“作物医生”-作物病害在线诊治系统的设计与实现

这是一篇关于病害诊断,迁移学习,卷积神经网络,Python语言,Django框架的论文, 主要内容为自“十四五”以来,国家着重发展智慧农业,建立农业农村大数据体系,推动新一代信息技术与农业生产经营深度融合。其中,农作物病害的防治和诊断是十分重要的一项环节,及时有效的诊治病害是当前全球新冠肺炎持续蔓延的大背景下,稳住农业大局,确保粮食作物稳产增产的重要手段。长期以来,人们通过经验主义的方式和传统图像检测手段来判断农作物是否遭受病害的侵袭,不但效率低下,病害得不到及时有效的防治,还耗费了大量的人力和财力。在农业与信息化交互的大背景下,越来越多的智慧农机技术下沉基层,致力于农作物的稳产增产,率先进入农业4.0阶段。其中机器学习技术作为实现精准农业的重要手段,被不断应用到作物病害的在线识别的领域中,成为现代化农场管理的重要手段,也是农业从业者日常维护管理的重要工具。本研究依据工业工程与管理中“改善创新”的思想,依托信息管理与信息系统手段,基于Python语言和Django框架设计并实现了“作物医生”作物病害在线诊治系统。本文围绕“作物医生”作物病害在线诊治系统的设计与开发做了如下工作:(1)基于迁移学习的病害诊断研究。本部分通过大量资料查阅和文献研究,在开源数据集中获取并整理大量样本数据,对作物病害图像进行阈值分割、旋转平移、缩放调整等方式进行预处理后,根据作物和病害种类人工分为81个类别,每一种类别按比例分为训练集,测试集和验证集,在Pytorch深度学习框架下,分别对Res Net 18、Res Net 34、VGG 16和Inception V3四种预训练模型基于预处理后的数据集进行迁移学习训练,通过训练数据和得分筛选,选出两种作物病害诊断模型,设计了快速诊断和精准诊断两种识别模式,应用于“作物医生”系统的搭建,实现对包含13种作物在内的81类作物病虫害进行在线诊断,并通过各类书籍和专业材料的凝练汇总,构建农业植保知识手册体系,应用于病害诊断后的植保信息提示和植保信息知识图谱功能中。(2)基于Django的“作物医生”Web系统开发,综合应用软件工程学方法和Django开发框架,进行作物病害在线诊治系统的整体设计以及各模块功能的实现。作物病害在线诊治系统共有四个主体模块:分别为用户登录注册模块、作物病害在线诊断模块、植保信息知识图谱模块、图文展示模块,实现用户一站式病害检测和诊断书获取功能、植保信息手册一键获取功能和用户注册登录等功能。诊治一体化,是“作物医生”系统的职责和意义所在。系统旨在为农业工作者和农业科研人员提供农作物病害一站式服务平台,为精准化农业和农业领域轻量级系统的研究和发展起到一定的积极作用。

