時間:2021年12月29日 分類:期刊知識 次數:
農業從業人員滿足學歷、資歷條件可評定農藝師,高級農藝師職稱,而且他們也需要發表論文作為自己的科研成果,有的作者會發表農作物病害論文,有的作者會發表農作物種植栽培論文,這主要是看大家所從事的工作,工作專業不同那么論文要求就是不同的。
評定農藝師職稱,一般需要公開發表、出版本專業較高水平的論文(第一作者)、著作(主要編著者),具備下列條件之一:
(一)著作1部和在省級專業期刊發表論文1篇以上;
(二)在省級以上專業期刊發表論文2篇以上;
(三)在國際或全國性專業學術會議上宣讀論文1篇以上;
其實滿足要求的論文就是可以作為評定職稱成果的,下面學術顧問在這里也分享了兩篇農作物病害方向的職稱論文,是以往評職人員發表的論文范例,大家可作為參考:
論文一、基于語義分割的農作物病害識別綜述研究
摘要計算機視覺是在感知層上最為重要的核心技術之一,被應用于眾多領域。在農業領域,主要應用于植物生長監測、農作物病害的監測與防治等。結合深度學習發展的大背景,將圖像語義分割分為基于編-解碼架構和基于融合架構,并對優秀學者在農作物病害識別方面的研究進行詳細介紹,總結農作物病害圖像分割應用中所存在的問題。
關鍵詞圖像語義分割 深度學習 農作物病害識別 監督學習
論文二、基于改進深度神經網絡的農作物病害識別研究
摘要針對農作物病害圖像樣本難收集的問題,本文采用遷移學習算法并結合深度學習提出了一種基于MobileNet的M25Net模型。通過對38類作物和1類背景圖像的5.5萬多幅農作物健康與病害圖像進行訓練,獲得了農作物病害識別模型,其識別準確率可達99.67%。為了驗證M25Net模型識別農作物病害類型的能力,分別與使用遷移學習的MobileNet、InceptionV1、InceptionV2、InceptionV3、ResNet 50、ResNet 101、ResNet 152模型進行對比試驗,結果表明,M25Net模型比其它模型的識別精度提升了1.89%~4.86%,具有更高的分類精度,農作物病害類型識別的泛用性增強。
關鍵詞農作物病害識別 深度學習 遷移學習 M25Net模型