基于轻量化YOLO v8s-GD的自然环境下百香果快速检测模型

为了提高百香果检测精度,并将深度学习模型部署在移动平台上,实现快速实时推理,本文提出一种基于改进YOLO v8s的轻量化百香果检测模型(YOLO v8s-GD)。使用聚集和分发机制(GD)替换颈部特征融合网络,提高模型对百香果图像特征信息跨层融合能力和模型泛化能力;通过基于层自适应幅度的剪枝(LAMP)修剪模型,损失一定精度换取减小模型体积,减少模型参数量,以实现在嵌入式设备上快速检测;运用知识蒸馏学习策略弥补因剪枝而损失的检测精度,提高模型检测性能。实验结果表明,对于自然环境下采集的百香果数据集,改进后模型参数量和内存占用量相比原YOLO v8s基线模型分别降低63.88%和62.10%,精确率(Precision)和平均精度(AP)相较于原模型分别提高0.9、2.3个百分点,优于其他对比模型。在Jetson Nano和Jetson Tx2嵌入式设备上实时检测帧率(FPS)分别为5.78、19.38 f/s,为原模型的1.93、1.24倍。因此,本文提出的改进后模型能够有效检测复杂环境下百香果目标,为实际场景中百香果自动采摘等移动端检测设备部署和应用提供理论和技术支持。

多重标志物联合检测模型在诊断4a型急性心肌梗死中的应用

目的与单一标志物高敏肌钙蛋白T(cTnT)进行对比,初步探索多重心肌标志物[和肽素(copeptin)、cTnT和心脏型脂肪酸结合蛋白(HFABP)]联合检测模型在诊断4a型急性心肌梗死(AMI)中的应用价值。方法纳入2022年3月至12月期间在南京医科大学第一附属医院接受择期经皮冠状动脉介入治疗(PCI)且术后cTnT升高超过正常参考值上限(URL)第99百分位数的非AMI患者。根据《第四版心肌梗死通用定义》,按照术后是否出现4a型AMI将患者分为非4a型AMI组和4a型AMI组。采用化学发光免疫金纳米组装体免疫传感阵列(ciGold)测定AMI生物标志物浓度。通过受试者工作特征(ROC)曲线分析单一标志物和多重联合心肌标志物诊断模型的诊断性能,从ROC曲线获得敏感性和特异性,计算ROC曲线下面积(AUCROC)评估各自诊断价值。使用Kappa分析评估多重标志物联合检测模型与《第四版心肌梗死通用定义》诊断的一致性。结果共纳入65例患者,女性占23.1%。ROC曲线分析显示,多重联合心肌标志物诊断模型的特异性为96.5%,敏感性为92.3%,符合率为94.6%,阳性预测值为92.3%,阴性预测值为96.2%,AUCROC为0.979。cTnT模型的特异性为94.2%,敏感性为100%,符合率为95.7%,阳性预测值为100%,阴性预测值为94.9%,AUCROC为0.987。虽然多重标志物联合检测模型诊断敏感性较低(P=0.011),但具有更高的特异性(P=0.016)。两种诊断模型准确性的AUCROC差异性分析提示P>0.05,诊断准确性无明显统计学差异。Kappa分析结果表明,多重联合心肌标志物检测模型与《第四版心肌梗死通用定义》诊断4a型AMI具有高度一致性,Cohen′s Kappa系数为0.818。结论多重标志物联合检测模型与cTnT在诊断4a型AMI方面性能相近,诊断一致性高,但联合检测模型具有更高的特异性优势。

基于形式化方法的区块链系统漏洞检测模型

随着区块链技术在各行各业的广泛应用,区块链系统的架构变得越来越复杂,这也增加了安全问题的数量.目前,在区块链系统中采用了模糊测试、符号执行等传统的漏洞检测方法,但这些技术无法有效检测出未知的漏洞.为了提高区块链系统的安全性,提出基于形式化方法的区块链系统漏洞检测模型VDMBS(vulnerability detection model for blockchain systems),所提模型综合系统迁移状态、安全规约和节点间信任关系等多种安全因素,同时提供基于业务流程执行语言BPEL(business process execution language)的漏洞模型构建方法.最后,用NuSMV在基于区块链的电子投票选举系统上验证所提出的漏洞检测模型的有效性,实验结果表明,与现有的5种形式化测试工具相比,所提出的VDMBS模型能够检测出更多的区块链系统业务逻辑漏洞和智能合约漏洞.