“作物医生”-作物病害在线诊治系统的设计与实现

这是一篇关于病害诊断,迁移学习,卷积神经网络,Python语言,Django框架的论文, 主要内容为自“十四五”以来,国家着重发展智慧农业,建立农业农村大数据体系,推动新一代信息技术与农业生产经营深度融合。其中,农作物病害的防治和诊断是十分重要的一项环节,及时有效的诊治病害是当前全球新冠肺炎持续蔓延的大背景下,稳住农业大局,确保粮食作物稳产增产的重要手段。长期以来,人们通过经验主义的方式和传统图像检测手段来判断农作物是否遭受病害的侵袭,不但效率低下,病害得不到及时有效的防治,还耗费了大量的人力和财力。在农业与信息化交互的大背景下,越来越多的智慧农机技术下沉基层,致力于农作物的稳产增产,率先进入农业4.0阶段。其中机器学习技术作为实现精准农业的重要手段,被不断应用到作物病害的在线识别的领域中,成为现代化农场管理的重要手段,也是农业从业者日常维护管理的重要工具。本研究依据工业工程与管理中“改善创新”的思想,依托信息管理与信息系统手段,基于Python语言和Django框架设计并实现了“作物医生”作物病害在线诊治系统。本文围绕“作物医生”作物病害在线诊治系统的设计与开发做了如下工作:(1)基于迁移学习的病害诊断研究。本部分通过大量资料查阅和文献研究,在开源数据集中获取并整理大量样本数据,对作物病害图像进行阈值分割、旋转平移、缩放调整等方式进行预处理后,根据作物和病害种类人工分为81个类别,每一种类别按比例分为训练集,测试集和验证集,在Pytorch深度学习框架下,分别对Res Net 18、Res Net 34、VGG 16和Inception V3四种预训练模型基于预处理后的数据集进行迁移学习训练,通过训练数据和得分筛选,选出两种作物病害诊断模型,设计了快速诊断和精准诊断两种识别模式,应用于“作物医生”系统的搭建,实现对包含13种作物在内的81类作物病虫害进行在线诊断,并通过各类书籍和专业材料的凝练汇总,构建农业植保知识手册体系,应用于病害诊断后的植保信息提示和植保信息知识图谱功能中。(2)基于Django的“作物医生”Web系统开发,综合应用软件工程学方法和Django开发框架,进行作物病害在线诊治系统的整体设计以及各模块功能的实现。作物病害在线诊治系统共有四个主体模块:分别为用户登录注册模块、作物病害在线诊断模块、植保信息知识图谱模块、图文展示模块,实现用户一站式病害检测和诊断书获取功能、植保信息手册一键获取功能和用户注册登录等功能。诊治一体化,是“作物医生”系统的职责和意义所在。系统旨在为农业工作者和农业科研人员提供农作物病害一站式服务平台,为精准化农业和农业领域轻量级系统的研究和发展起到一定的积极作用。

校内课程师生互动系统的设计与实现

这是一篇关于师生互动,Python语言,Flask框架,MySQL数据库的论文, 主要内容为对于现代大学生,大学课程的多样化能让学生有更多的机会接触不同的知识领域。课程丰富,但是教师与学生的互动情况总受限于各种情况难以展开。本文将围绕这一现象设计并实现一个基于B/S架构的师生课程互动系统,利用流行的Python语言上的Flask框架与MySQL数据库进行开发。旨在让教师、学生在课堂下有着更进一步的交流、促进学术交流,也为教学单位改进教学质量提供研究基础。本文首先会在查阅相关资料的基础上,对教学互动进行基础介绍,对国内外的研究现状进行调研,分析建立互动系统的目的以及意义。然后会阐述系统使用的关键技术。与教学单位、教学管理部门讨论,进行系统的详细需求分析,结合课程的具体分析,设计系统总体架构,分析系统用户用例,确立设计和实现目标。对系统整体进行详细的功能、模块、数据库设计,给出相关图表,系统会采用ETL数据采集工具,将本系统需要的基础数据从异构数据库中进行抽取与转换,再进行导入。在完成详细设计工作后,会着重论述每个功能模块详细的实现思路以及指出各模块的关键代码。完成实现工作后,提供详细的生产环境部署方案。在本文最后会对工作进行总结,指出系统存在的缺点,并对未来工作进行展望。

