商瑤（太原理工大學(xué)軟件學(xué)院、太原理工大學(xué)現(xiàn)代科技學(xué)院）

傳統(tǒng)高校農(nóng)村貧困生識別都是人工統(tǒng)計、手工操作再進行篩選，難免出現(xiàn)統(tǒng)計誤差和人為因素干預(yù)，而本文采用深度學(xué)習(xí)算法對高校農(nóng)村貧困生進行精準(zhǔn)識別，構(gòu)建高校農(nóng)村貧困生資助評定系統(tǒng)，進而簡化高校農(nóng)村貧困生評定工作，提高了準(zhǔn)確率和效率，減少了師生之間的不必要摩擦，促進智能高校校園建設(shè)。

■ 實驗操作系統(tǒng)與開發(fā)工具概述

本文將以現(xiàn)場實驗的方法，對深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的功能性進行深入挖掘，以驗證深度學(xué)習(xí)在農(nóng)作物病蟲害識別中的實際應(yīng)用效果。該實驗中操作系統(tǒng)的配置參數(shù)為：Ubuntu-Linux 16.04 64 位，VSCode-win32-x64-1.30,OpenVINOTM。 計算機的中央處理器采用英特爾凌動TMX5-Z8350 處理器，硬件開發(fā)板的配置參數(shù)為4GB DDR3L RAM 和64GBeMMCUP Board，數(shù)量為一塊；英特爾神經(jīng)計算棒二代一個，內(nèi)存條選用IntelCore（TM）i5-5200UCPU@2.20GHz/4G，固態(tài)盤的容量大小為128G，筆記本電腦一臺，免驅(qū)動攝像頭一個。而該操作系統(tǒng)的軟件環(huán)境則由Python3 語言環(huán)境、Caffe 深度學(xué)習(xí)框架、ps6 繪圖軟件以及OpenVINOTM 開發(fā)工具箱組成。

■ 操作系統(tǒng)運行環(huán)境與過程分析

該系統(tǒng)在啟動后，操作終端的默認運行環(huán)境為python，而pip 執(zhí)行命令主要借助于Caffe 所依賴的包，主要涵蓋pandas、glob2、numpy 等，并利用pip 執(zhí)行命令來安裝caffe。在互聯(lián)網(wǎng)運行環(huán)境下，操作人員可以操作終端界面通過解壓縮的形式來下載tarball，將配套的組件安裝在運行系統(tǒng)當(dāng)中。然后開始配置神經(jīng)計算棒的驅(qū)動程序，如果系統(tǒng)在正常運行狀態(tài)下，操作終端出現(xiàn)demo completed successfully 的字樣時，則可以確定神經(jīng)計算棒的開發(fā)運行環(huán)境的構(gòu)成條件已經(jīng)達成，接下來對系統(tǒng)的運行過程進行細致分析[1]。（一）打開神經(jīng)計算棒的句柄

如果系統(tǒng)具備較強的學(xué)習(xí)功能，首先需要確定神經(jīng)計算棒的準(zhǔn)確位置，這時，系統(tǒng)程序員利用編制好的程序在系統(tǒng)當(dāng)中探尋神經(jīng)計算棒的位置，在這一過程中，如果操作終端持續(xù)不斷的提示神經(jīng)計算棒未找到的字樣或者聲效，操作人員應(yīng)當(dāng)及時檢查系統(tǒng)的配置情況是否符合深度學(xué)習(xí)模型構(gòu)建的要求，同時，對系統(tǒng)連接狀態(tài)進行認真校驗，當(dāng)確認連接無誤后，能夠快速確定神經(jīng)計算棒所處的位置，這時，操作人員可以打開神經(jīng)計算棒的句柄，隨即進入下一道操作工序。

（二）數(shù)據(jù)預(yù)處理

當(dāng)神經(jīng)計算棒的句柄打開以后，操作人員將需要識別的人員信息等基本情況導(dǎo)入緩沖區(qū)，被處理對象通過神經(jīng)計算棒的推理運算功能而形成一個統(tǒng)一排序的列表，系統(tǒng)根據(jù)字母排序創(chuàng)建運行目錄，進而對需要導(dǎo)入系統(tǒng)內(nèi)的圖像進行預(yù)處理，經(jīng)過處理后的數(shù)據(jù)不占用內(nèi)存空間，而且數(shù)據(jù)的大小可以隨時進行調(diào)整，借助于計算機的平均減法等算法對相關(guān)數(shù)據(jù)進行處理和運算。

（三）執(zhí)行結(jié)果推斷與打印

執(zhí)行結(jié)果的推斷與打印是深度學(xué)習(xí)的最后一個處理階段，首先被處理后的數(shù)據(jù)信息被轉(zhuǎn)變成為半精度的浮點數(shù)，此時，英特爾神經(jīng)計算棒能夠根據(jù)浮點數(shù)及時獲取準(zhǔn)確的數(shù)據(jù)結(jié)果，然后進入到打印程序，當(dāng)分析結(jié)果打印完畢，操作人員應(yīng)當(dāng)制裁桌面圖標(biāo)，并使系統(tǒng)保持在關(guān)機狀態(tài)。

■ 深度學(xué)習(xí)在高校農(nóng)村貧困生精準(zhǔn)識別中的實際應(yīng)用效果

（一）流程圖

高校農(nóng)村貧困生精準(zhǔn)識別的流程如圖1 所示。對貧困等級精準(zhǔn)識別并建立評定的數(shù)據(jù)模型主要包含：

（1）從校園一卡通、學(xué)生信息、學(xué)校教務(wù)等系統(tǒng)中依據(jù)專業(yè)和年級對學(xué)生信息進行提取，并將提取的數(shù)據(jù)作為原始的數(shù)據(jù)。

