5G专网部署AI大模型能力的研究

为满足行业终端安全接入组织专网的移动性需求,能随时以自然语言交流方式实现行业应用与知识库的人机交互,文章对5G专网和交互式AI模型应用部署进行研究,阐述了在5G专网中部署行业AI大模型能力的解决方案,通过网络切片、安全策略和边缘云计算的部署方案解决网络安全和信息交互时延等问题,从而拓展5G专网在AI领域的应用场景,保障行业信息和敏感数据,提升工作效率。

基于5GAP模型的高校食堂服务质量差距分析与对策探讨

食堂服务是高校后勤服务体系中最重要的环节之一,高校食堂管理必须要有的放矢地改进工作。5GAP模型是一种直接有效的服务环节分析工具,更注重找出内部的服务缺陷。在以往的高校食堂研究中,多以顾客满意度的外部视角分析服务质量问题,本文通过5GAP模型以内部视角分析发现引发高校食堂服务质量问题的根源,以期能对高校食堂服务质量的改进和提升起到一定作用。

采用ERA5数据构建基于人工神经网络的天津ZWD模型

提出一种高精度的ZWD模型(tianjin_zwd,TZ)。TZ基于2016-2018年逐小时气压分层的ERA5,欧洲中尺度气象预报中心第五代再分析产品数据,采用BP神经网络建立。然后,根据2019年的ERA5产品导出的ZWD对TZ模型进行了验证。结果表明:相比GPT3模型,TZ模型可提供更贴近真值的ZWD估值;并且,其RMSE由5.0 cm (GPT3)降至4.5 cm,表明10%的精度提升。上述结果表明TZ模型实现了更优的预测性能,该模型的构建策略可为全国其他地区的ZWD建模提供借鉴。

基于5E模型的创新实践课程教学设计与实施

传统“教师讲授,学生聆听”的教学模式不利于激发学生自主创造性,无法有效提升学生的问题解决能力,因而不能较好地实现创新实践类课程的教学目标。对此,该文提出基于5E模型的课程设计,并将其运用于能源动力类本科专业节能减排创新实践课程。该教学设计下,学生需要开展小组合作学习,自主探索并提出问题,而后通过所学知识及相关信息的搜集、整合、运用使问题得到创造性的解决。实施过程中强调以学生为主体,教师在旁起辅助和引导作用。结果表明,该设计模型的实施能引导学生实现对知识的自主建构,有助于强化学生的自主学习能力及创新实践能力,并有效培育学生的科研精神,能够较好地实现创新实践课程的教学目标。

基于改进Yolov5模型的纱筒余纱量检测方法

为实现针织圆纬机纱架上纱筒余纱量的实时检测,提出一种深度学习与传统图像处理相结合的检测方法。通过优化Yolov5的主干网络并加入Shuffle-Attention注意力机制,利用改进后模型在图像中检测并框出纱筒位置;然后利用透视变换、均值偏移、canny轮廓检测、闭操作等处理获取纱筒内外圆轮廓,设计基于梯度下降的圆拟合算法,拟合纱筒内外圆的轮廓,得到纱筒的内外圆半径;最后结合小孔成像的原理完成纱筒余纱量的测量。结果表明:改进后的Yolov5模型在纱筒检测精度上达到99.5%,检测速度可达20帧/s,同时模型参数减少至3.255×106可检测的最小纱筒余纱量为3 mm,当纱筒余纱量小于3 mm后,将其视为空筒,进行延时更换。本文算法拟合圆所花费时间是传统霍夫圆检测算法的1/4左右,因此可满足针织车间的实际应用需求。

基于“5W1H”模型的应用型本科院校教学质量保障体系构建研究

研究围绕应用型本科教学质量保障体系的建构与实践,整合新时期应用型本科高校教学质量保障体系构建的多种先进理念,包括全面质量管理(TQM)、PDCA循环、OBE理论等提出了一套全新的“5W1H”模型。该模型重点围绕5个维度:保障目标(Why)、保障主体(Who)、保障内容(What)、保障场域(where)、保障周期(when),保障机制(How)构建而成。强调以社会需求为导向,注重实践教学与理论教学的融合,旨在培养具有创新能力和实践技能的应用型人才以及提高应用型高校的教学质量。

基于5P要素理论构建医院高质量研究生导师团队4C2G模型研究

探讨基于5P要素理论构建医院高质量研究生导师团队4C2G模型的可行性。方法:通过查阅文献与讨论基础上,构建研究生导师团队4C2G模型,针对模型中5P要素明确。通过咨询专家评价研究生导师团队4C2G模型的可行性情况。结果:在两轮咨询后,专家意见基本一致,对于模型验证其可行性较高,4C2G模型经专家验证其重要性、权重均较高,专家对团队模型的评价高。结论:基于5P要素理论构建医院高质量研究生导师团队4C2G模型的可行性高,为高质量研究生的培养奠定基础。