“作物医生”-作物病害在线诊治系统的设计与实现

这是一篇关于病害诊断,迁移学习,卷积神经网络,Python语言,Django框架的论文, 主要内容为自“十四五”以来,国家着重发展智慧农业,建立农业农村大数据体系,推动新一代信息技术与农业生产经营深度融合。其中,农作物病害的防治和诊断是十分重要的一项环节,及时有效的诊治病害是当前全球新冠肺炎持续蔓延的大背景下,稳住农业大局,确保粮食作物稳产增产的重要手段。长期以来,人们通过经验主义的方式和传统图像检测手段来判断农作物是否遭受病害的侵袭,不但效率低下,病害得不到及时有效的防治,还耗费了大量的人力和财力。在农业与信息化交互的大背景下,越来越多的智慧农机技术下沉基层,致力于农作物的稳产增产,率先进入农业4.0阶段。其中机器学习技术作为实现精准农业的重要手段,被不断应用到作物病害的在线识别的领域中,成为现代化农场管理的重要手段,也是农业从业者日常维护管理的重要工具。本研究依据工业工程与管理中“改善创新”的思想,依托信息管理与信息系统手段,基于Python语言和Django框架设计并实现了“作物医生”作物病害在线诊治系统。本文围绕“作物医生”作物病害在线诊治系统的设计与开发做了如下工作:(1)基于迁移学习的病害诊断研究。本部分通过大量资料查阅和文献研究,在开源数据集中获取并整理大量样本数据,对作物病害图像进行阈值分割、旋转平移、缩放调整等方式进行预处理后,根据作物和病害种类人工分为81个类别,每一种类别按比例分为训练集,测试集和验证集,在Pytorch深度学习框架下,分别对Res Net 18、Res Net 34、VGG 16和Inception V3四种预训练模型基于预处理后的数据集进行迁移学习训练,通过训练数据和得分筛选,选出两种作物病害诊断模型,设计了快速诊断和精准诊断两种识别模式,应用于“作物医生”系统的搭建,实现对包含13种作物在内的81类作物病虫害进行在线诊断,并通过各类书籍和专业材料的凝练汇总,构建农业植保知识手册体系,应用于病害诊断后的植保信息提示和植保信息知识图谱功能中。(2)基于Django的“作物医生”Web系统开发,综合应用软件工程学方法和Django开发框架,进行作物病害在线诊治系统的整体设计以及各模块功能的实现。作物病害在线诊治系统共有四个主体模块:分别为用户登录注册模块、作物病害在线诊断模块、植保信息知识图谱模块、图文展示模块,实现用户一站式病害检测和诊断书获取功能、植保信息手册一键获取功能和用户注册登录等功能。诊治一体化,是“作物医生”系统的职责和意义所在。系统旨在为农业工作者和农业科研人员提供农作物病害一站式服务平台,为精准化农业和农业领域轻量级系统的研究和发展起到一定的积极作用。

