摘 要:随着工业控制系统(ICS)不断发展,关键基础设施的网络安全,尤其是ICS中的数据采集与监视控制系统(SCADA)正在面临着巨大的风险。提出了一种融合多种深度学习模块的方法,用于解决当前ICS样本不平衡和召回率低的问题。使用WGAN进行数据增强,提出了一种基于BiLSTM和多头注意力机制用于对多分类的入侵检测任务,通过混淆矩阵、准确率、召回率等评估模型性能,准确率和召回率达到了95.61%和
摘 要:近年来,糖尿病的患病率持续上升,增加了并发症和死亡风险。因此,准确预测血糖对糖尿病患者的健康管理至关重要。针对血糖数据的复杂性和不稳定性,提出了一种基于堆叠卷积神经网络(StackedConvolutionalNeuralNetwork,CNNs)、自注意力蒸馏机制(SelfAttentionDistillation,SAD)以及自适应通道(Squeeze-and-Excitation,S
摘 要:针对员工情感文本识别中样本数量有限且情感表达复杂的问题,提出结合常识知识模型CoMet与预训练语言模型LERT的情感识别方法。首先,利用DeepSeek生成涵盖悲伤、信任、喜悦、恐惧、怀疑、愤怒和自我否定7类情感的员工对话数据集,并进行情感倾向标注;然后,基于LERT模型结合CoMet模型,通过引入对话主体的目标识别与常识知识,增强模型对情感状态的理解与识别能力。实验结果表明,该方法在情感
摘 要:为解决药片包装生产中,药片缺陷检测模型存在参数量大和计算复杂的问题,提出一种基于改进的YOLOv8n的轻量化药片缺陷检测算法。该算法用CSPPC结构替换颈部网络中的C2f模块,降低计算复杂度;利用跨尺度特征融合模块CCFM,并将全局注意力机制(GlobalAttentionMechanism)引入颈部网络,提升特征提取能力;采用WIoU损失函数,加快收敛速度。结果表明,与原算法相比,改进后
摘 要:为了解决织物瑕疵形态的多样性以及瑕疵检测速度慢等问题,提出了基于YOLOv5的增强算法。其中,在C3模块中引入了通用倒瓶颈模,大大减少了模型的参数计算量。此外,还引入了自注意力模块PSA,可以快速锁定目标信息。针对织物瑕疵形态的多样性引入了特征融合模块CCFM。在自建织物瑕疵数据集和DAGM2007数据集上的实验结果表明,改进YOLOv5的平均精度(mAP)达到94.4%且检测FPS能达到
摘 要:在工业现场采用传统机器视觉技术难以满足高精度和高稳定性的检测要求,为应对电阻片车间复杂多变的环境影响,提出了一种结合图像预处理方法与YOLOv8-OBB深度学习算法的解决方案,用于实现产线上匣钵容器的检测定位。具体而言,开发了一种基于CLAHE融合边界检测模块RCF的图像增强算法,以突出前背景边界信息并提升整体图像质量,同时,通过网络模型中主干网络的通道剪枝和检测头的轻量化设计,在保证检测
摘 要:胡麻生长后期叶茎团簇难以检测,苗期叶茎分明可做研究对象,但现有模型对硬件要求高,难以在低配置设备中实时检测胡麻幼苗目标。为此提出基于改进YOLO11n的轻量级胡麻幼苗目标检测模型,引入幽灵卷积(GhostConvolution,GhostConv),提出C3k2G_Ghost主干网络结构;颈部网络重新设计,构造出幽灵卷积分组(GroupGhostConv,GrGhConv),提出GrGh_
摘 要:针对当前边缘计算中卸载策略优化效果不佳、泛化能力不足等问题,提出了一种基于深度强化学习的计算卸载策略。采用改进的Rainbow深度Q网络优化任务卸载决策,构建了“边-端”架构的系统模型,并建立任务计算成本和优化目标的数学模型。采用马尔可夫决策过程描述卸载策略,并通过改进的Rainbow深度Q网络算法进行优化。实验结果表明,提出的计算卸载策略在任务卸载时延和能耗优化方面优于DQN、Dueli
摘 要:针对应用在机械臂的传统快速扩展随机树(RRT)算法搜索目的性不强、收敛慢和路径代价大等缺点,提出了一种自适应步长和终点导向偏置的改进RRT算法。首先,改进RRT算法依据扩展点一定范围内的环境复杂度来决定扩展步长;然后,以终点采样时,将终点以离开障碍物的最近距离方向进行偏置,经过两次赘余点移除,得到更短路径;最后,用三次B样条插值法对路径平滑处理。实验表明在三维空间中改进后算法与传统算法相比
摘 要:针对现阶段纺纱数据采集中数据量激增导致传输时延较大和数据缺失问题,设计了一种基于优先级的纺纱数据采集时延优化策略。该策略采用云-边-端协同架构,结合粒子群算法(PSO)与模拟退火算法(SA),实现任务优先级管理、动态任务分配和资源分配,确保数据采集时延最小化和关键数据的实时传输。实验结果表明,该策略显著减少了数据传输时间和数据丢失情况,提高了系统的响应速度与数据处理的可靠性,有效支撑纺纱生
摘 要:针对原始蚁群算法存在搜索效率低、易陷入局部最优等问题,提出了一种改进的蚁群算法(DIEACO)。该算法结合栅格点初始信息素与最近障碍物的距离,增强初期探索多样性。同时,引入信息熵衡量种群多样性,通过动态调整信息素更新策略和自适应蒸发方式,避免算法陷入局部最优。最后,利用熵阈值控制算法终止时机,减少无效迭代,提升搜索效率。实验结果表明,DIEACO算法在不同障碍物环境下,路径长度相较于其他算
摘 要:现有的定位算法多假设节点均匀分布在规则网络中,节点间的最短路径近似直线。然而,实际场景复杂,最短路径往往偏离直线,造成定位性能下降。对此,提出了一种多跳定位算法。该算法在距离测量阶段通过寻找可靠信标,找到近似直线的路径,保证了距离测量精度;在位置估计阶段采用改进的河马优化算法,结合精确的测量距离迅速地搜索出节点最优估计位置。实验表明,该算法在复杂场景下较同类算法的距离和位置精度分别提升至少
摘 要:针对传统的基于FMCW 雷达的人体动作识别算法复杂度较高,占用内存大的问题,提出了一种基于轻量化模型的雷达人体动作识别方法。将采集的雷达人体动作数据进行预处理得到微多普勒图,将其输入以多尺度特征融合模块改进的FasterNet模型,从不同角度出发完成图像特征的学习。将注意力机制引入FasterNetBlock中,增强重要特征信息的提取,提高模型识别精度。实验结果表明,该方法动作识别准确率高
摘 要:光学相干断层扫描(OpticalCoherenceTomography,OCT)图像在采集过程中常遭受噪声影响,导致成像结构模糊和失真。为有效消除OCT图像中的噪声并提高图像清晰度,基于CycleGAN网络架构,通过加入SE模块、DSC模块和优化损失函数,并采用无监督学习方式处理OCT图像。实验结果表明,这些方法在去噪和去模糊方面优于传统方法和其他无监督深度学习技术,尤其在图像清晰度方面,