为了提高复杂背景植物图像识别准确率,提出一种基于卷积神经网络(CNN)有效区域筛选的植物图像识别方法,该方法首先基于图像(花朵、叶片)数据集利用CNN训练一个有效区域筛选模型,使数据集通过该模型筛选后仍能保留花朵、叶片等有效区域;然后经过Mask R-CNN对植物图像数据集进行有效区域的提取,再用有效区域筛选模型筛选能表征植物图像类别的有效区域,接着将此类有效区域以4∶1的比例划分为训练集和测试集,然后送入GoogleNet进行训练,得到基于有效区域的CNN植物图像识别模型MRC-GoogleNet;最后通过该模型得出识别准确率。实验结果和数据表明,与经典CNN植物图像识别模型相比,基于有效区域筛选的识别模型能提取到更为有效的图像特征,有效地提高识别准确率。

亚微米尺寸的金刚石粉末对超精细研磨抛光而言是非常理想的磨料, 但高品质亚微米尺寸金刚石粉末的合成与制备到目前为止仍面临着许多的困难和挑战。在避免使用金属触媒的情况下, 以萘为前驱体在11 GPa压强、1 700 ℃的温度条件下成功合成了高品质亚微米尺寸的金刚石粉末。所合成的金刚石粉末具有比较高的相纯度, 金刚石晶粒普遍都是晶体形态发育良好且相互独立彼此分散的自形晶。晶粒粒度的频率分布属于正偏态分布, 相应的平均值、中数及众数分别为158.1,221.5,262.5 nm。对数正态分布拟合中, 晶粒粒度的期望值和标准偏差分别为(243.3±4.2) nm和(122.3±5.4) nm。将近96%的晶粒都分布在亚微米尺寸范围内。本工作将为高品质亚微米尺寸金刚石粉末的合成与制备提供有效途径。