智能化网络入侵行为检测模型的设计和实现

针对网络入侵行为的危害,本文提出将人工智能技术应用于网络入侵行为检测系统,增强其对抗不断进化的网络入侵行为的能力。本文基于PyTorch技术,构建了一个智能化网络入侵行为检测模型,并对模型的代码实现进行了详细的阐述。同时,定义了一组性能评价指标,监督模型的训练和调优过程,确保模型对网络入侵行为检测的准确性和可靠性。

基于知识图谱与BERT的多模态虚假新闻检测模型

面对多模态虚假新闻的检测挑战,文章提出一种融合知识图谱与基于Transformer的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)的多模态虚假新闻检测模型。该模型先利用知识图谱深化对实体间关系的理解,然后借助BERT模型对文本内容进行深入分析,从而实现文本、图像及知识数据高效整合。多数据集实验结果显示,该模型在多模态新闻检测,特别是含图像与视频内容的新闻检测上,展现了显著的优势。这为虚假新闻的准确检测开辟了新途径。

融合贝叶斯优化的轨面缺陷检测模型压缩方法

针对钢轨表面缺陷检测模型人工调参繁琐且模型容量大的问题,提出一种融合贝叶斯优化的轨面缺陷检测模型压缩方法。首先,利用贝叶斯优化算法得到平衡模型稀疏性与精度的最优超参数;其次,将所得超参数引入稀疏训练并在侧重压缩比和精度的两种策略下对检测模型进行压缩,最后,通过知识蒸馏矫正压缩模型的参数从而补偿稀疏训练导致的精度损失。实验结果显示,该方法在两种稀疏训练策略下得到的轻量化轨面检测模型压缩率可达到96.35%和93.22%,且在硬件部署后的检测速度提升超过两倍,能够避免人工调参对压缩精度的负面影响。

基于改进孤立森林算法的交通流异常数据检测模型

针对交通流异常数据实时检测问题,提出一种基于改进孤立森林算法与K-Means++算法相结合的交通流异常数据检测模型。首先,使用交通流量和交通流速度数据构建交通流序列;然后,利用改进孤立森林算法,构建交通流数据的异常评分模型,并通过K-Means++算法构建滑动窗口计算出异常评分的阈值,以此来实现对交通流数据异常值的实时检测;最后,通过实例分析验证模型的合理性和可行性。研究结果表明:改进孤立森林算法与K-Means++结合的方法可以准确地确定异常评分的阈值进而检测出异常数据;该模型与仅考虑交通流流量的模型、传统孤立森林模型相比,AUC分别高出29.7%和5.3%,与其他常用的LOF、ABOD、OCSVM方法相比,AUC均有所提高。该模型准确率明显提升,在交通流异常数据检测中具有更好的适用性,能够为交通管理部门提供交通状况检测支持,提高交通管理效率。

基于LightGBM的家庭负荷虚假数据注入攻击检测模型

随着信息技术的不断发展,智能电表被广泛部署在许多家庭中,方便电力公司更好地识别电力消费者的社会人口特征并提供多样化服务。然而,智能电网面临的威胁之一是能源盗窃,尤其是通过虚假数据注入攻击(FDIA)篡改电表数据实现的隐蔽性盗窃,成为影响电力系统安全和稳定运行的严重隐患。针对这一问题,提出了一种基于LightGBM的FDIA检测模型。选取正常用户的用电数据并对部分用户实施不同类型的FDIA,通过滑动窗口方法提取特征,利用LightGBM模型进行多分类检测。试验结果表明,该模型在检测精度和实时性方面表现优异,能够准确识别出不同类型的FDIA,且检测过程快速高效,满足实际应用的实时性要求,可为电力系统的安全运行提供保障。

汕尾市晨洲生蚝品质分析与检测模型的建立与优化

晨洲生蚝是广东省汕尾市重要的水产品品牌,其品质直接关系到市场竞争力和消费者健康。建立科学、高效的品质检测模型对于提升生蚝养殖水平和保障食品安全具有重要意义。本研究通过整合多种检测技术,构建了一套综合评价体系,包括感官指标、理化指标和微生物指标,并利用机器学习算法(神经网络、支持向量机和随机森林)优化了检测模型。实验结果表明,优化后的模型在准确性、稳定性和效率方面均有显著提升,总体准确率达到94.2%,每样本推理时间为0.08 s;在实际样品检测中,模型准确率和分级效率均优于人工,为晨洲生蚝的品质管理提供了有力的技术支持。

