摘要：本课题设计了基于深度学习的纸病检测系统,用于提高造纸生产过程中的质量控制水平。该系统采用了“CCD+FPGA+工业控制计算机+训练计算机”的架构模式,实现了对纸张图像数据的实时采集、纸病的实时判断和纸病类型的实时识别。综合考虑分类准确率与推理速度,选择MobileNet模型算法,其分类准确率达99.5%,每秒可推理约103.1张分辨率为224×224的图像,满足现场纸病图像分类识别的实时要求。

摘要：面对国内外大型公有云供应商的激烈竞争,中小云厂商的生存难度加大。为此,建立一个基于相互合作的云联盟成为了这些厂商的一种可行策略。然而,在追求个体最大利益和保障联盟整体服务质量(quality of service,QoS)之间存在着复杂的博弈关系。针对上述问题,一种基于QoS的云联盟模型被提出,其涵盖云计算的三层架构。在应用层至虚拟层,引入了一种基于差分进化(differential evolution,DE)算法的创新任务分配策略,专门用于处理多QoS任务分配问题。在虚拟层至物理层,设计了合作与竞争并存的虚拟机迁移模型,适用于在云联盟博弈计算环境下实现虚拟机迁移的能耗与QoS之间的平衡。实验结果表明,所提出的解决方案改进了云计算环境的服务质量,并揭示了在云联盟环境中,合作和竞争两种模式的相对优势。