基于LDA模型的旅游在线评论研究

这是一篇关于旅游景点评论,文本挖掘,主题模型,情感倾向性分析,Python语言,ROSR CM6的论文, 主要内容为自上世纪七十年代中国改革开放之后,中国的国民经济得到了快速稳定的发展,中国人民的生活也变得日益富裕,越来越多的人民群众也从以往追求物质生活逐渐向追求更深层次的品质生活转移。旅游作为人们娱乐和放松的重要选择,是中国人民追求品质生活的重要体现,因此旅游业也随着人们日益增长的旅游需求得以迅速发展。随着旅行需求的快速增长,旅行地点选择也成为游客面临的选择,中国的旅游景点众多,据统计,截至2018年底,中国共有3万多景区景点,其中A级景区有一万多个,这里面包括259个5A景区及3034个4A景区,如何快速且准确的选择自己心仪的旅游景点也成为游客十分关注的问题。中国的景点主要包括五种类型:湖泊类(如武汉东湖、杭州西湖、青海湖、湖南东江湖等)、山岳类(如湖南衡山、河南嵩山、安徽黄山、陕西华山以及山东泰山等)、森林类(如湖南张家界、云南西双版纳、湖北神农架等)、山水类(如桂林漓江、长江三峡等)、海滨类(如海滨城市海南、大连、厦门等)。以往人们出行通常根据自己的喜好的类型选择该类型下的著名景点,这些景点大多是诗词中夸赞的景点。但是近年来中国互联网发展迅猛,传统行业纷纷进入“互联网+”时代,“互联网+旅行”的场景也在此背景下应运而生。“互联网+旅行”的模式兴起,改变了旅游信息来源。传统模式下,信息主要来源于身边人及旅行团。游客可以在互联网平台购买景点门票,在游玩后,可通过互联网平台进行在线评价。而这些评论对后来的游客来说,是有很大的利用价值的。但是面对海量的旅游在线评论文本数据,通过人工阅读的方式来获取评论中有价值的信息是不现实的,此时文本挖掘在旅游行业的应用也得以快速发展。文本作为重要的非结构化数据之一,其相关方面的数据挖掘在医疗健康、市场营销、电商媒体、数字人文等各种场景中都有重要的应用。例如,对电子病历的规范化文本数据进行提取,可以量化病人的诊断结果,提出合理建议;在点评类平台(如旅游网站、购物网站等)中对消费者的评论进行关键词提取,可以对店家的服务进行评估;在公共社交平台上对某一个话题的文本进行提取和情感量化,可以获知大众对某一个话题的看法,把握相关舆情。这些应用都有着巨大的价值提升潜力,而要发掘这些潜力则需要掌握体系化的文本数据挖掘方法。文本挖掘是数据挖掘的一个分支,是以文本作为挖掘对象,从中寻找信息的结构、模型、模式等隐含的具有潜在价值知识的过程。文本挖掘在信息检索、模式识别、自然语言处理等多个领域均有所涉及。由于文本作为最重要的信息载体,充分利用文本数据挖掘技术对其进行知识获取,不仅可以创造巨大的商业价值与社会价值,也是人类社会向信息文明转变过程中必备的信息处理工具。文本挖掘的主要意义在于以下几个方面:(1)推进信息化建设。通过不断发展的IT技术,将人们从繁琐的数据采集、统计中解放出来,实现生产和服务运营的智能化。(2)提高信息利用效率。由于文本数据的表示、存储及输出多样,若不能对其进行有效的转换、分类等操作,其中的丰富信息将不能充分使用。通过文本挖掘,可找出隐含在文本信息中的模式,发现可能忽略的预测信息等。(3)提高人工智能水平。人工智能水平的高低,主要通过判断理解能力、决策思维能力和实施指挥能力进行衡量。其中判断理解能力最为关键。当前,绝大部分信息都是以用自然语言表示的文本形式进行存储。(4)保障决策支撑。在以往的决策支持系统中,需由专家或程序员建立知识库中的知识和规则,其有效性取决于专家个体的经验和知识水平。而且当数据达到一定规模后,处理及判断这些信息的工作量将会大大超过专家能力。文本数据挖掘的首要任务就是通过相应的挖掘技术发现数据中难以发现的知识或规则,是一个自动获取知识的过程。为更好的帮助游客选择心仪的旅游景点,本文以湖南著名旅游景点为样本,并基于中文文本挖掘的理论知识和相关的技术,对互联网平台中的旅游景点的在线评论的文本数据进行分析。湖南省作为中国的中部大省,其旅游人数、旅游收入持续增长,这得益于湖南省的自然旅游资源非常丰富,南有衡山、东江湖等,西有张家界自然风光景区等,北有洞庭湖等,中有岳麓山等。其中张家界国家森林公园有包括金鞭溪、十里画廊、黄石寨等景区、百龙天梯等著名景点;南岳衡山是中国的五岳之一,也是中国第一批国家级重点风景名胜区;岳阳楼位于湖南省岳阳市,与湖北武汉黄鹤楼、江西南昌滕王阁并称为“江南三大名楼”;岳麓山有爱晚亭、岳麓书院等著名景点;东江湖是中国著名湖泊游览胜地,同时也是拥有国家5A级旅游景区、国家级风景名胜区、国家生态旅游示范区、国家森林公园、国家湿地公园、国家水利风景区“六位一体”的旅游区。本文选择以湖南省的5个热门旅游景点张家界国家森林公园、南岳衡山、岳阳楼、岳麓山以及东江湖为样本景点,在互联网旅游平台中,通过网络爬虫技术获取景点的用户评论数据,其次通过Python软件自编码以及ROST CM6软件对这些评论样本数据进行文本挖掘分析。本文通过旅游评论数据的文本挖掘,能够快速准确的获取评论文本中的有价值信息,提高网络评论文本的可用性。同时,本文完整的文本挖掘流程,能够为各行各业在线评论文本提供一定的参考。本文基于文本挖掘技术对湖南旅游景点在线评论数据进行研究,主要工作内容包括以下几点:(1)本文首先对旅游业的发展以及用户满意度进行了深入研究。其次总结以往学者关于消费者感知质量与满意度、消费者在线评论、文本情感分析和文本主题模型方面的研究。并在此基础上总结出本文研究的理论意义和显示意义。(2)本文系统的梳理了文本数据处理、主题模型、情感倾向性分析以及Python文本挖掘技术。在文本数据处理方面主要包括文本的编码规范(使用统一的编码格式处理文本数据,如utf-8编码)、文本降噪(通过构造停用词词典等形式去除文本中的一些无关紧要的词)、文本切分(如基于字符串分词、基于语义分词以及基于概率统计分词等)和词性标注、以及文本向量化表示(主要包括TF-IDF、word2vec以及Text CNN三种模型)。