基于气动噪声信号检测模型与无线传感的风电机组叶片故障诊断方法

为避免风电机组叶片故障导致的风力发电厂安全运行的问题,提出了基于气动噪声信号检测模型与无线传感的风电机组叶片故障诊断方法,以精准诊断叶片故障。在分析气动噪声信号的基础上,构建基于无线传感的智能监测终端,采集气动噪声信号,将采集信号输入气动噪声信号检测模型中,标准化处理气动噪声信号后,利用ITD方法将信号分解为多个PRC分量,求出气动噪声信号PRC分量能量,重构特征向量并进行PCA降维处理。将降维后的特征向量作为支持向量机数据基础,通过支持向量机对特征向量实施分类,完成风电机组叶片故障诊断。经实验验证:该方法对气动噪声信号特征提取明显,可准确诊断出风电机组叶片故障,分类识别精度高达93%,且诊断结果与实际分类结果基本相同,对风电机组叶片故障诊断的效果较好。

基于深度学习的温室鲜枣成熟度检测模型研究

温室种植已成为现代果蔬生产的主要方式之一,而鲜枣作为重要的经济作物之一,在温室中的种植面积也越来越大。然而,由于鲜枣的成熟度难以准确地判断,导致其产量和品质存在较大的波动,影响了农民的生产效益和市场竞争力。因此,研究一种高效准确的鲜枣成熟度检测方法具有重要的现实意义。目前,基于传统图像处理技术的成熟度检测方法已经逐渐无法满足现代农业的需求,而深度学习技术在图像识别领域取得了巨大的成功,为鲜枣成熟度检测提供了新的思路和方法。本文旨在设计并实现一种基于深度学习的温室鲜枣成熟度检测模型,以提高鲜枣生产的效率和质量,促进农业现代化的发展。

基于卷积神经网络的工控网络入侵检测模型

为了有效检测出工控网络的入侵行为,保证工控网络的运行安全,设计了基于卷积神经网络的工控网络入侵检测模型。利用相关设备获取大量的工控网络数据,并对获取的数据进行优化处理,通过计算工控网络数据的分类误差,对其进行分类处理;在此基础上,通过设定卷积神经网络的多个参数,提取出多个工控网络数据特征,再计算网络数据特征的特征阈值,并将其与设定的特征阈值进行对比,抓取出其中的工控网络入侵行为特征,由此构建对应的工控网络入侵检测模型,并计算检测模型的检测阈值,提高检测模型的性能,进而完成对工控网络入侵检测模型的设计。实验结果表明,和以往的工控网络入侵检测模型相比,设计的基于卷积神经网络的工控网络入侵检测模型在实际应用中误检率在1%以下。当epoch为100时,查全率为99.88%,F 1分数始终保持在0.9以上。由此表明所设计模型具有良好的检测效果。

高适配性的电力监控主机操作指令安全性自适应检测模型

电力监控主机操作指令存在的异常点会影响电力监控主机操作指令的安全性,为了提升指令安全检测效果,提出高适配性的电力监控主机操作指令安全性自适应检测模型方法。该方法根据主机操作指令特性分析结果,利用建立的多模式无线数据采集设备采集电力监控主机操作指令数据;采用主成分分析(PCA)方法提取采集的指令数据特征,并在此基础上对指令数据实施降维处理,达到降低电力监控主机操作指令安全检测复杂度的目的;结合基于密度的聚类(DBSCAN)算法对提取的特征聚类,从中挖掘出异常点,基于挖掘结果构建自适应检测模型,利用该模型对挖掘的异常点检测,实现高适配性的电力监控主机操作指令安全性自适应检测。实验结果表明,通过对该方法开展检出率比较测试、检测时延比较测试,验证了该方法的可靠性高。

结局-现状-检测模型结合信息干预在冠心病PCI患者中的应用

探究结局-现状-检测模型结合信息干预在冠心病PCI术后患者中的应用效果。方法 选取在我院就诊的冠心病PCI术后患者86例,分为对照组,观察组,对照组进行常规护理,观察组进行结局-现状-检测模型结合信息干预。统计两组护理效果。结果 观察组患者的各项指标均优于对照组(P<0.05)。结论 对于在冠心病PCI术后患者应用结局-现状-检测模型结合信息干预,效果较好,值得推广。

