基于多链存储优化的水产品交易匹配模型研究

区块链技术应用到水产品线上交易架构中可以使交易双方隐私信息得到基本保障,然而,目前区块链水产品线上交易模型和系统存在海量数据存储负载大、维护成本高、数据查询效率低等问题。为进一步缓解以上问题,在梳理和分析水产品交易流程基础上,根据水产品交易业务技术需求,提出了基于多链存储优化的水产品交易匹配模型。该模型在智能合约中通过贪心算法实现了效率较高的多属性水产品线上交易匹配过程,通过区块链多通道技术构建了水产品交易多链架构,实现了用户交易信息分布式存储,提高了交易信息查询效率,同时,采用区块链与本地数据库双模式存储技术,缓解了区块链网络中各个节点海量数据存储的负载。基于Hyperledger Fabric平台实现了基于多链存储优化的水产品交易原型系统。该原型系统测试结果表明,临界值900s平均最多可以完成1296笔交易,说明系统在处理千条交易数据量时可以正常运行,满足水产品线上交易平台日常实际交易业务需求,同时在链上存储1600条合同信息时查询1条用户合同信息平均时间为4.018s,多链存储结构提高了链上数据查询速度。

基于自注意力机制和改进的K-BiLSTM的水产养殖水体溶解氧含量预测模型

为精确预测水产养殖水体溶解氧含量,本研究提出一种基于自注意力机制(ATTN)和改进的K-means聚类-基于残差和批标准化(BN)的双向长短期记忆网络(BiLSTM)的水产养殖水体溶解氧含量预测模型。首先,根据环境数据的相似性,使用改进的K-means算法将数据划分成若干个类别;然后,在BiLSTM基础上构建残差连接和加入BN完成高层次特征提取,利用BiLSTM的长期记忆能力保存特征信息;最后,引入自注意力机制突出不同时间节点数据特征的重要性,进一步提升模型的性能。试验结果表明,本研究提出的基于自注意力机制和改进的K-BiLSTM模型的平均绝对误差为0.238、均方根误差为0.322、平均绝对百分比误差为0.035,与单一的BP模型、CNN-LSTM模型、传统的K-means-基于残差和BN的BiLSTM-ATTN等模型相比具有更优的预测性能和泛化能力。

基于区块链的水产交易计量数据采集与传输研究

为解决目前水产交易中手动录入计量数据易篡改、易丢失的问题,本研究提出一种基于区块链技术的水产交易计量数据采集与传输安全模型。首先设计一套基于树莓派的数据采集平台,用于数据的自动采集和录入;其次通过智能合约和共识机制保证所采集交易数据的传输与存储安全;最后,基于区块链技术设计一套水产交易计量数据采集与传输系统,实现水产交易计量数据采集和查询等功能,并基于Hyperledger Fabric平台搭建测试环境进行验证。结果显示,基于区块链技术的数据采集与传输系统可以有效地完成数据采集,保证数据传输与存储过程中的数据安全,数据传输率可达100%,丢包率相比传统传输系统更低。结果表明,本研究所提出的模型有效提高了数据的安全可靠性,提升了水产交易效率,更适合在实际水产交易中使用。

基于自由曲面和L-system的红掌生长模型

针对红掌花卉生长可视化中参数难以确定的问题进行研究,提出推导控制点的方法,建立红掌器官模型:采用Bezier曲线结合扫描成型的方法来构造叶柄模型,采用双三次NURBS曲线对佛焰苞进行建模;运用红掌的相关表型数据拟合生长函数,提出基于红掌生长规律的微分L-system,可有效模拟红掌的拓扑结构和生长过程;通过虚拟器官表示红掌器官的几何属性,降低微分L-system的复杂度。试验验证提出的方法对红掌各项生长指标拟合度可达0.89以上,并可对每个生长阶段的红掌进行模拟,能有效地对红掌的生长过程进行建模。

