案主要基于ARM平台和Linux系统开发,硬件方面采用NXP MX8Mini作为主控芯片,搭载XILINX的XC7A50T FPGA器件,配置2G容量的LDDR4内存用来做图像预处理工作,采用AR0144CS芯片作为图像传感器,并支持多种通讯协议和扩展。软件方面,主要介绍了系统FPGA图像预处理及高斯滤波具体实现、ARM与FPGA的通讯、上位机功能设计。经过测试,该读码器系统运行稳定、体积小、功耗低,一维码8mil Code128识别率达到99.99%,为当前国产读码器市场提供了一种新的解决方案。

摘要：近年来,人脸检测与表情识别技术已成为多个领域的研究重点,包括智能交通、智慧医疗、线上教育等。然而,传统的人脸表情识别方法存在识别率低等问题。为突破这些难题,深入研究了卷积神经网络,基于深度学习对模型和算法进行设计和调优,探索出一种高效率、高准确度的人脸检测与表情识别方法,成功构建了人脸表情识别系统。主要介绍基于深度学习的卷积神经网络相关研究背景与研究意义,通过模型算法设计和参数优化,使表情识别模型在多个训练集上达到了较高的识别率和准确度。

摘要：针对目前汽车异响(BSR)诊断的人工主观评价方法的识别不稳定、效率低等问题,提出了一种汽车异响自动识别系统。通过实验对比了异响识别系统和人工主观评价两种检测方法的识别成功率,实验结果表明,人工主观评价的综合识别成功率只有66.2%,而所设计的异响识别系统综合识别率高达93.6%,并且稳定性也优于人工识别。所设计的汽车异响识别系统消除了经验差异所造成的人工识别准确率低问题,具备一定的市场推广价值。

摘要：【目的】提高k-匿名算法的效率和发布数据的质量,减小数据由匿名化带来的信息损失。【方法】基于识别率和多叉树森林,设计一种k-匿名算法(MFBRR),利用泛化树的性质对数据进行自底向上的遍历,计算出识别率,选择目标叶节点对树进行剪枝,以减少匿名化数据的信息损失。在此基础上,采用并行式计算和多线程处理,提出其改进算法MFBRR-γ,进一步提高了算法的效率。通过实验,使用层级准确率和运算时间对所提出的算法进行评价。【结果】使用Adult数据进行测试,MFBRR的层级准确率为0.97,MFBRR-γ(γ=30)的层级准确率为0.88。数据集规模为30000条,MFBRR耗时1457 min,MFBRR-γ耗时12.08 min(γ=100)。应用于健康医疗数据,取得了良好效果,MFBRR的层级准确率达到0.93。【局限】仅采用两种数据集进行研究,数据类型可能不全面。【结论】MFBRR及其改进算法MFBRR-γ,可以实现数据的k-匿名要求,同时减少匿名化带来的信息损失,可以提高数据发布的质量。

摘要：为提高RFID系统识别率,优化设计RFID系统,需要确定影响RFID系统识别率的关键因子.基于关键过程输入变量、关键过程输出变量的模型,提出了一种分析影响RFID系统识别率关键因子的试验设计方法,并确定了关键因子为标签与读写器平面夹角、读写器天线数量、标签与读写器距离.通过测试,分别在标签嵌入汽车轮胎未硫化和硫化两种情况下,进一步确定影响嵌入式RFID系统识别率的各关键因子.最后,应用MINITAB统计软件,采用二项logistic的回归分析方法,分析了各关键因子对识别率的贡献情况.统计分析结果有利于优化设计RFID系统,提高RFID系统识别率.

摘要：针对原有手写汉字识别系统中文字特征提取的相关问题,结合卷积神经网智能化学习字形相似字的有效特征,设计了一种全新的手写汉字光学图像识别系统.通过手写云平台中丰富的数据资源对模型进行高效训练,根据频度统计形成特定的相似子集,有效优化识别率。实验结果表明,与支持向量机(SVM)及最近邻分类器方法相比,提出的方法能够显著提升识别率.

摘要：为提升QR(quick response)二维码在高速运动状态下的识别率,系统分析并筛选了可能影响二维码识别率的因素,进行了基于响应面方法的CCI(central composite inscribed)实验设计。将传送带速度、读码距离、读码角度、照度等因素划分为5个水平,并分别进行了静态、动态实验以及参数优化。动、静态实验结果表明,读码距离、读码角度与照度之间的交互作用对静态下二维码识别率有显著影响(p<0.05),传送带速度、读码距离、读码距离与读码角度之间的交互作用、读码角度与照度之间的交互作用对动态下二维码识别率有显著影响。理论上,当传送带速度为80.6 m/min,读码距离为144.3 mm,读码角度为-25.6°,照度为683.0 lx时,可得识别率的最大优化值为98.4%。通过实验验证可知,影响因素的参数优化能有效提升二维码识别率。

摘要：车牌识别技术(Vehicle License Plate Recognition,VLPR)是计算机视频图像识别技术在车辆牌照识别中的一种应用。能够将运动中的汽车牌照从复杂背景中提取并识别出来,通过车牌提取、图像预处理、特征提取、车牌字符识别等技术来实现。车牌识别系统广泛应用于高速公路出入口、城市交通、停车场等场景。

摘要：以机器学习为主的雷达目标识别模型性能由模型与数据共同决定。当前雷达目标识别评估依赖于准确性评估指标,缺乏数据质量对识别性能影响的评估指标。数据可分性描述了属于不同类别样本的混合程度。数据可分性指标独立于模型识别过程,将其引入识别评估过程,可以量化数据识别难度,预先为识别结果提供评判基准。因此该文基于率失真理论提出一种数据可分性度量,通过仿真数据验证所提度量能够衡量多维高斯分布数据的可分性优劣。进一步结合高斯混合模型,设计的度量方法能够突破率失真函数的局限性,捕捉数据局部特性,提高对数据整体可分性的评估精度。接着将所提度量应用于实测数据识别难度评估中,验证了其与平均识别率的强相关性。而在卷积神经网络模块效能评估实验中,首先在测试阶段量化分析了各卷积模块提取特征的可分性变化趋势,进一步在训练阶段将所提度量作为特征可分性损失参与网络优化过程,引导网络提取更可分的特征,该文从特征可分性角度为神经网络识别性能的评估与提升提供新思路。