摘要：随着网络攻击日益增多,网络入侵检测系统在维护网络安全方面也越来越重要.目前多数研究采用深度学习的方法进行网络入侵检测,但未充分从多个角度利用流量的特征,同时存在实验数据集过于陈旧的问题.提出了一种并行结构的DSC-Inception-BiLSTM网络,使用最新的数据集评估所设计的网络模型.该模型包括网络流量图像和文本异常流量检测2个分支,分别通过改进的卷积神经网络和循环神经网络提取流量的空间特征和时序特征.最后通过融合时空特征实现网络入侵检测.实验结果表明,在CIC-IDS2017,CSE-CIC-IDS2018,CIC-DDoS2019这3个数据集上,该模型分别达到了99.96%,99.19%,99.95%的准确率,能够对异常流量进行高精度分类,满足入侵检测系统的要求.

摘要：为解决多器官特征识别存在的多器官数据集难以获取以及待处理数据集存在的密集小目标和多尺度目标等问题,该研究提出了一种基于改进YOLOv8s的果实与叶片器官分割方法。该方法以YOLOv8s为基础,在Backbone部分设计了跨阶段局部残差(residual CSPLayer 2Conv,RC2)模块,以拓宽每个网络层的感受野,使网络能充分提取密集的小目标特征。在Neck部分设计了尺度空间金字塔池化(scale spatial pyramid pooling,SSPP)模块,以充分融合网络的高阶多尺度特征信息,增强模型对多尺度目标的检测能力。在Head部分设计了非对称解耦检测头(asymmetric decoupling detection head,ADDH)模块,使模型分类更关注于中心内容,而回归更关注于边缘信息。试验结果表明,在PlantCLEF2022公共数据集中选取的17种果树的数据集中,改进的YOLOv8s模型对果树果实和叶片器官识别的平均精度均值为90.2%,比YOLOv8s模型高6.7个百分点。此外,该研究还将该模型应用到自建的枣数据集上,达到了99.1%的识别准确率,较原模型提升6.6个百分点,证明了所提出方法的通用性,可为常见果树的器官分割与基于多器官特征的细粒度品种分类研究提供参考。

摘要：为了在蛋鸡自然状态下,实现对其采食量、饮水量、排泄量、产蛋时间、蛋质量等生产参数的长期自动采集,克服人工采集工作量大,鸡应激反应造成误差大等问题,设计并实现了基于传感器网络的蛋鸡生产参数自动监测系统。该装置运用人机工程学的设计方法,将传统鸡笼与传感器有机结合,实现了对蛋鸡生产参数无干扰远程监测。该文重点分析了鸡笼的机械结构设计、传感器通信原理、数据采集与分析利用问题。试验结果表明,系统运行稳定,采食量、饮水量、排泄量、蛋质量平均相对误差均小于0.2%。该研究提高了监测数据的精确性,为蛋鸡养殖中科研数据收集、分析和利用提供了新方法和手段,为进一步研究蛋鸡生长过程中生产参数的无干扰自动采集技术提供了参考。

摘要：为满足矽钢片剪切机工艺精度要求,用三菱FX2系列PLC作为主控单元,与定位模块、伺服放大器及MRJ2系列伺服电动机组成控制系统。利用伺服电动机所具有的位置控制和多段速度控制的特点,通过表定位方法对定位模块进行操作从而实现对电动机的精确定位,并推导出位置、速度双重控制的最优方案,既提高了剪切精度又使该系统达到理想的剪切速度。系统实现了变尺剪切,达到了特种变压器的装配要求。

摘要：为分析土壤温度对地层水热参数的影响,以热电偶为测温传感器,设计了单片机控制的高精度土温测量系统。从硬件、软件曲线拟合算法等方面进行了研究,温度采集采用电桥法,并用最小二乘法对采样值与温度进行分段拟合,描绘出采样值与温度关系曲线,对测量误差进行了修正和补偿。结果表明:系统的实验测量绝对误差低于0.02℃。

