未来计算机手抄报图片,【科技与未来手抄报图片大全】未来科技手抄报图片_科技创造未来手抄报设计_亲亲宝贝网...

手抄报二:科学技术分类一

生命科学

现代生命科学技术,在20世纪得到了空前的发展,特别是DNA双螺旋结构的发现和人类基因组计划的实施,更使得生命科学技术成为21世纪高新科技的主流。由于生命科学技术能够揭示生物构造和遗传的秘密,对于促进人口与健康、农业高新技术、生态环境、食品和化学工业等领域的发展具有重大作用,因而具有广阔的发展前景。

空间科学

空间科学是当代科学技术中发展最快的尖端技术之一。人类进入空间,在那里进行科学研究,开发无限的空间资源,定居、旅游,以致建立起空间文明,这一直是人类的梦想。实现这一梦想,将依赖于空间技术的进步。近半个世纪以来,随着航天技术的发展和各种应用卫星的广泛应用,人类开创了卫星通信、卫星广播、卫星气象、卫星导航、卫星勘测和空间科学、军事应用等前所未有的新领域空间技术的发展对于广播电视、远距离通信、气象预报、资源普查、导航定位、农业生产、救援救灾、环境监测和科学研究,发挥了传统方式无法达到的效益和作用。

哲学

是关于世界观的学说,是人们对于整个世界包括自然界、社会和思维的根本观点的体系,是自然知识和社会知识的最高概括和总结。

自然科学类

数学:数学的研究对象是现实世界中的数量关系与空间形式。研究数量关系或数的部分属于代数学范围,研究空间形式或形的部分属于几何学范围。

物理学:物理学原是自然科学的总称。由于物质和能量是自然界的基本组成要素,物理学就是研究自然界的物质结构和能量变化的科学。

化学:是研究各种具体物质的性质、组成和结构,以及在特定条件下它们所发生的反应和变化的自然科学。

天文学:天文学是研究天体的运动和性质的科学。广而言之,它研究宇宙的物质结构和能量变化。

地学:地学是地理学的简称,包括地理学和地质学两个学科。地理学是研究地球表面即人类生存在其中的地理环境的科学,主要探索地球表面自然和经济地理要素的分布规律和空间关系,有自然地理、人文地理、部门地理、区域地理等分支学科。

生物学:是研究有生命的物质的产生、发展及规律的科学。大体上分为研究动物生活习性的动物学和研究植物习性的植物学。

医学:是以保护和增进人类健康、预防和治疗疾病为研究对象的科学。

农业科学:农业科学是研究农业生产理论和技术的科学,包括作物栽培、育种、土壤、气象、肥料、农业病虫害等,还可以包括林业、畜牧和水产业。

能源科学:能源科学是研究各种能源现象及能源的勘探、开发和利用规律的科学。

环境科学:是近几十年发展起来的新兴综合科学,主要研究人类环境质量及保护和改善,领域十分广泛,不仅包括各种自然因素,也包括了一定的社会因素。这门学科以生态学和地球化学为主要理论基础,并充分利用化学、生物学、物理学、地学、医学、工程学等各领域的科学知识和技术,对人类活动引起的空气、水、土地等环境问题进行系统的研究。

9f35796faa9fc694faacbcfc2eeae87c.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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