摘要：针对传统的气吸式播种机在作业过程中常常因导种管堵塞、种箱缺种以及机械故障造成的漏播、重播等现象,设计并开发一套支持12条播行协同作业的精量播种监测系统。该系统包括红外光电监测单元、车速监测单元、控制器单元、中控仪表单元以及故障报警单元的设计。试验结果表明,所设计的监测系统可以实时监控12条播种行的协同作业情况,当出现漏播、重播现象时能够及时、准确地识别播种行行号并进行故障报警,报警成功率达到100%,且平均响应时间在0.5 s以内。且在4~12 km/h的正常作业速度下,系统对不同体积大小的农作物种粒播种数量监测精度平均值超过98.5%。能够实现对多路播行同时作业的实时监测需求,对提高播种质量、降低生产成本具有重要意义。

摘要：针对当前网络入侵检测方法存在特征信息提取不全面,多分类检测准确率偏低的问题,提出一种基于CNN-BLSTM-XGB的混合网络入侵检测方法。建立基于卷积神经网络(CNN)与双向长短期记忆网络(BLSTM)的网络结构CNN-BLSTM,用于提取网络入侵数据的空间与时间特征;使用Keras序贯模型中的Concatenate层对这两种特征进行融合;用极端梯度提升(XGBoost)取代传统的完全连接层,获取从输入层到融合层的特征信息进行分类。在NSL-KDD和CICIDS2017数据集上分别进行的实验结果表明,该方法可以分别达到99.72%、99.87%的多分类检测准确率,与现有的主流方法比较,具有更高的检测准确率。