粮仓储粮数量在线检测模型

粮仓储粮数量在线检测是国家粮食数量安全的重要保障技术,是粮食库存检查的重要内容.本文根据储粮数量在线检测精度和可靠性的要求,针对粮仓压强分布的随机性,提出了基于粮仓底面零内摩擦压强估计的粮仓储粮数量检测的新思路,建立了粮仓压力传感器布置模型,给出了粮堆底面与侧面压力分布随机性消除和侧面摩擦力影响补偿的具体方法,提出了基于底面压力传感器检测均值的粮仓储粮数量检测模型和快速建模方法.实仓实验结果表明,所提出的储粮数量检测模型检测误差远小于3%,且检测系统成本低,可有效满足国家粮库储粮数量在线实时监测的实际需要.

基于抽样测量的高速网络实时异常检测模型

实时异常检测是目前网络安全的研究热点.基于大规模网络流量的统计特征,寻找能够评价网络行为的稳定测度,并建立抽样测量模型.基于中心极限理论和假设检验理论,建立网络流量异常行为实时检测模型.最后定义ICMP请求报文和应答报文之间比率的网络行为测度,并实现对CERNET网络ICMP扫描攻击的实时检测.该方法和思路对其他网络安全检测研究具有一定的指导意义.

汽车动力性检测模型的建立

通过对驱动和反拖两种状态的力学分析 ,建立了汽车动力性检测模型。利用反拖方法 ,求出车轮正驱动时的滚动阻力系数 ,进而求出驱动轮输出扭矩 ,最终计算发动机输出功率 ,以此评价汽车动力性。

苹果叶片氮素含量快速检测模型

利用UV-2450型光谱分析仪测量苹果叶片光谱反射率,同时在实验室利用凯氏定氮法测量苹果叶片的氮素质量比,建立了适用于便携式检测仪的苹果叶片氮素含量快速检测模型。研究了苹果叶片光谱特性并进行了光谱反射率与氮素的相关性分析,获得了两个氮素敏感波长652 nm和772 nm。同时,利用分段减量精细采样法,构建了350～730 nm与740～880 nm波段内所有两两波段形成的归一化植被指数NDVI,并获取了与氮素含量相关性最高的波段组合(859 nm,364 nm)来构建苹果树NDVI。最后建立了基于苹果树NDVI、652 nm处反射率以及772 nm处反射率的偏最小二乘回归模型,建模精度达到0.904 8,均方根误差为0.159 7,检验模型精度达到0.917,均方根误差为0.283 3。

基于近红外建立荞麦营养成分快速检测模型

为探索一种快速、高效测定荞麦营养成分含量的方法,从内蒙古等地收集荞麦样品66份,采集样品近红外漫反射光谱图,并参照国标法测定样品水分、灰分、脂肪、蛋白质、淀粉含量,利用样品近红外光谱指纹结合化学计量学方法建立荞麦各营养成分的快速检测模型。结果,在10000~4000 cm-1波数范围内,分别对近红外光谱进行多元散射校正+一阶导数处理、一阶导数处理+标准正态变换及去趋势算法、无预处理、二阶导数+标准正态变换及去趋势算法,结合化学测定值建立的营养成分快速检测模型的校正和预测效果最佳;所建立的水分、灰分、脂肪、蛋白质、淀粉含量快速检测模型交叉验证决定系数R 2分别为81.6010%、94.0862%、80.9423%、99.8975%、99.8576%,外部验证决定系数R 2分别为81.60%、94.09%、80.94%、99.97%、99.86%,且验证结果预测值及化学值差异不显著。建立的模型可以满足荞麦营养成分的快速检测。

一种改进的IDS异常检测模型

基于机器学习的异常检测是目前IDS研究的一个重要方向 .该文对一种基于机器学习的用户行为异常检测模型进行了描述 ,在此基础上提出一种改进的检测模型 .该模型利用多种长度不同的shell命令序列表示用户行为模式 ,建立多个样本序列库来描述合法用户的行为轮廓 ,并在检测中采用了以shell命令为单位进行相似度赋值的方法 .文中对两种模型的特点和性能做了对比分析 ,并介绍了利用UNIX用户shell命令数据进行的实验 .实验结果表明 ,在虚警概率相同的情况下改进的模型具有更高的检测概率 .