一种光伏组件5参数模型参数求解算法

针对目前牛顿-拉夫逊法在求解光伏组件5参数模型特征参数时存在的雅克比矩阵奇异化和参数漂移问题,本文运用Levenberg-Marquardt(LM)算法求解光伏组件5参数模型参数。结合目前两种常用组件实测数据的算例分析,验证了本文所提出的LM方法对不同类型组件具有精度高、收敛速度快、实用性强等优点。

基于数学模型的5G通信网络资源分配优化研究

文章研究了5G通信网络中的资源分配优化问题,通过构建线性规划数学模型,并采用单纯形法进行求解,应用结果表明,优化后的资源分配方案显著提高了网络的整体性能,包括网络吞吐量和用户满意度,并对不同资源分配策略进行了对比分析,验证了数学模型在5G通信网络性能优化中的有效性。

基于改进YOLOv5s轻量化模型的红外场景目标检测方法研究

红外技术在防备夜间作战和隐蔽作战中发挥的作用是至关重要的,针对如何平衡红外图像检测精度与轻量化的问题,提出一种基于红外场景下的轻量化目标检测模型M-YOLOv5。该网络模型采用改进的ShuffleBlock模块替换原有的CSP骨干网络。此外,应用轻量级上采样算子CARAFE替换原有上采样模块,在C3模块中加入SE注意力机制,降低冗余信息,提高特征的区分性和表征能力,重新设计损失函数,E-IoU作为新的损失函数,加快模型收敛速度。在公开数据集FLIR上进行了实验,实验结果表明:改进之后网络模型的平均检测精度达到73.0%,仅降低2.9个百分点,而M-YOLOv5模型的网络参数数量、理论计算量分别减少40%、39%,模型的推理速度提高52%,满足部署于边缘设备的需求。

基于改进YOLOv5s网络模型的火灾图像识别方法

提出了一种基于改进YOLOv5s网络模型的火灾图像识别方法。通过引入注意力机制改进特征提取网络,提高模型对特征的学习能力;通过添加大尺度检测层改进多尺度检测机制,执行K-Means聚类算法改进先验框,增强模型对小目标的识别能力。在实验数据集上的测试结果表明:改进的YOLOv5s网络模型相比原始模型在精确率、召回率和平均精度均值(mAP)指标上均有提升。改进模型的mAP为85.72%,帧率达54.66fps;在置信度上有了明显提升,对多目标和小目标的识别效果更好,并且有效降低了漏检和误检情况。所提出的火灾图像识别方法可适用于安防监控系统或智能机器人。

基于kano模型和5R原则的越西苹果包装优化设计

目的运用kano模型和5R原则确定消费者对越西苹果包装的环保消费需求优先级,设计一款具有越西地域文化特色且可再利用的苹果包装。方法首先运用kano模型将消费者需求进行定量分析,然后基于环保设计5R原则制定适合越西苹果包装的创新方向定位,融入彝族刺绣的文化内涵与艺术价值,最后根据研究结果和调查分析对苹果包装进行了纸管包装与纸质板凳的复用型设计。结果借助kano模型使包装性能需求分析流程更加客观、完善,结合民族服饰实现苹果包装设计地域化的探索与实践,融入复用型设计理念,做出产品效果图。结论kano模型与5R原则结合,有效避免了单一kano模型结果获取过于主观的缺陷,有助于指导越西苹果包装复用型设计,为同类环保型农产品包装设计优化提供设计思路。

基于YOLOv5s改进模型的堆叠螺栓抓取研究

在当前工业的螺栓生产过程中,堆叠螺栓的分拣工作依然需要人工完成,不仅工作效率低,而且会导致大量人力资源的浪费。针对这一问题,对YOLOv5网络模型进行了改进,提出了SE_YOLOv5网络模型。首先,在原网络的Neck部分删除了P′1特征层,减小了网络对浅层信息的提取,在不影响对大尺寸目标检测的前提下,提高了网络检测的实时性;然后,改进了Backbone模块,通过添加压缩与激励(SE)注意力机制,使网络更高效地聚焦于图像中的重要部分,增强了网络对堆叠螺栓检测的准确性;最后,提出了检测框重叠最小法,减少了抓取时夹爪与非目标螺栓的碰撞,并对螺栓检测框进行了抓取点位姿优化,提高了抓取的成功率。研究结果表明:SE_YOLOv5网络对堆叠螺栓检测的平均精度为86.5%,平均速度为13.02 FPS;相比于原YOLOv5s网络模型,SE_YOLOv5网络在检测精度上提升了1.2%,在检测速度上提升了2.71 FPS;相比于其他检测模型,SE_YOLOv5也具有更高的检测精度和检测速度。抓取结果证明,该模型能用于有效地指导机械臂进行螺栓抓取操作。