基于公证人机制的水产品跨链交易模型研究

随着水产品交易规模的扩大,区块链技术在产品溯源和数据共享方面得到广泛的应用,但不同企业内或同一供应链内的不同环节构建的区块链之间数据无法有效交互和共享,致使信息孤岛问题依然存在。因此提出了基于公证人机制的水产品跨链交易模型,旨在实现水产品不同环节之间的跨链交易,解决单点故障问题,并提升交易效率。同时针对水产品跨链交易业务特点,提出两阶段跨链交易流程,完善交易错误处理机制,从而解决跨链交易过程中的数据一致性、原子性需求,并基于Hyperledger Fabric平台构建系统原型。实验结果表明,在交易量较大的情况下,交易平均成功率高于99%,平均延迟时间为0.21s左右,模型在保证交易安全性的前提下,满足了水产品区块链跨链交易需求。

水下底栖生物轻量化目标检测算法YOLOv7-RFPCW

针对水下底栖生物检测模型参数量过多,计算量过大,同时水下环境复杂容易造成错检和漏检,影响模型在水下底栖生物检测任务中的准确性的问题。提出了一种水下底栖生物轻量化检测算法YOLOv7-RFPCW。对YOLOv7网络重新设计轻量级网络结构,降低了特征提取网络的参数量和计算量,减少模型体积。设计了P-ELAN和P-ELAN-W模块,进一步轻量化特征提取网络;针对水下图像颜色失真,目标的空间位置不准确的问题,采用CBAM注意力模块加强特征融合,减少信息丢失,以更好地适应特殊的水下环境;针对水下目标容易出现形状变形的问题,使用WIOU-V3损失函数替换默认的CIOU损失函数,提高水下底栖生物检测的鲁棒性。试验结果显示,改进后的模型YOLOv7-RFPCW的参数量和计算量分别减少了75.9%和30.7%,模型体积减小了75.3%,精度提升了1.9个百分点。这一综合性的提升兼顾了轻量化和精度,为在水下环境中部署提供了可行的解决方案,验证了所提出的改进算法能胜任水下底栖生物检测任务。

基于全局图推理与改进三维动态卷积的鱼类摄食行为分析

本研究提出一种基于时间动作检测的轻量化视频分类网络,旨在解决水产智能化养殖中饵料的投喂不均和水体污染等问题,提高投喂准确性和效率。该网络以ResNet 3D为基础,引入深度可分离卷积模块和三维动态卷积模块,以降低模型规模和参数量;同时采用图卷积全局推理模块和稠密卷积模块构建区域和全局关系,增强网络深层特征的表达,提高网络分类准确率。经试验验证,该模型检测准确率可达96.70%,相较变分自动编码器卷积网络和3D ResNet-GloRe网络,其准确率分别提高7.7个百分点和4.4个百分点;同时,该模型的参数量和计算量也明显降低,分别为1.10 M和3.87 G。研究结果表明,该基于时间动作检测的轻量化视频分类网络可以有效提高水产养殖中饵料的智能化投喂的准确性和效率,减少饵料投喂不均以及水体污染等问题,具有较高的应用价值。

基于SOLOv2-RS的人工假体视觉避障研究

面向人工假体视觉条件下的避障问题,提出改进的实例分割模型SOLOv2-RS,为植入者在低分辨率人工视觉中更准确地感知导航任务的相关实例对象提供基础。根据视觉注意力机制,采取视野中心距离和目标尺度作为各实例重要性计算准则,以得到的重要性分数作为对需规避障碍物进行分级表达的依据;同时,采用边缘信息提示盲道,并对其进行形态学膨胀处理以避免光幻视有限导致的边缘信息缺失。人工假体视觉仿真结果表明本研究提出的人工假体视觉分级优化处理策略能有效实现盲道和障碍物的优化表达,为植入者更高效地完成室外避障任务提供便利,为人工假体视觉设备图像处理研究提供良好思路。