在主题模型方面主要包括pLSA模型及LDA模型。情感倾向性分析主要包括基于主客观性分析、基于机器学习算法以及基于情感词典分析三类。在Python文本挖掘方面本文梳理了Python的发展对文本挖掘发展的重大意义以及文本挖掘的主要使用方向。(3)本文使用网络爬虫技术,通过Python自编码方法获取本文的研究样本数据。本文首先选择了湖南省的5个热门旅游景点张家界国家森林公园、南岳衡山、岳阳楼、岳麓山以及东江湖为样本景点。其次通过Python网络爬虫技术爬取携程网上这些景点的用户评论数据,包括景点名称、评论用户ID、评论时间、评分、评论内容等。在获取样本数据后,本文通过Python连接MySQL数据库,将样本数据存储于MySQL数据库,以便后期的数据处理。(4)本文对5个景点获取的33965条评论数据进行数据统计分析,由于本文的5个旅游景点均为湖南本地人气很高的旅游景点,因此其旅游评论均呈现整体评分很高的情况。整体而言,东江湖的评分最高为4.7分,岳阳楼和岳麓山的评分均为4.6分,张家界国家森林公园的评分为4.4分,而南岳衡山的评分为4.3分,所有样本景点的评分均在4.3分以上。不同旅游景点的用户评论时间分布也各不相同,张家界国家森林公园、东江湖和岳阳楼三个旅游景区5到10月的旅游用户较多,这几个月也是旅游旺季;而岳麓山景区呈现10月旅游用户暴增,其他月份用户较稳定的情况;而南岳衡山景点每月用户评论数较均衡。不同旅游景点用户评论文本长度分布也不同,整体而言,各景点的旅游评论文本平均长度都在45到68之间,差别不大。平均评论文本长度最长的是东江湖景区,其次是南岳衡山景区,这两个景点的平均评论文本长度达到60。(5)本文构建了旅游业文本挖掘相关字典。首先从搜狗细胞词库中下载与旅游业相关的词库包,得到共计3075个旅游业相关词项;再从研究对象的官方网站中提取出景点及服务项目的相关词项共计372个;最后将搜集到的词项进行整合去重,得3329个词项,即为用户自定义词典。(6)本文统计了用户评论数据中的高频词,并对高频词进行相关性度量分析。首先通过统计评论文本的高频词可以了解大部分游客对该景点的看法,其次对高频词进行相关性分析,可以知道各高频词之间共同出现的概率,并以此可以推测各景点的评论概况。通过高频词相关性分析得到以下几点结论:(1)从用户感受方面而言:一方面通过携程网预订景区门票价格会更便宜,另一方面用户对景区的游玩感受是很不错的,也很乐意向朋友推荐这些景点;(2)从景区服务方面而言:首先用户对景区的服务态度是很满意的;其次景点的环境是十分优美的、值得一去的;其次景区的价格整体而言是实惠的,但也有一部分用户认为张家界国家森林公园的价格是偏高的;其次景点岳麓山是免费的,也深得用户喜欢;其次用户认为景区的配套设施是完善的、齐全的;用户认为景区的项目整体是不错的,但有的景区项目是收费的,这与我们的认知是一致的;其次可以知道通过网上预订门票是可以得到优惠的,尤其是通过携程网平台;其次可以知道用户建议通过携程网等平台提前预订门票,不仅更实惠,还十分方便;(3)从景区内容方面而言:爱晚亭和岳麓书院、岳麓山、湖南大学的相关性极高,这主要是由于这几个几点在一起,用户通常会一起游玩;而洞庭湖和岳阳楼、岳阳楼记的相关性很高,这主要是由于洞庭湖和岳阳楼在一起,在岳阳楼上观看洞庭湖十分的优美,并且中国古代著名诗人范仲淹曾在此写下了千古名诗《岳阳楼记》;衡山和南岳、五岳、祝融峰这几个关键词相关性极高,主要是由于衡山与泰山、恒山、华山、黄山并称五岳,登顶即为祝融峰;武陵源和张家界、天子山相关性很高,主要是张家界作为著名的旅游景点,用户通常会同时去武陵源和天子山这些著名景点;小东江和雾漫相关性很高,主要是由于用户去东江湖游玩,很大一部分原因是为了观看雾漫小东江的美景;(4)从景区相关来看:缆车和索道两个高频词,和上山、下山等关联性较强,这些也是缆车和索道的主要作用。(7)本文对旅游用户评论数据进行语义网络分析、评论文本的情感倾向性分析以及评论文本的主题模型分析。通过语义网络分析能够进一步对评论文本进行挖掘分析,并提取评论文本中的关键信息。本文通过语义网络分析主要得到以下几个结论:(1)各个旅游景点尤其是山川类景点,用户比较关注配套设施,比如缆车、索道等,因此旅游平台售卖门票时建议更注重售卖门票加缆车索道模式;(2)大多数爬岳麓山的游客会选择去爱晚亭,大部分描述岳阳楼的游客也同时会描述洞庭湖;因此建议旅游网站对用户推荐时,因同时推荐这些景点;(3)东江湖的描述大多与风景、景色相关,因此喜欢自然风光、风景优美的游客可以选择此类景点。通过情感倾向性分析能够分析评论文本的情感,了解游客对景点的评论的情感,在这一过程中,首先本文构建了情感词典,首先整合了当前热门的四类情感词典,包括台湾大学简体中文情感极性词典(NTSUSD)、知网情感词典(Hownet)、情感本体词典和中文褒贬义词典,并对同时出现于正面和负面情感词典的倾向性不明的词进行删除,最终得到共计17094个正面情感词和20138个负面情感词。其次,本文对情感倾向分类有误的评论进行识别,本文对比了情感倾向性分析结果和原始数据评分结果,并得到混淆矩阵,观察发现30105条评分好评的样本中有3716条被识别为差评,1894条差评中有183条被识别为好评,情感倾向性分析的准确率达到87.81%,并以此分类本文的中评样本数据。最后本文通过主题模型分析用户评论的主题分类,从而更加直观的获取评论文本中的有用信息,本文通过分别分析正面评论与负面评论主题,得到了游客重点关注的事项。最后,本文根据研究结果,对游客出行的旅游景点选择以及出行时间点提出了一些参考性建议。

