摘要：在复杂的自然环境中绿色柑橘生长形态各异,颜色与背景色相近,为有效识别绿色柑橘,提出一种基于混合注意力机制并改进YOLOv5模型的柑橘识别方法。首先,改进YOLOv5的网络结构,在主干网络中添加混合注意力机制,即在主干网络中的第2层嵌入SE(squeeze and excitation)注意力,第11层嵌入CA(coordinate attention)注意力;其次,改进网络模型特征融合结构,将YOLOv5模型Concat特征融合操作的下层分支放在模型C3模块之前,再与另一条上层分支进行特征融合;最后,改进模型分类损失函数,将YOLOv5模型的分类损失函数改成Varifocal Loss函数,加强绿色柑橘特征信息的提取,提高绿色柑橘检测精度。根据自然环境和柑橘自身的特点,对自建数据集进行分类,设计3组不同分类场景下柑橘的对比试验以验证其有效性。试验结果表明,改进后的YOLOv5-SC模型准确率为91.74%,平均精度为95.09%,F1为89.56%,在自然环境下对绿色柑橘的识别具有更高的准确率和更好的鲁棒性,为绿色水果智能采摘提供技术支持。

摘要：目前的文档信息抽取方法大多针对简单的文档,在抽取包含背景干扰和结构复杂的金融票据时效果不佳。针对复杂金融票据中实体关系难以正确匹配的问题,提出了顺序重构方法和LayoutLMv3-GRU信息抽取模型。构建背景复杂的金融票据数据集,利用文本、布局和图像三个模态进行信息抽取。利用Layout-Parser工具,设计排序模块,使文本信息按照上下文关系排序,并把空间距离较远且逻辑关系较近的单词进行重新的排列组合。通过结合改进的LayoutLMv3模型与GRU网络,使模型的准确率进一步提升。并在公共数据集FUNSD与自建的复杂金融数据集进行实验。结果表明,该方法的F1值比LayoutLM3模型提升2.37%。尤其在自建的复杂金融数据集上,模型F1值达到了88.36%,验证了该方法在抽取复杂票据信息时的优越性与处理各种文档时的通用性。

摘要：针对数据库查询优化中多表连接优化问题,任务是找到一个合适的连接顺序使查询执行计划最优,为此提出一种查询语句的嵌入表示方法SmartEncoder。通过优化查询语句中多表连接的嵌入表示信息,得到更丰富的关于连接的信息,将多表连接顺序选择优化建模为深度强化学习问题,根据动作的概率分布选择连接,从过去的经验中学习,生成更好的查询执行计划。在Join Order Benchmark数据集上的实验结果表明,SmartEncoder能够有效提高查询的效率。

摘要：为实现设施农业的智能化精准控制,降低人工成本,减少农作物病虫害,将设施农业温室大棚场景与物联网技术相结合,设计并实现了基于物联网的设施农业精准控制平台。该平台基于物联网六域架构模式,搭建消息队列遥测传输(MQTT)云服务,利用数据传输单元(DTU)设备进行协议转换,实现了感知控制域(SCD)与服务提供域(ASD)间的数据通信。平台功能包含环境感知模块、温室大棚信息模块、病虫害识别模块、设备控制模块、用户信息模块共5个模块,实现了对温室大棚的土壤湿度温度、相关营养元素含量以及空气温度湿度、光照强度等一系列环境数据的实时采集,同时可对农作物病虫害进行识别,最终完成对温室大棚滴灌、遮光棚等设施的精准控制,可辅助农户利用移动端设备对温室大棚进行科学管理。

摘要：针对真实场景下的植物病害图像,设计了一种融合Transformer和CNN的植物病害识别模型CLT。该模型采用多阶段层次设计,以Conv Stem作为初始特征提取模块提取浅层局部特征,结合Transformer模块以学习全局特征;利用卷积Token嵌入,改变模型每个阶段Token的序列长度和特征维数,实现对多层次的局部空间上下文进行建模;将卷积模块融入到Transformer模块,并将多头注意力机制中的线性投影替换为卷积投影,提升模型对局部空间的特征提取。实验结果表明,CLT模型能够有效表达植物病害的各种特征,在真实场景下平均准确率达到77.91%,分类效果优于其他模型,为真实场景下植物病害识别提供参考。