金属编码标签对许氏平鲉放流苗种的标记效果

利用金属编码标签(coded wire tag, CWT)对不同规格许氏平鲉(Sebastes schlegelii)放流苗种的不同部位(鳃部鄂弓提肌和背部肌肉)进行了标记实验,从标记苗种成活率、标签保持率、标记后苗种抗氧化酶活性及生长应激相关基因表达等方面评价了CWT的标记效果。结果显示,CWT标记30 d后,不同规格苗种成活率均为100%,小规格苗种鄂弓提肌标记组(SLM组)的实验鱼标签保持率为87%,大规格苗种鄂弓提肌标记组(LLM组)的实验鱼标签保持率为97%,苗种背部肌肉标记的标签保持率均为100%。CWT标记实验鱼特定生长率低于对照组。标记鱼暂养后,SLM组和大规格背部肌肉标记组(LDM)实验鱼肝脏过氧化氢酶(CAT)活性显著高于对照组,所有组实验鱼肝脏超氧化物歧化酶(SOD)活性均显著高于对照组。除SDM组外,其他实验组肝脏中IGF-1m RNA表达水平显著高于对照组,LDM组肝脏HSP70 m RNA表达水平最低。从存活率与标签保持率的角度考虑,CWT适宜于许氏平鲉苗种的标记放流,但CWT标记的苗种生长慢于对照组,且在免疫相关酶活性和生长及应激基因方面存在显著的表达差异,表明CWT标记操作对许氏平鲉苗种造成了一定的生理胁迫。因此,利用CWT标记的许氏平鲉苗种应有一个相对较长的室内暂养或野性驯化时间,有利于提高标记放流苗种成活率和放流后生长及回捕。

基于密集编码标签的遥感图像旋转目标检测算法

针对现有目标检测算法在遥感图像中检测精度低,容易漏检等问题,提出了一种遥感图像旋转目标检测算法,使用YOLOv5m作为基本框架。首先,使用环形平滑标签CSL(Circular SmoothLabel,CSL)将角度回归预测转变为角度分类预测,解决回归预测中的角度周期性和边界可交换性的问题,提升检测精度。其次,使用密集编码标签(DenselyCodedLabel,DCL)替换稀疏编码标签,大幅减少预测层厚度,提升训练速度。实验表明,使用改进后的算法较基准算法mAP提升4.88%,模型训练速度与原模型速度基本相同,证明了算法的有效性。

编码金属标签对牙鲆(Paralichthysolivaceus)苗种标记的效果

为了开发适宜牙鲆(Paralichthys olivaceus)苗种放流的标志技术,利用编码金属标签(CWT)对不同规格牙鲆苗种进行了标记实验,并从标记死亡率、脱标率、适宜标记鱼规格等方面评价了CWT的标记效果。结果显示,CWT标记3种规格的牙鲆苗种后,脱标均发生在标记后的4 d内,其后未再发生脱标现象。小规格苗种[全长为(5.92±0.41)cm]死亡率较高(13%),中规格苗种[全长(8.92±0.36)cm]死亡率为2%,大规格苗种[全长为(12.06±0.62)cm]死亡率为1%。小规格、中规格和大规格苗种脱标率分别为3.3%、2.4%和0.7%。建立了标记死亡率(M)与苗种全长(TL)、体厚度(BT)的关系模型:M=0.7254 TL^2–15.3220TL+79.4260(R^2=0.9601);M=1.3627 BT^2–15.5610 BT+44.4330(R^2=0.9645),为适宜苗种规格选择与标记效果评价提供了依据。今后利用CWT标签进行牙鲆苗种标志放流时,建议选择全长6 cm以上的苗种进行背部肌肉标记,标记对苗种游泳行为和生长无影响,表明CWT是一种适宜在牙鲆大规模标志放流中应用的理想标志方式。

基于标签编码的Deep Web查询接口识别方法

通过对现有查询接口的识别方法进行的深入研究,针对计算、维护复杂以及匹配歧义性等问题,提出一种基于标签编码的Deep Web查询接口识别方法。该方法根据查询接口排列的方向性和不规则性进行标签编码并分组,然后以每一个标签组作为一个独立单位进行特征信息识别,提出了简单属性、复合属性的识别方法以及孤立文本的处理方法。通过对标签下标的约束确定与元素匹配的文本,大大减少了文本与元素匹配中需要考虑的文本数量,避免了由大量启发式算法引发的匹配歧义性问题;通过两次聚类有效解决了接口层次嵌套问题。