基于Django的海外运营系统的设计与实现

这是一篇关于海外运营,Python语言,Django框架,Stacking模型融合的论文, 主要内容为随着中国企业逐渐走向海外,越来越多的国内App在海外推广运营,但在运营的过程中也存在很多问题,如不熟悉海外各国语言文化、缺少数据驱动等。此次针对具体运营场景出现的问题,打造了一个为某App海外运营人员服务的运营系统。论文首先从海外市场运营过程中出现的问题入手,对运营人员的需求进行详细的分析。然后按照需求对系统整体架构进行设计,系统采用B/S的架构模式,运用UML面向对象建模技术给出了系统用例图。接着,对系统功能模块进行划分,分为实时爬取不同渠道视频的视频查找模块、为爬取的视频提供分数参考的视频打分模块、预测视频标签和栏目模块、展示文章各国点击量分布和运营数据的数据可视化模块和生成单词测验模块,并将这五大模块再细分为不同子模块,对其重难点进行了详细设计。其中,对视频打分模块进行了重点设计,该模块设计章节详细描述了数据建模的完整过程,通过提取实际业务场景的数据,并对其进行预处理、特征构建和特征筛选,然后分别使用极限森林算法、GBDT算法和Stacking模型融合算法进行数据建模,并在Stacking模型融合算法中改变以往使用同质化算法进行融合的方法,采用差异化明显的算法进行融合,使得在小数据量的情况下有更好的学习效果,接着使用评价指标R2对三种模型进行对比分析,选出最佳模型进行视频打分。在视频标签栏目预测模块,使用TF-IDF算法提取视频文本信息,并采用余弦相似度计算视频信息的相似值,使用KNN算法进行视频标签和栏目的预测。最后,系统使用Python语言及其Web开发框架Django完成以上功能模块的开发,降低层级间的耦合性,使系统具有更好的可扩展性。目前各个主要功能模块已经初步实现,并通过了系统功能测试和性能测试,试运行良好。总体来说,本项目初步达到了提高运营人员的工作效率、降低人力成本、拉升运营指标的效果,而且对出海互联网企业中的运营过程具有重要的借鉴意义。