增强HACCP计划的可信可视溯源应用研究

为提升水产品危害分析及关键控制点(Hazard analysis and critical control points,HACCP)体系国家标准在保障质量溯源方面的数据可信、可读,以国家标准中的巴氏杀菌蟹肉HACCP计划为例,结合语义建模和区块链技术,提出了巴氏杀菌蟹肉增强HACCP计划可信可视溯源模型(Enhanced HACCP credibility and visualization traceability model,EHCVTM)。该模型结合国家标准对巴氏杀菌蟹肉HACCP计划进行语义理解,构建巴氏杀菌蟹肉HACCP计划质量安全数据体系(HACCP quality and safety data system,HQSDS)并设计知识表示。为所得的增强HACCP计划的执行数据设计合理的数据存储结构、智能合约,实现“有风险上链,无风险自治”、“高风险直接上链,低风险加密上链”的数据分级存储管理模式。然后借助图数据库实现不同需求的可视化展示。最终实现了基于EHCVTM的HACCP质量溯源应用原型并进行测试。结果表明,基于此模型的应用保障了质量溯源风险数据的可信度,提高了数据反馈时的可读性,增强了质量溯源平台预警能力,使企业内部完成精细化监控,企业外部多方监督,质量安全风险公开,安全责任定位精确。且基于区块链的系统吞吐量达到300笔/s,可基本满足溯源系统的业务需求。该研究为基于HACCP国家标准的水产品质量安全风险监控可信可视溯源提供了新思路。

基于区块链的水产品撮合交易模型与系统实现

为缓解水产品线上撮合交易效率低、交易双方隐私信息泄露和商品信息造假安全漏洞多、平台监管成本高等问题,针对水产品撮合交易多属性匹配的特点,提出一种基于区块链的水产品撮合交易模型,将水产品的交易过程转移到区块链上,实现水产品交易的去中心化可信、不可篡改性,并使用改进的蚁群算法对撮合交易模型进行寻优求解,最大化匹配精度和效率。以Hyperledger Fabric为底层架构搭建实验环境,实现原型系统,测试该模型的有效性。结果表明,基于区块链的撮合交易模型可以满足水产品交易双方和交易平台在成本、效率、安全性方面的需求,当2 h内累计提交系统的供需单数量小于1 626时,不超过模型规定的交易匹配时间上限,撮合交易系统可以正常运行,该数据量基本能够满足B2B平台线上交易量的需求。

基于知识图谱的花卉病虫害知识管理方法

为解决花卉病虫害领域中病虫害防治因素关系复杂、知识冗余等问题,结合知识图谱对知识组织和管理的技术,提出一种基于知识图谱的花卉病虫害知识管理方法。首先,根据文献提取包括环境在内的花卉病虫害防治要素,构建花卉病虫害本体模型并存储在RDF图中,实现对知识规范性和完整性的控制;其次,对花卉病虫害领域文本进行分析,针对分析得到的文本特点,提出融合头尾实体分离“01”标注方法、轻量级双向转换编码表示模型(A lite BERT, ALBERT)和引入词性特征的级联标注模型(CasPOSRel)的抽取框架进行三元组抽取;之后利用自定义RDF2PG映射算法,按照RDF图中的本体模型将抽取到的三元组存入Neo4j数据库中,完成对花卉病虫害知识的存储及管理。实验结果证明提出的抽取框架中标注方法、预训练模型与抽取模型相比基线方法F1值分别提升0.88、4.90、8.57个百分点,同时得到抽取结果F1值为95.07%。通过知识发现表明该知识管理方法能有效组织管理病虫害知识,帮助花卉种植人员进行更为有效的病虫害防治工作。

生食牡蛎HACCP计划的语义建模及可视化应用

为有效保障危害分析及关键控制点(HACCP)计划国家标准的可执行性,以国标中的生食牡蛎加工HACCP计划的语义表达为研究对象,提出生食牡蛎HACCP计划的知识可视化应用模型(HVEM),对HACPP计划进行结构和数据两方面的语义理解,从动态和静态两个角度进行知识提取,实现活牡蛎接收、干法冷藏、牡蛎肉储存等关键控制点(CCP)、监控以及验证、纠偏的实体、联系知识表达,构建HACCP计划知识体系,结合图数据库实现知识储存、可视化,并给出一个基于HVEM模型的HACCP质量溯源应用测试。结果表明,HACCP计划的知识可视化应用模型能较为系统地实现生食牡蛎HACCP计划的知识理解、知识表达、知识存储和可视化应用。

