摘要：近年来,随着渔业技术的不断发展,人们能享用到更多相关的鱼类水产,渔民的经济水平也较以往得到提高。渔民捕鱼后,通常需要对鱼获物的种类进行识别分类。渔民使用不同网孔的鱼网进行渔获物大小的筛选,体型符合要求的鱼获物会留在网内,从而保证渔获物体型大致相同。打捞上来的鱼还需要进行种类识别分类,将不同种类挑选出来,以便送往各个地方销售。现在渔民在挑选分类鱼的时候通常进行人工挑选,这种做法不仅消耗了大量的时间和精力,还可能会导致随着劳作时间的增加,人的注意力不集中而造成分类错误。为了在渔民分类中减少失误和提高效率,以渔获物马鲛鱼为例,文章讨论在使用普通相机进行检测的情况下,利用tensorflow目标检测,设计的一种基于卷积神经网络模型SSDResNet50V1FPN应用在马鲛鱼检测中。利用该模型进行马鲛鱼目标检测,总的损失经过25 000步训练后,收敛到2.2x10-4,达到良好的检测精度。

摘要：本研究以安装了图像监控设备的设施温室为研究对象,以图像识别技术为研究方法,以识别设施温室种植、休耕、撂荒、大棚房4种生产状态为研究目的设计需求方案,按照获取设施温室图像数据、设施温室图像数据预处理、基于深度学习的算法模型研究、构建设施温室生产动态管理平台的步骤进行研究,最后得出设施温室种植、休耕、撂荒、大棚房4种生产状态的图像识别模型,将识别结果在设施温室生产动态管理平台上进行展示、预警,为设施温室监管提供技术和数据支撑。

摘要：随着双碳战略的持续推进,可再生能源发电的重要性越来越被重视。海上风电机组位于偏僻地区,故障后维修难度较大,因此风电机组故障预测与识别技术研究至关重要。基于Python sklearn的机器学习框架和基于tensorflow的故障预警方法,采用多种特征提取方式,并使用卷积神经网络进行特征融合和分类,可实现海上风电系统的故障诊断和预警。详细介绍该方法的设计思路、实验步骤和实验结果,并对该方法进行评估和分析。

摘要：建筑物自动提取对城市规划、灾害评估等应用具有重要意义。建筑物提取是典型的实例分割问题,在关注某个像素是不是建筑物的同时,还需要关注建筑物的空间位置和建筑物的数量。针对建筑物实例提取的问题,采用不同主干网络实现的Mask R-CNN网络,在COCO数据集预训练后在SpaceNet数据集上进行建筑物提取实验,结果表明,基于Mask R-CNN的建筑物提取精度较高,主干网络采用ResNet101和ResNeXt101的模型检测精度、Mask精度分别达到96%、94%以上,可以满足建筑物实例提取的需要。

摘要：本文基于tensorflow+Keras深度学习框架建立了水泥3 d及28 d抗压强度全连接神经网络数据驱动模型,采用基于Nadam优化器对模型进行训练,与SGD随机梯度下降相比,鲁棒性更好,精度更高。测试数据3 d抗压强度预测相对误差小于7.47%,28 d抗压强度预测相对误差小于3.57%,可满足实际生产需求。

摘要：行人保护是汽车安全的重要组成部分。在汽车发动机罩的研发设计过程中,除了要考虑强度、刚度等性能外,还需考虑对行人造成的伤害。利用有限元仿真能够获取多个碰撞点位的行人头部损伤,但是计算量大、重复工作多。本研究联合Abaqus仿真软件和tensorflow机器学习框架,构建了行人保护头碰头部损伤评价标准(Head injury criteria,HIC)预测人工智能(Artificial intelligence,AI)模型,该AI模型可以快速地(秒级)预测包含几何、材料等参数下的合成加速度曲线及对应的HIC值,其中HIC值预测准确率超过85%。

摘要：为了提高缺陷识别效率,提出利用基于深度学习网络进行焊缝缺陷识别。在分析X射线焊缝缺陷图像特征的基础上,构建一种基于模拟视觉感知原理的深度学习网络结构,并对卷积神经网络的卷积模板大小及层数进行了分析,对卷积神经网络隐藏层中2种不同的激活函数进行了实验验证,针对性地提出优化方法。该深度学习神经网络可以避免对焊缝缺陷图像特征的提取,直接判断疑似缺陷图像是否为缺陷。对580张图像进行了实验,结果表明,本文所提方法对SDR图像的识别准确率超过98%,优于传统方法。且所设计系统具有自动学习X射线焊缝缺陷图像中复杂的深度特征的特点,实用性较强。

摘要：本文设计并实现了一个基于tensorflow的移动云存储系统。首先介绍了系统采用的相关技术,然后给出了系统总体架构设计,最后给出了系统的设计与实现。

摘要：在对tensorflow展开分析的基础上,本文对手写数字识别模型的设计与实现方法进行了探讨,为关注这一话题的人们提供参考。

摘要：计算机视觉和人工智能技术现已应用在生产和生活的方方面面,该系统应用了深度学习模型来训练图片,将人工智能技术应用在日常风景图片的艺术化创作上,从而将艺术作品的风格迁移到拍摄的风景图片上,使其具有艺术画的美感。基于此,本文探讨了迁移学习和风格迁移的数学原理及实现思路,借助预训练过的深度神经网络,设计出了软件的整体框架和代码,并用带有NVIDIA显卡的图像工作站来训练此网络,以实现艺术风格的迁移,同时展示了风格迁移的效果图,并对此领域的研究进行了展望。