（2）整體分析所提取的數(shù)據(jù)，剔除與高校農(nóng)村貧困生等級精準(zhǔn)識別的無關(guān)屬性列。

（3）對優(yōu)化的提取數(shù)據(jù)進行前期預(yù)處理，包括提煉數(shù)據(jù)源中的重要文本信息、異常和缺失值的分析處理、冗余屬性統(tǒng)一以及處理規(guī)范化等。

（4）數(shù)據(jù)處理后，建立貧困等級精準(zhǔn)識別及評定的模型，對構(gòu)建的模型進行模型訓(xùn)練及評價分析。

（5）對上面形成的模型結(jié)果對比并進行深入優(yōu)化。

（6）調(diào)用高校農(nóng)村貧困等級精準(zhǔn)識別及評定模型，動態(tài)實時測評高校農(nóng)村貧困生基本情況。

（二）數(shù)據(jù)選取方法

為了滿足高校農(nóng)村貧困生精準(zhǔn)識別及資助的需求，從以下幾個方面進行數(shù)據(jù)選取。

首先，貧困生家庭貧困情況是高校農(nóng)村貧困生識別的重要依據(jù)。目前全國各地區(qū)仍然具有不平衡的經(jīng)濟水平，東部沿海地區(qū)仍然高與中西部地區(qū)，特別是長江三角洲和珠江三角洲地區(qū)，家庭年收入遠高于其他地區(qū)，家庭的整體經(jīng)濟水平良好，因此地區(qū)的經(jīng)濟水平高低是高校農(nóng)村貧困生識別和認定中的核心指標(biāo)。其次，消費行為是高校農(nóng)村貧困生識別的又一標(biāo)準(zhǔn)，家庭貧困程度的高低直接影響消費能力的好壞，也就是說貧困家庭的學(xué)生消費能力也差，限制其日常的消費。因此校園一卡通中消費記錄功能可以很好的反映學(xué)生消費情況，為貧困評定提供有力支撐，所以將交易的地點金額類型作為高校農(nóng)村貧困識別和認定的第二指標(biāo)。最后，農(nóng)村貧困生的傳統(tǒng)認定方式僅僅改善貧困生的經(jīng)濟情況，并未考察貧困生德育方面，一些貧困生會因此有怠惰行為，理所當(dāng)然享受國家的貧困資助政策，更有嚴重不珍惜此類的教育機會，對資助金進行肆意揮霍，最終肄業(yè)在家。因此第三個貧困識別和認定指標(biāo)就是德育方面。因此將補考情況、課程成績、學(xué)分比重、出勤率、圖書借閱等數(shù)據(jù)表明貧困生的具體學(xué)習(xí)情況。

（三）數(shù)據(jù)分析

作為深度學(xué)習(xí)的一個重要步驟，數(shù)據(jù)分析是預(yù)處理的前奏，也是對數(shù)據(jù)進行挖掘從而獲得準(zhǔn)確有效結(jié)論的基礎(chǔ)。其主要包含缺失值、不一致、異常值這三個方面來核查抽取數(shù)據(jù)是否有臟數(shù)據(jù)。

1.缺失值分析

數(shù)據(jù)的缺失主要有這幾種情況，首先是記錄的缺失，其次是缺失記錄重要文字信息，這兩種數(shù)據(jù)缺失的情況，嚴重影響結(jié)果分析的正確性。數(shù)據(jù)缺失值的產(chǎn)生有兩個原因：首先，提取準(zhǔn)確信息很繁瑣或者無法及時提取信息，比如貧困生相關(guān)上網(wǎng)信息；其次，信息輸入時由于人為因素、非人為因素（數(shù)據(jù)采集設(shè)備或者存儲介質(zhì)故障）等等而丟失，比如入學(xué)初學(xué)生自己填寫自己的個人信息情況，就有可能漏填或者不清楚具體信息而空白不填情形，出現(xiàn)部分值的缺失。

2.異常值分析

異常值分析的重要目的是檢驗數(shù)據(jù)，對錄入錯誤和不符常理情況是否存在進行判斷，異常值的分析和剔除可以更好地優(yōu)化模型。通吃情況下只有個別值屬于異常值，異常值分析方法一般有簡單統(tǒng)計計量和箱型圖分析兩種。

3.一致性分析

一致性分析的重要目的是數(shù)據(jù)準(zhǔn)確性的確保，降低數(shù)據(jù)的不相容及矛盾的產(chǎn)生問題，導(dǎo)致違背實際的后果。主要是在集成過程中產(chǎn)生的數(shù)據(jù)不一致，原因主要是提取數(shù)據(jù)的數(shù)據(jù)源不同，或者數(shù)據(jù)格式單位類型不同等，在下一次數(shù)據(jù)存放時未更新數(shù)據(jù)的一致性。

■ 結(jié)束語

通過上述實驗可以看出，目前，利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建的深度學(xué)習(xí)模型已經(jīng)日漸成熟，完全可以在高校農(nóng)村貧困生的精準(zhǔn)識別當(dāng)中推廣應(yīng)用。但是，在實際應(yīng)用過程中，也暴露出一些亟待解決的問題，比如系統(tǒng)硬件的選擇與配置極易對學(xué)習(xí)效率產(chǎn)生負面影響，因此，技術(shù)人員應(yīng)當(dāng)不斷對卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)進行升級改造，以提升高校農(nóng)村貧困生的識別精度，提高貧困資助的準(zhǔn)確率和效率，簡化貧困資助程序，為高校農(nóng)村貧困生精準(zhǔn)資助提供強大的技術(shù)保障。