北京理工大学计算机学院祝,余月_北京理工大学计算机学院

代表性学术成果

代表性论文:

1.Yue Yu, Xiangru Chen, Zhaohan Lu, Fengxia Li, Bo Zhang. Obstacle avoidance behavior of swarm robots based on aggregation and disaggregation method. SIMULATION, Vol 93, Issue 11, pp. 885 - 898 . First published date: June-07-2017 (SCI)

2.Yue Yu, Abdelkader El Kamel, Guanghong Gong. Modeling and simulation of overtaking behavior involving environment,Advances in Engineering Software,2014,67:10-21. (SCI)

3.Yue Yu, Abdelkader El Kamel, Guanghong Gong, Fengxia Li. Multi-agent based modeling and simulation of microscopic traffic in virtual reality system,Simulation Modelling Practice and Theory,2014,45:62-79. (SCI)

4.Yue Yu, Fengxia Li, Sanyuan Zhao, et al. Virtual Experiment Method for MOOC to Solve Teaching Practice Skills and Difficult Points, Mechatronic Systems and Control, 2019, 47(2): 77-82. (EI)

5.Zhuoheng Huang, Yue Yu, Xiangru Chen and Wei Wei, Prediction of Human Body Motion from Video Sequences, 2018 IEEE 18th International Conference on Communication Technology (ICCT), Chongqing, 2018, pp. 1227-1231.(EI)

6.Yue Yu, Fengxia Li, Sanyuan Zhao, et al. Virtual experiment method for MOOCs to solve abstract key notes and difficult points, International Conference on Computer Science and Education. Houston , TX, United states,2017:145-148. (EI,Best Paper Award)

7.Yue Yu, Xiangru Chen, Jiancheng Qiao, et al. Reducing complexity in 3D colored meshes with multi-scale color saliency,International Conference on Computer Science and Education. Houston , TX, United states,2017:283-288. (EI)

8.Yue Yu,Mengmeng Hu,Fengxia Li, Yiming Zhao. Physics-based Fluid-Solid Interaction of Ocean Simulation using SPH. 2016 International Conference on Virtual Reality and Visualization, ICVRV 2016, 325-330, Hang Zhou, 2016.9.22-2016.9.24 (EI)

9.Yue Yu,Abdelkader El Kamel,Guanghong Gong. Modeling intelligent vehicle agent in virtual reality traffic simulation system,2013 2nd International Conference on Systems and Computer Science, ICSCS 2013,274-279,Villeneuve d'Ascq,2013.8.26-2013.8.27 (EI)

10.Yue Yu,Abdelkader El Kamel,Guanghong Gong. Modeling overtaking behavior in virtual reality traffic simulation system,2013 9th Asian Control Conference, ASCC 2013,Istanbul,2013.6.23-2013.6.26 (EI)

专利:

1.  余月; 李凤霞; 乔建成; 张波; 陈宇峰,一种基于显著颜色属性特征保持的模型简化方法, 2016.3.16, 中国, CN201610150721.X

2.  李凤霞; 陈宇峰; 李仲君; ; 雷正朝; 刘咏梅,余月,基于人机交互的汉字信息流可视化方法, 2016.4.19, 中国, CN201610244240.5

3. 李凤霞; 李仲君; 刘茜; 朱泽炜; 乔建成,余月,基于空间优化树布局的可视化交互方法, 2014.5.15, 中国, CN201410205449.1

软件著作权:

1.  基于QT的仿真系统显示控制软件, 2014SR078822, 原始取得, 全部权利, 2014.04.01

2.  多分辨率三维模型库系统, 2014SR078829, 原始取得, 全部权利, 2014.04.01

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值