基于Mask-RCNN的无人机影像白喉乌头检测

白喉乌头（Aconitum leucostomum）是伊犁的主要毒害草之一。快速精准识别白喉乌头可为监测其分布和扩散提供必要的数据和技术支持。本研究利用无人机影像获取白喉乌头影像并构建数据集，分别采用深度残差网络ResNet50和ResNet101提取特征，应用深度学习目标检测算法Mask-RCNN对白喉乌头自动识别。结果表明，通过对比测试集的检测精度，ResNet50的平均精确度(mAP)最高，达到66.0%,ResNet101的mAP最低，为65.3%,ResNet50网络在检测白喉乌头的性能表现优异。Mask-RCNN应用于无人机影像识别白喉乌头，实现白喉乌头的自动检测切实可行。     

基于SPO模型的控烟条例实施效果评价指标体系构建及应用研究

目的 基于SPO(结构-过程-结果)模型构建《杭州市公共场所控制吸烟条例》实施效果评价指标体系，并以杭州市作为实证研究区域评价其新版《杭州市公共场所控制吸烟条例》的实际执行效果，为其他城市的无烟建设提供理论参考。方法 采用德尔菲专家咨询法确定指标体系，通过层次分析法、均数法、连乘累计组合赋权法计算各级指标的权重，并使用所构建的指标体系对杭州市所辖区县的控烟实施效果进行评价。结果共邀请到17位专家和学者全程参与德尔菲专家咨询，2轮专家的积极系数分别为90.00%、94.44%,权威系数Cr分别为0.89、0.91;专家意见的协调系数分别为0.183和0.249;最终确定的指标体系重要性均数均>3.5,CV为0.07～0.21,CR均<0.1,专家意见趋于一致。经过2轮专家咨询，最终构建的指标体系包括3项一级指标、11项二级指标、41项三级指标。根据所构建的指标体系对杭州市11个区县的控烟实施效果进行评价，经百分制换算后二级指标得分最高分为89.66,最低分为26.05,各区县间总得分差距明显，其中，不同区县间管理支持、物力和人力资源、条例的宣传、监督执法、公众参与的得分差异具...