采摘机器人或无人机等智能农业装备在进行视觉检测作业时往往背景环境复杂、画面中同时存在大量样本,而且现有目标检测方法对低质量样本考虑不充分,致使传统目标检测模型检测不准。该文提出一种基于YOLOv11-MW的轻量化农作物实时检测模...采摘机器人或无人机等智能农业装备在进行视觉检测作业时往往背景环境复杂、画面中同时存在大量样本,而且现有目标检测方法对低质量样本考虑不充分,致使传统目标检测模型检测不准。该文提出一种基于YOLOv11-MW的轻量化农作物实时检测模型,在骨干网络的跨阶段部分连接与空间注意力结构(Cross Stage Partial with Spatial Attention,C2PSA)中提出一种基于混合局部通道注意力(Mixed Local Channel Attention,MLCA)机制模块,增强模型对大量样本的特征提取能力,可以克服复杂背景干扰并提升检测精度;将损失函数替换为Wise-IOU提出一种新的检测头WIOUv3-Detect(WDetect),降低因几何因素对低质量样本的过度惩罚,减少误识别、漏识别。实验结果表明,文中算法在满足边缘算力需求且提升计算速度的前提下,小麦样本检测精度mAP提升1.2%,葡萄样本提升1.9%,更均衡、更准确地进行农作物检测。展开更多
为了减少物联网环境中对用户身份的漏报率,该文将传统的身份认证和行为认证相结合,提出了一种基于物联网的动态用户行为认证机制。建立了用户行为认证集,论述了整个机制的实现过程。论述了确定的充分行为认证和不确定的必要行为认证,同...为了减少物联网环境中对用户身份的漏报率,该文将传统的身份认证和行为认证相结合,提出了一种基于物联网的动态用户行为认证机制。建立了用户行为认证集,论述了整个机制的实现过程。论述了确定的充分行为认证和不确定的必要行为认证,同时给出了每个认证过程的随机Petri网(Stochastic Petri Net,SPN)模型,并用Petri网量化分析了该机制对性能的影响和认证漏报率。理论分析表明:该机制在提高用户认证机制的安全性方面具有显著效果,同时性能良好。展开更多
标准量子行为的粒子群优化(Quantum-behaved particle swarm optimization,QPSO)算法依然存在早熟收敛的缺点,针对此问题,提出了一种改进的量子粒子群算法(Particle swarm optimization based on quantum,PSO-Q)。在PSO-Q算法中,采用分...标准量子行为的粒子群优化(Quantum-behaved particle swarm optimization,QPSO)算法依然存在早熟收敛的缺点,针对此问题,提出了一种改进的量子粒子群算法(Particle swarm optimization based on quantum,PSO-Q)。在PSO-Q算法中,采用分组策略基于不同的更新公式同时提高局部搜索和全局搜索能力,并且共享组间有用的信息,达到探索与开发能力的平衡。在不降低搜索精度的情况下,分组策略扩大了种群搜索过程中的搜索范围,其中一组保持QPSO搜索方法的基本搜索能力,主要开发已有搜索空间。另外一组共享整个群里的有效信息,增加新领域探索能力,可以避免种群多样性的不断下降。在标准测试函数的对比实验中,仿真结果表明该算法具有较强的搜索能力并且达到了较高的优化精度。展开更多
文摘采摘机器人或无人机等智能农业装备在进行视觉检测作业时往往背景环境复杂、画面中同时存在大量样本,而且现有目标检测方法对低质量样本考虑不充分,致使传统目标检测模型检测不准。该文提出一种基于YOLOv11-MW的轻量化农作物实时检测模型,在骨干网络的跨阶段部分连接与空间注意力结构(Cross Stage Partial with Spatial Attention,C2PSA)中提出一种基于混合局部通道注意力(Mixed Local Channel Attention,MLCA)机制模块,增强模型对大量样本的特征提取能力,可以克服复杂背景干扰并提升检测精度;将损失函数替换为Wise-IOU提出一种新的检测头WIOUv3-Detect(WDetect),降低因几何因素对低质量样本的过度惩罚,减少误识别、漏识别。实验结果表明,文中算法在满足边缘算力需求且提升计算速度的前提下,小麦样本检测精度mAP提升1.2%,葡萄样本提升1.9%,更均衡、更准确地进行农作物检测。
文摘为了减少物联网环境中对用户身份的漏报率,该文将传统的身份认证和行为认证相结合,提出了一种基于物联网的动态用户行为认证机制。建立了用户行为认证集,论述了整个机制的实现过程。论述了确定的充分行为认证和不确定的必要行为认证,同时给出了每个认证过程的随机Petri网(Stochastic Petri Net,SPN)模型,并用Petri网量化分析了该机制对性能的影响和认证漏报率。理论分析表明:该机制在提高用户认证机制的安全性方面具有显著效果,同时性能良好。
文摘标准量子行为的粒子群优化(Quantum-behaved particle swarm optimization,QPSO)算法依然存在早熟收敛的缺点,针对此问题,提出了一种改进的量子粒子群算法(Particle swarm optimization based on quantum,PSO-Q)。在PSO-Q算法中,采用分组策略基于不同的更新公式同时提高局部搜索和全局搜索能力,并且共享组间有用的信息,达到探索与开发能力的平衡。在不降低搜索精度的情况下,分组策略扩大了种群搜索过程中的搜索范围,其中一组保持QPSO搜索方法的基本搜索能力,主要开发已有搜索空间。另外一组共享整个群里的有效信息,增加新领域探索能力,可以避免种群多样性的不断下降。在标准测试函数的对比实验中,仿真结果表明该算法具有较强的搜索能力并且达到了较高的优化精度。
