摘要：现有的车载网络中对数据存储机制的研究大多以移动车载节点作为数据载体,然而车载节点的快速移动、存储空间有限、存在安全风险等特性,限制了车载网络数据存储性能的进一步优化.针对部署有路边基础设施的车载网络场景,以路边单元作为存储节点,提出了基于二部图匹配的车载网络分布式存储机制(distributed storage scheme,简称DSS).在车载网络中,以最大化数据响应率为目标,路边单元的数据存储问题是NP完全问题.首先,依据请求分割规则将原问题转化为二部图最大匹配问题,其中,二部图左顶点代表车载节点的请求,右顶点代表路边单元的存储单元;进而,利用Hungarian算法在多项式时间内求得最优解.由于问题转化可能造成不同路边单元存储相同数据的冗余问题,设计了冗余副本清理算法,依据不同副本的响应因子排序,检查并清理冗余副本.实验结果表明:DSS能够提高数据响应率,降低响应时延,并保持较小的网络资源开销.

摘要：为解决卷烟厂烟虫(本研究中特指烟草甲)难识别、识别不精准和难以及时掌握虫情等问题,实现烟虫的精准、高效检测,采用YOLOV3模型对烟虫进行实时检测,并采用数据增强技术和k-means++聚类方法提供充足的数据和较理想的先验框训练YOLOV3模型,以提高模型对位置、烟丝和烟末杂质等的鲁棒性。分析经训练好的YOLOV3模型准确性和抗干扰能力,结果表明:①经训练好的YOLOV3模型能够对卷烟厂烟虫进行精准检测,验证集和测试集中检测精度均达到95%以上,每帧检测速度分别为0.112 1 s和0.129 2 s,能够满足卷烟厂对烟虫检测精度和速度的要求。②经训练好的YOLOV3模型对黏板位置、烟丝、烟末等杂质具有一定的抗干扰能力,具备在复杂环境下安装部署的条件。③基于YOLOV3模型设计的烟虫报警处理系统能够精准检测出烟虫的数量、一定时间内烟虫的增加量及其位置。该系统在废烟处理机和烟梗分离器中取得了较好的应用效果。