低失真敏感测量度物流数码标签防伪加密编码方法

提出一种基于低失真敏感测量度的物流商品防伪加密编码算法,通过特殊测试频率点以及加窗函数的频谱分析方法,降低了标签谱泄漏引起的失真度误差,采用物流信息失真敏感函数以及一位随机数对标签加密消息进行随机化处理,进而降低物流加密编码的复杂度,确保物流加密编码的准确性。实验结果说明,该种算法在标签解密时间、私钥大小、密文头方面的性能都优于传统算法,对确保电子物流系统的安全具有重要的应用价值。

无人机可见光遥感影像地物目标提取技术研究

无人机可见光遥感影像中地物目标边界清晰度较低,容易导致地物目标与背景之间的区分度降低,进而难以提取地物目标;为此,提出无人机可见光遥感影像地物目标提取方法;从光谱特征、纹理特征和边缘特征3个方面分析无人机可见光遥感影像特征;结合3种影像特征对无人机可见光遥感影像数据集实行增广处理;对完成增广后的数据集定义影像编码标签,以此确定地物目标增强权重,通过参量化处理地物目标光谱特征,计算光谱吸收指数,获取地物目标提取表达式,从而实现无人机可见光遥感影像地物目标提取;实验结果表明,所提方法能够保证地物目标边界的清晰度,具有较强的地物目标提取能力。

探索服装制造领域RFID标签编码标准化

通过对服装制造领域RFID(射频识别)标签编码应用现状的调研与分析,提出对于RFID技术及RFID标签在服装制造领域应用的初期,以服装大规模定制的生产方式为最佳切入点;且仅需对终端的出厂产品RFID标签编码与要求作出统一规定。

基于ASW的RFID标签编码与相关技术

近年来,声表面波(SAW)技术的研究已经成为人们关注的热点,从理论到实践都取得了长足的进步。伴随着电子学,声学和微平面工艺的快速发展,各种声表面波器件的研究与应用在逐步展开,其应用已涉及到卫星通信,广播电视,导航制导,无损检测,识别定位和传感器等众多领域,尤其在非接触式读取识别上有着更为诱人的前景。本文介绍了一种基于声表面波器件的无线远距识别系统的实现。简述了目前RFID技术的优势和发展状部况,介绍了RFID系统的组成及其工作原理,对基于声表面波技术的阅读器和标签做了简要的介绍。对其工作原理做了比较详细的说明。标签编码是射频识别需要解决的关键技术。本文对标签编码做了探索式的研究。

不同认知水平的解答编码对数学公式学习的影响研究

图形编码、示意编码和标签编码对公式学习具有不同的影响.高认知水平的图形编码在公式以情景方式呈现时,作业成绩最优;无论是否图形提示,在7天之后的回忆实验中,图形编码的回忆成绩最优,且图形编码对于图形提示极为敏感.

基于Python的One-hot编码的实现

One-hot编码是一种将类别值转换为易于在机器学习算法中合理计算类别值之间距离或相似度的编码的过程。介绍One-hot的编码规则,与标签编码进行比较,给出Python下One-hot编码的具体实现过程,指出One-hot编码的优缺点和One-hot编码维度过高的解决方法。

基于旋转目标检测的指针式仪表示数识别方法

针对目前指针式仪表示数识别方法实用性差、累计误差大的问题,提出了一种基于旋转目标检测网络的指针式仪表示数识别方法。首先,改进网络模型YOLOv5s,生成旋转目标检测网络,同时,引入密集编码标签,解决旋转目标检测中存在的边界问题,并向模型中引入注意力模块,提升模型获取目标特征的能力;其次,利用网络输出的位置与角度信息对表盘进行倾斜校正和刻度点筛选,省去了对表盘指针进行直线检测的时间;最后,利用角度法完成仪表示数读取。实验证明,该方法读数误差较小,具有一定的抗干扰能力,进一步提高了示数读取的速度和精度。

戏曲服装管理系统构建

笔者针对戏曲服装的特点和分类,提出了一个戏曲服装管理系统的构建方案。该系统通过建立标签和编码系统、数据库管理系统,利用存储和陈列技术以及加强安全措施等方法,实现了戏曲服装的库存管理,提高了库存周转率和利用率,保证了服装被正确使用和保养。

基于遗传算法的网络传输异常数据检测方法

针对网络传输过程异常数据与标准数据之间存在相对误差的问题,提出基于遗传算法的网络传输异常数据检测方法。通过遗传网络布局形式,建立标准的遗传适应度函数,利用数据编码标签,处理异常数据;通过定义网络传输数据异常簇点的方式,确定数据信息的传输密度水平,结合相关性检测阈值,实现网络传输异常数据检测。实验结果表明,设计方法的异常数据校正误差指标的最大值未超过2.0×10-3MB,得出该方法有效降低了误差。