摘要：针对自然场景下的枣品种识别问题,以枣果为研究对象的机器视觉技术已成为枣品种精准识别的主流方法之一。针对枣品种存在类间差异小、类内差异大的问题,提出了一种基于多器官特征融合的枣品种识别方法。首先利用YOLO v3检测算法将采集的自然场景图像中的枣果和叶片器官分割提取,提出了基于笛卡尔乘积构建两器官组合对的枣品种多样本数据集,然后基于EfficientNetV2网络模型,设计了能够充分学习两器官特征相关性的融合策略来提升模型性能,引入了逐步迁移训练方式以提升枣品种识别效率。最后,在构建的包含20个枣品种数据集上进行了大量实验,得到97.04%的识别准确率,明显优于现有研究结果,并且在训练时间和收敛速度上,本方法也有一定提升。结果表明该方法能够有效融合枣品种枣果和叶片器官的特征信息,可为其他品种识别研究提供参考。

摘要：结合前推回代法的特点,分析研究了各种类型分布式电源在前推回代潮流计算中的数学模型。针对前推回代法对PV节点和环网失效的问题,提出了依据节点电阻矩阵、节点电抗矩阵及电压偏差对P、V恒定型分布式电源和环网断点功率修正方法,设计了适合于分布式电源和环网的灵活节点编号方法,给出了改进前推回代潮流算法的执行过程。通过20节点系统和IEEE90节点系统的仿真,对所提出算法的适应性、计算速度、收敛性等进行了分析,结果表明本文提出模型和方法能够快速、方便求解含多电源多类型的配电网潮流。

摘要：为实现对葡萄园的精准喷施,减少药品浪费和污染,该文使用微软Kinect融合彩色和深度图像信息,提出了基于样条区域的叶墙区域(leaf wall area,LWA)平均距离计算方法以及基于路径偏差的喷施路径规划方法,并实现了一套软件路径规划算法和硬件喷施实验平台相结合的精准喷施算法及系统。算法首先使用形态学方法对Kinect采集的彩色视频图像进行图像分割,以准确划分LWA区域;进一步结合深度图像,提出基于样条区域的LWA平均距离计算方法,用于准确测算喷施设备距LWA的距离;最后,提出路径偏差及矫正规划方法,引导喷施系统保持最佳行进路径。并且,为了能够对精准喷施算法进行实际检验,设计实现了喷施臂可调的自走式喷施试验平台。试验结果证明,路径规划算法计算的喷施距离和路径偏差与测量值差值及方差都较小,算法结果精确;能够准确测算喷施距离并规划最优路径,实现葡萄园的精准喷施。

摘要：为准确提取电子邮件的内容,对邮件的组成结构进行详尽的分析,归纳出邮件正文特征,并设计出一个基于MIME邮件结构的邮件预处理系统。该系统采用分块处理和特征识别的方法,克服电子邮件不规范的缺点,并对邮件正文中的回复行和广告行进行过滤,从而实现对邮件内容快速准确提取。

摘要：针对现有目标检测模型在自然天气环境下肉牛行为识别易受复杂背景干扰及模型参数量、计算量、权重文件占用内存较大等问题,该研究提出基于自动化场景区分的轻量化肉牛多行为识别方法。首先,通过FasterNet模型自动区分天气场景。其次,对YOLOv8s网络进行轻量化设计改进,在Backbone端更换FasterNet轻量级模型主干,结合尺度内特征交互AIFI,捕获重要特征信息;利用加权双向特征金字塔BiFPN作为Neck端网络,选择特征提取网络C2f-Faster作为节点,缩减卷积过程中参数量和计算量的同时提高模型精度,使其更适用肉牛行为识别及后期的部署。然后,使用MPDIoU函数,解决肉牛交叉遮挡等局限性问题。最后,设计系统可视化界面,以图像和视频形式输入模型,借助可视化系统完成对肉牛行为识别效果展示。试验结果表明,FABF-YOLOv8s(FasterNet、AIFI、BiFPN、C2f-Faster,FABF)模型在肉牛行为数据集上,相较于YOLOv5s、YOLOv7和原YOLOv8s模型的mAP@0.5分别提升了1.1、4.7、0.4个百分点,参数量和浮点数计算量分别减少59.48%和43.66%,降低到4.51 M和16.0 GFLOPs。引入自然场景因素构建的FasterNet-FABF-YOLOv8s模型mAP@0.5达到了94.6%。研究表明,自动化场景区分下构建轻量化肉牛行为识别系统,可为农户监测肉牛健康状况以及自动化智慧养殖提供技术支持。