IT自动化运维平台设计与实现

这是一篇关于自动化运维,Django框架,Python语言,B/S架构,MVT模式的论文, 主要内容为随着信息技术的广泛应用,特别是互联网和大数据技术的快速发展,各行各业对IT服务的需求越来越旺盛,使得服务器、应用系统、数据库等的数量和复杂度不断增加,这使得IT部门运维的难度和运维成本不断增加。然而,低效的传统运维模式已经不能满足客户的需求,因此向自动化运维模型转型势在必行。本文基于数据中心对IT运维服务的实际需求,设计并开发了一套IT自动化运维平台,旨在改变人工运维模式,提供运维效率,节约运维成本。通过IT自动化运维管理平台建设,对运维管理流程进行了规范化和标准化,为自动化运维打下基础。在本文中,对建设单位数据中心的运维需求进行了充分的调研和分析,得出了可行性分析结论,开发IT自动化运维平台具有极高的可行性;本平台采用MVT模式进行开发,使得显示模块与业务模块分离,降低了程序的开发难度,提高了系统的可维护性和扩展性。整个平台主要包括系统管理、服务台、事件管理、问题管理、变更管理、工单管理、知识库管理、资产管理等功能模块。系统管理中主要实现对用户、部门、角色、权限和字典等基础信息的管理和维护功能;知识库管理和资产管理分别针对维护过程中归纳总结的知识和数据中心的软硬件资源进行管理;服务台、事件管理、问题管理、变更管理和工单管理主要实现IT自动化运维过程中的标准化业务流程。本文设计和开发的自动化运维平台通过功能测试进行了严格的测试,符合数据中心对自动化运维管理的业务需要,在一定程度上降低了运维成本,提高了运维效率。

“作物医生”-作物病害在线诊治系统的设计与实现

这是一篇关于病害诊断,迁移学习,卷积神经网络,Python语言,Django框架的论文, 主要内容为自“十四五”以来,国家着重发展智慧农业,建立农业农村大数据体系,推动新一代信息技术与农业生产经营深度融合。其中,农作物病害的防治和诊断是十分重要的一项环节,及时有效的诊治病害是当前全球新冠肺炎持续蔓延的大背景下,稳住农业大局,确保粮食作物稳产增产的重要手段。长期以来,人们通过经验主义的方式和传统图像检测手段来判断农作物是否遭受病害的侵袭,不但效率低下,病害得不到及时有效的防治,还耗费了大量的人力和财力。在农业与信息化交互的大背景下,越来越多的智慧农机技术下沉基层,致力于农作物的稳产增产,率先进入农业4.0阶段。其中机器学习技术作为实现精准农业的重要手段,被不断应用到作物病害的在线识别的领域中,成为现代化农场管理的重要手段,也是农业从业者日常维护管理的重要工具。本研究依据工业工程与管理中“改善创新”的思想,依托信息管理与信息系统手段,基于Python语言和Django框架设计并实现了“作物医生”作物病害在线诊治系统。本文围绕“作物医生”作物病害在线诊治系统的设计与开发做了如下工作:(1)基于迁移学习的病害诊断研究。本部分通过大量资料查阅和文献研究,在开源数据集中获取并整理大量样本数据,对作物病害图像进行阈值分割、旋转平移、缩放调整等方式进行预处理后,根据作物和病害种类人工分为81个类别,每一种类别按比例分为训练集,测试集和验证集,在Pytorch深度学习框架下,分别对Res Net 18、Res Net 34、VGG 16和Inception V3四种预训练模型基于预处理后的数据集进行迁移学习训练,通过训练数据和得分筛选,选出两种作物病害诊断模型,设计了快速诊断和精准诊断两种识别模式,应用于“作物医生”系统的搭建,实现对包含13种作物在内的81类作物病虫害进行在线诊断,并通过各类书籍和专业材料的凝练汇总,构建农业植保知识手册体系,应用于病害诊断后的植保信息提示和植保信息知识图谱功能中。(2)基于Django的“作物医生”Web系统开发,综合应用软件工程学方法和Django开发框架,进行作物病害在线诊治系统的整体设计以及各模块功能的实现。作物病害在线诊治系统共有四个主体模块:分别为用户登录注册模块、作物病害在线诊断模块、植保信息知识图谱模块、图文展示模块,实现用户一站式病害检测和诊断书获取功能、植保信息手册一键获取功能和用户注册登录等功能。诊治一体化,是“作物医生”系统的职责和意义所在。系统旨在为农业工作者和农业科研人员提供农作物病害一站式服务平台,为精准化农业和农业领域轻量级系统的研究和发展起到一定的积极作用。