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：针对现有的半监督深度分类模型未能很好学习到逼近总体数据分布的问题,提出一种基于Wasserstein自编码器深度生成模型改进的半监督深度分类算法WCVAE。在设置优化目标时考虑样本集全体示例的边际分布和有标签样本的条件分布,利用Wasserstein距离对模型拟合分布与真实数据分布之间的距离进行度量,学习到更加复杂的高维分布,使分类器学习到原数据的总体分布。实验结果表明,WCVAE在经典数据集上相较于现有方法,具有更好的质量。

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：宫颈癌是目前唯一一种病因明确的妇科恶性肿瘤,通常采用宫颈细胞筛查来进行早期排查以及治疗。在细胞筛查过程中,为了发现早期的宫颈异常细胞,需要从显微细胞图像中准确分割出细胞核与细胞质。现有宫颈细胞分割方法存在计算量大、精确率低、数据不平衡所导致的学习困难等问题。为了提高宫颈细胞分割算法的性能,引入了多尺度卷积的思想,采用一种U型编码器-解码器模型,设计了一个端到端的细胞分割算法IR U⁃Net。主要包括:①利用多尺度卷积结构加宽网络,避免人工选择卷积核,能提取多尺度特征,同时在卷积结构中加入残差连接,来减少梯度消失等现象;②通过使用Leaky⁃ReLU减少“神经元死亡”导致的网络稀疏特征多、难以收敛的问题;③采用改进的损失函数Focal⁃Dice Loss以缓解数据不平衡的问题。仿真实验结果表明,改进后的模型相比对照算法在精度上有所提高,分割性能得到改善。

摘要：文章针对木薯叶病害图像因病斑区域小,部分疾病特征相似和易受背景干扰而导致识别准确率低的问题,在研究ResNeXt神经网络的基础上,设计了3种方法以提高模型的准确性和鲁棒性:1)增加了一个数据不连续的掩膜层,以缓解神经网络的过拟合问题;2)引入了多头自注意力机制模块,将卷积神经网络和注意力机制结合起来,对图像的局部和全局特征进行分析,提高了相似疾病之间的可分离性;3)使用焦点损失函数缓解木薯叶病害数据集中的类别不平衡问题.仿真实验表明,改进后的算法在木薯叶病害数据集上具有较好的准确率,同时具有较好的泛化能力,适用于其他植物叶片数据集.

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。

摘要：左心室核磁共振(MR)图像分割对于评估心脏功能和诊断疾病具有重要意义.传统分割算法对于左心室,尤其是含有左心室流出道的左心室MR图像,存在分割精度不够的问题.设计了一种基于空洞卷积密集连接网络的左心室MR图像分割方法.该方法利用密集连接网络和空洞卷积缓解了深度学习中梯度消失和内存过度消耗的问题,并且通过数据增强和提取感兴趣区域的方法提升了网络的准确性.分割结果采用平均垂直距离、Dice系数等指标进行评价分析.在MICCAI2009心室分割数据集的138张图片上的测试结果为:内、外膜的平均Dice系数分别为0.91和0.96,平均垂直距离分别为1.71和1.42.实验结果表明,此方法分割精度明显高于其他方法,对于含有左心室流出道的MR图像也能准确分割.

摘要：为实现偏远地区等通信盲区的农业环境数据采集,提出一种基于北斗短报文通信、物联网、云存储等技术的农业环境数据采集方式。针对北斗短报文通信容量有限的局限性,对农业环境数据进行编码设计,提高数据传输效率;针对北斗短报文通信不可靠的不足,自定义系统通信协议,分别在发送端提出基于概率判断的请求确认机制和在接收端提出动态累积确认机制。通过仿真实验,验证了该通信机制可以有效保证数据的可靠传输。通过在湖北长阳县实地试验,结果表明,在发送端通信成功率随环境变化情况下,数据传输的成功率达到99%以上,且系统运行稳定,能提供可靠的农业环境数据采集服务。