摘要：无线局域网采用IEEE 802.11协议无法向不同类型的数据流提供有区分的服务质量,而IEEE 802.11e服务区分机制EDCA存在数据流传输不公平性的问题。为此,运用NS-3网络仿真器实现一种改进的服务区分机制F-DCF。针对每个单独的节点给出排队规则,以保证节点内的公平传输机会,并通过使用基于竞争的接入方法设计实现多个节点之间的公平信道接入机制。仿真结果表明,与传统EDCA机制相比,F-DCF机制可对网络中不同优先级的数据流提供比例公平性的服务质量区分,并能够提高网络的总吞吐量。

摘要：目的 基于清晰图像训练的深度神经网络检测模型因为成像差异导致的域偏移问题使其难以直接泛化到水下场景。为了有效解决清晰图像和水下图像的特征偏移问题,提出一种即插即用的特征增强模块(feature de-drifting module Unet, FDM-Unet)。方法 首先提出一种基于成像模型的水下图像合成方法,从真实水下图像中估计色偏颜色和亮度,从清晰图像估计得到场景深度信息,根据改进的光照散射模型将清晰图像合成为具有真实感的水下图像。然后,借鉴U-Net结构,设计了一个轻量的特征增强模块FDM-Unet。在清晰图像和对应的合成水下图像对上,采用常见的清晰图像上预训练的检测器,提取它们对应的浅层特征,将水下图像对应的退化浅层特征输入FDM-Unet进行增强,并将增强之后的特征与清晰图像对应的特征计算均方误差(mean-square error, MSE)损失,从而监督FDM-Unet进行训练。最后,将训练好的FDM-Unet直接插入上述预训练的检测器的浅层位置,不需要对网络进行重新训练或微调,即可以直接处理水下图像目标检测。结果 实验结果表明,FDM-Unet在PASCAL VOC 2007(pattern analysis, statistical modeling and computational learning visual object classes 2007)合成水下图像测试集上,针对YOLO v3(you only look once v3)和SSD(single shot multibox detector)预训练检测器,检测精度mAP(mean average precision)分别提高了8.58%和7.71%;在真实水下数据集URPC19(underwater robot professional contest 19)上,使用不同比例的数据进行微调,相比YOLO v3和SSD,mAP分别提高了4.4%~10.6%和3.9%~10.7%。结论 本文提出的特征增强模块FDM-Unet以增加极小的参数量和计算量为代价,不仅能直接提升预训练检测器在合成水下图像的检测精度,也能在提升在真实水下图像上微调后的检测精度。

摘要：产销信息不对称,缺乏资金、知识和经验是小规模农户发展的障碍。作为互助性经济组织,农业合作社的经营受气候、市场和农户水平等自然、经济和社会因素的影响。如何贯通产销信息,并基于需求精细核算成本和组织生产,是合作社经营的重要内容。本文借鉴工业领域数字双胞胎的思想,基于平行智能系统的描述、预测和引导,提出合作社数字四胞胎(数字合作社)的构想,服务合作社规划、准备、生产和评估的各个环节。同时对数字合作社的整体方案、系统设计及其关键技术等进行了描述,并对数字合作社的用户及其运行机制进行了探讨。数字合作社系统框架包括数据感知、决策支持和决策实施,其核心智能技术包括作物建模、动态规划、区块链技术、机器学习等。以有机水稻种植为例,简述了合作社成本分析、种植规划、远程种植可视化等过程,模拟水稻定制种植的场景,以此说明数字合作社的部分功能。数字合作社的概念可为面向合作社的信息系统开发提供方向。鉴于目前以小农经济为主、合作社为主要经营主体的现状,数字合作社系统有助于提升从业者的经营能力,助力小农户对接大市场,提升农业物理社会经济系统的整体效率。