改进YOLOv7的无边界不连续旋转检测算法

针对遥感图像中目标方向、尺度和长宽比变化剧烈以及时而密集时而稀疏排列等造成的特征提取困难和基于回归的旋转检测器中存在的边界不连续问题,我们提出了以下解决方案:首先,使用YOLOv7检测器进行特征提炼与融合;其次,结合密集编码标签(Densely Coded Label,DCL),构建角度分类编码-解码器,实现旋转检测;然后,改进SimOTA自适应样本匹配策略为R-SimOTA,通过在代价函数中增加角度分类损失指导,提高样本分配准确性;最后,在损失函数中增加角度分类损失(DCL Loss)和权值(theta),并引入角度距离和长宽比敏感加权(Angle Distance and Aspect Ratio Sensitive Weighting,ADARSW),指导模型收敛并拟合出正确的角度预测值。在大型遥感图像数据集DOTA上进行了大量实验和视觉分析,结果表明该方案有效。

基于集成学习的网络入侵检测技术

随着计算机网络的大规模应用,网络入侵检测问题给工业部门、高校和运营商带来了巨大挑战,面对日益增长的网络入侵威胁,传统单一的机器学习算法在网络入侵检测领域的应用检测效果不佳,如何高效地从网络中识别入侵流量显得尤为重要。提出了一种基于BO-DEXL(Bayesian Optimization-DT-ET-XGboost-LightGBM)的集成学习算法的入侵检测算法,将开源的UNSW-NB15作为入侵检测数据集,使用标签编码对数据集进行预处理,然后利用基于随机森林的特征值选择算法,对特征重要度进行排序,选中前35个特征值作为数据,通过贝叶斯优化对集成学习中各个模型进行优化,准确率达到95.18%。

基于IPTV的动态媒体封装技术研究及应用

针对现有的IPTV在个性化、互动性的媒体封装局限性,研究和分析了目前已经存在的以及正在发展的动态媒体封装技术。为使动态媒体封装技术易于大规模推广,提出通过把标签信息加入信源中进行MPEG-2标准编码,再利用TS封装技术传输,最后通过解码器解码的解决方案,并利用该技术实现了九屏最热业务系统,得到了实际应用。

基于多目标进化算法的多距离聚类研究

传统的聚类算法通常基于单一的距离度量而设计,如何将多种距离度量有机融合在一起是当前面临的一个挑战。提出了一种基于多目标进化算法的多距离度量聚类框架(multiobjective evolutionary multiple distance measure clustering,MOMDC),并使用欧氏距离和Path距离来设计实际框架。该框架将数据集分别用两种距离测度预聚类,而后将预聚类结果作合并,以降低问题的规模,分别计算子类间的两种距离关系;最后使用多目标进化算法在两种距离空间中并行聚类。在多目标进化算法设计中,使用实数—标签的编码方式来设计染色体,并且设计了基于两种距离测度的两个适应度函数对染色体进行评估。最终将MOMDC与其他几种经典算法在大量的数据集上进行实验对比。实验表明,该框架对不同分布的数据集均能取得良好的结果。

基于RFID技术的叉车式AGV动作指令算法研究

为了解决复杂路径下叉车式AGV的导引问题,提出一种车辆动作指令算法。与传统方式将单一动作指令写进RFID电子标签内不同,该算法生成的指令存储在车载控制系统并以标签位置识别作为指令执行条件。在建立调度地图模型并对标签编码基础上,进行路径规划,设计动作指令算法。采用C语言编程,选择基于ARM架构的车型和RC522射频识别模块对该算法验证,试验表明,车辆能够识别标签信息并执行相应的动作指令,执行不同任务时在同一标签处可以实现不同动作,提高了标签利用率,可较灵活地完成调度任务。

基于RFID的印刷制品制造过程物料信息感知系统设计

为解决包装印刷行业纸管类物料识别难题,本研究基于射频识别技术(RFID)搭建了印刷制品制造过程物料信息感知系统。首先,分析了软包装工艺流程,给出了复合车间的数据采集平台部署方案;其次,解析了包装印刷行业标准纸管,规划了3种RFID标签安装方式,结合生产工艺流程给出了RFID读写器安装情景及标签编码规则;然后,设计了纸管物料RFID实时采集与处理方案及系统架构,详述了关键控制点;最后,搭建了RFID标签测试环境,分析了不同纸管曲率、读写距离和3种安装方式对RFID识别数据的影响。结果表明纸管曲率、读写距离和3种安装方式对RFID标签读写影响不大,该系统可实现工位上下物料、叉车搬运和物料缓存等多场景下的物料感知。本研究提出的印刷制品制造过程物料信息感知系统可实现印刷制品过程物料生产信息自动感知,为印刷包装行业智能化升级提供参考。