基于计算机视觉和XGBoost的虾体活力检测

以南美白对虾为研究对象,提出一种基于计算机视觉和XGBoost的虾体活力检测方法:跟踪对虾应激前后的运动轨迹,提取运动行为特征参数;根据应激性红体现象提取对虾的颜色特征,通过灰度共生矩阵(GLCM)提取虾体应激形成水面波动的纹理特征;运用XGBoost算法筛选出评价因子,通过加权融合确定评价因子的最佳权重;根据融合后特征对虾体活力强度进行检测。结果表明,提出的方法决定系数为0.9056,识别准确率为98.61%,较单一颜色、单一纹理以及光流与纹理相结合的方法,识别准确率分别提高6.63%、2.05%和1.61%。

基于改进YOLO v7的微藻轻量级检测方法

为了解决传统的微藻检测方法依赖于复杂的设备和大量的人工操作,不仅耗时长且检测结果易受检测人员技术经验影响等问题,结合微藻显微图像特征,采用K-means++算法聚类锚框,并基于YOLO v7模型,提出一种轻量级实时检测微藻的方法YOLO v7-MA。该方法将GhostNet引入YOLO v7模型中作为主干特征提取网络,以减少网络的参数量,同时将特征融合网络中的普通卷积块替换为深度可分离卷积块,进一步降低模型的计算复杂度,并在特征融合网络中加入CBAM注意力模块,以提高网络的特征表达能力。结果表明:在14种微藻数据集上的试验显示,本研究中提出的YOLO v7-MA模型的平均精度均值为98.56%,召回率为96.88%,F1值为97.42%,参数量为22.64×10^(6),浮点运算次数(FLOPs)为38.45×10^(9);相较于YOLO v7模型,YOLO v7-MA模型平均精度均值提高了0.95%,召回率和F1值分别提高了1.15%、0.23%,参数量和FLOPs分别降低了14.63%和66.55%;相较于FasterRCNN-VGG16、FasterRCNN-Resnet50、YOLO v4、YOLO v4-Mobilenet v3、YOLO v4-VGG16、YOLO v4-Resnet50和YOLO v5s等模型,YOLO v7-MA模型的平均精度均值也均有提高,参数量均有减少。研究表明,YOLO v7-MA模型能够为微藻的识别分类提供一种轻量化的实时高效检测方法,大大降低了检测人员的工作量。

改进SegFormer网络的遥感图像语义分割方法

由于遥感图像存在目标尺度多、小目标的语义信息不足等问题,现有算法对遥感图像中小目标和目标边界难以精准分割。为此提出了一种改进SegFormer网络的遥感图像语义分割方法,以级联的方式合并SegFormer编码器输出的多个尺度的特征。在合并高层语义信息特征时使用语义特征融合模块保留模糊边界;在合并细节信息特征时使用门控注意力机制模块过滤部分高层语义信息特征,减少其对细节信息特征的干扰。之后将多个尺度的特征上采样后连接,使用多局部通道注意力模块根据通道上下文关系重新校准连接特征的映射关系,增强最终的分割效果。在UAVid和ISPRS Potsdam数据集上的实验结果表明,改进SegFormer的分割方法优于比较的当前主流分割方法,对遥感图像中的小目标和边界有更好的语义分割效果。

基于图神经网络协同过滤的药物疾病关联预测

新药开发需要耗费很高的成本,建立高效且高准确度的药物新适应症预测方法非常重要,提出一种基于图神经网络协同过滤的药物疾病关联预测方法,获取药物与疾病治疗关系中的信息并结合药物相似性获得更好的预测表现。首先通过图神经网络提取药物-疾病治疗关系数据中的协作信号细化药物嵌入,然后利用嵌入计算药物之间的治疗关系相似性,再结合药物化学结构、蛋白质和副作用相似性预测药物的新作用。与现有的协同过滤方法在相同数据集上进行对比,本文方法获得了较高的预测精确率(0.664 8)。所提出的获取药物-疾病治疗关系中的潜在信息并结合相似性进行药物疾病关联预测的策略是有效的,有助于发现药物的新适应症,为药物开发提供帮助。

融合 Albert 模型的珍稀濒危植物知识图谱的构建

针对珍稀濒危植物形态特征、分类等级、濒危系数、保护措施等知识不明确的问题,设计了文本融合轻量级双向转换编码表示模型(Albert)的知识抽取模型框架,实现批量抽取珍稀濒危植物知识,从而构建珍稀濒危植物知识图谱:1)在现存一般性植物本体的基础上,采用自顶向下的方式构建珍稀濒危植物本体,得到5个体系,即物种分类体系、生长形态特征体系、命名体系、保护现状体系和生态习性体系;2)采取Albert预训练模型来增强下游任务模型输入向量的珍稀濒危植物属性描述文本语义的表征能力;3)利用BiLSTM–CRF模型和BiGRU–Attention模型分别实现命名实体识别和关系抽取。在珍稀濒危植物数据测试集上对模型的有效性进行验证,结果表明,命名实体识别模型和关系抽取模型的召回率和准确率的调和平均值(F1)值分别达到98.07%和93.76%,将得到的大量的实体和关系所形成的三元组存储在图数据库Neo4j中,完成珍稀濒危植物知识图谱的可视化展示。

基于特征加权融合的鱼类摄食活动强度评估方法

为解决鱼类养殖中投喂精度低的问题,提出了一种基于特征加权融合的鱼类摄食活动强度评估方法。该方法以鱼群为研究对象,利用不同摄食阶段图像的特征对摄食活动强度进行分析,避免了复杂背景中单体鱼的切割。首先,利用图像预处理技术获取前景目标,通过鱼群质心绘制出不同摄食阶段的鱼群游动轨迹;其次,分别提取图像的颜色、形状和纹理等特征;然后,使用Relief特征选择和XGBoost算法筛选出3个摄食评价因子,采用加权融合方法确定每个评价因子的最佳权重;最后,通过融合后的特征对摄食活动强度进行评估。试验结果表明,与传统面积法相比,本文提出方法的决定系数可达0.9043,且摄食识别准确率高达98.89%。该方法在增强鲁棒性的同时,提高了检测和评估效率,可为鱼群摄食行为检测和活动强度评估提供参考。

基于区块链的HACCP质量溯源模型与系统实现

为提升质量溯源的可信度及有效度,以生食牡蛎为例,应用区块链技术构建了基于危害分析及关键控制点(Hazard analysis and critical control points,HACCP)的质量溯源模型。该模型提取生食牡蛎加工HACCP规范中的关键控制点(Critical control points,CCP)作为溯源系统监控数据点,并由此设计智能合约,监控数据上下链和对质量进行自动判断,最终应用联盟链平台Hyperledger Fabric实现了该模型的系统溯源。结果表明,系统将HACCP融入智能合约,使用质量控制的关键、有效数据作为溯源数据,并利用区块链中交易的不可篡改性,保证了质量溯源数据的可信度,系统平均交易成功率为99.96%,交易吞吐量可相对平稳地达到377笔/s,平均交易延迟为0.5 s,基本满足生食牡蛎加工过程质量溯源的业务需求。

基于区块链的河豚供应链可信溯源优化研究

针对河豚供应链环节复杂、监管要求高以及溯源系统信息传递繁杂、数据查询效率低的问题,以提高河豚溯源查询效率和安全性为目的,建立了基于区块链技术的河豚供应链溯源优化模型,并搭建相应系统。首先,对河豚供应链业务供应链信息进行分析,整理并提取供应链各业务环节溯源码信息和产品信息;然后,基于区块链技术建立河豚供应链可信溯源优化模型架构,设计多链的存储模式和快速查询流程并制定相应的智能合约;最后,基于Hyperledger Fabric实现了一种河豚供应链信息溯源系统,并使用Caliper性能测试工具测试。结果表明,在数据记录条数大于1000条后,本文模型查询效率高于传统单链模型,在10000条数据记录上链后,本文模型较传统单链模型查询效率提高约92.9%。以江苏省某河豚企业为例,实现河豚供应链信息安全传递和快速溯源。所提出的模型可以应用到河豚行业从而提高溯源效率和安全性,为河豚行业提供一个防篡改、查询效率高的模型。