5月华南气温的岭回归预测模型

该文研究5月华南气温变化特征及其成因,寻找海温前兆信号并探讨其影响气温的可能物理机制,建立5月华南气温的多元岭回归预测模型。结果表明:5月华南气温异常偏高(偏低)年表现为乌拉尔山、东亚的异常反气旋(气旋)环流,以及贝加尔湖附近的异常气旋(反气旋)环流,使东亚经向环流减弱(加强),冷空气活动减弱(加强);同时副热带高压在华南地区异常西伸(东退)和西南风减弱(加强)。海温前兆信号主要为前冬北大西洋三极子型、印度洋全区一致型,其中北大西洋海温前兆信号的相关性最强。北大西洋海温前兆信号为正(负)位相时,通过欧亚遥相关波列使经向环流减弱(增强)和冷空气活动减弱(加强),同时副热带高压在华南一带西伸(东退),有利于华南地区气温偏高(低)。利用前冬前兆信号所建立的5月气温多元岭回归预测模型,拟合效果较好并对异常年份有较好的预测能力。

基于网格搜索优化CatBoost模型的GF-5卫星影像铬离子含量反演研究

高光谱遥感技术以其低成本、高效率、广泛覆盖范围、宏观性强和动态监测能力等优势而受到关注。利用高光谱遥感技术,对安图县新合乡尾矿库土壤中六价铬离子污染状况进行有效监测;以高分五号(GF-5)卫星的高光谱遥感影像及实测土壤样本为数据源,基于皮尔逊相关系数、波段加法和比值指数,提取与土壤重金属含量变化相关的特征,构建反演模型。首先,剔除预处理后的遥感影像中饱和、噪声和水汽吸收波段,同时利用各波段反射率进行代数运算构建加法和比值指数,计算其与实测铬离子含量数据的皮尔逊相关系数;然后,基于皮尔逊相关系数得到的前50最高相关特征变量,采用网格搜索优化的CatBoost回归,建立土壤六价铬离子含量反演模型,并使用SHAP方法评估特征重要性,探究影响GF-5反演土壤重金属重要波段。结果显示,在相同光谱变换条件下,与偏最小二乘回归(PLSR)、随机森林回归(RFR)、支持向量机回归(SVMR)、卷积神经网络(CNN)和多元逐步线性回归模型相比,网格搜索优化的CatBoost模型效果最好,训练集拟合优度为0.92,验证集为0.88。利用网格搜索优化CatBoost回归模型对吉林省安图铬渣填埋场进行了土壤六价铬离子含量反演,结果显示该区域尾矿库开采区域周边六价铬离子污染严重,这与该地矿山开采和尾矿堆放实际情况基本一致。该研究为土壤重金属污染监测和环境管理提供了重要的技术手段和科学依据。

基于改进YOLOv5s模型的车辆及行人检测方法

针对道路交通环境中车辆及行人目标较小或被遮挡造成的检测精度低以及误检、漏检问题,提出一种基于改进YOLOv5s模型的车辆及行人目标检测方法。针对小目标和遮挡目标,引入SIoU边界框损失函数,增加小目标检测层,增强对小尺度特征的获取;改进特征金字塔结构,增加横向特征图传递,并使用CSP stage替换C3_F特征提取网络,使其获得更多的语义信息和图形信息;改进后处理NMS算法,优化冗余边界框剔除方法,筛选出高质量检测结果。试验结果表明:改进YOLOv5s模型算法的Precision、Recall、mAP@0.5和mAP@0.5:0.95指标均优于Faster-RCNN、YOLOv3-tiny和YOLOv8s算法,与原YOLOv5s模型算法相比Precision下降了0.4%,但Recall、mAP@0.5和mAP@0.5:0.95提高了3.4%、2.1%和6.0%,分别达到了86.1%、92.9%和70.0%,对小目标和遮挡目标的检测效果明显提高,证明此改进方法有效解决了对小目标和遮挡目标检测精度低以及误检、漏检问题。

基于YOLOv5模型的驾驶疲劳研究

打哈欠是判定驾驶员疲劳状态的关键因素,考虑到驾驶疲劳检测易受驾驶员自身条件和外部环境的干扰,以及实时性差等情况研究了驾驶员的打哈欠问题,提出了一种利用YOLOv5网络模型进行疲劳检测的方法。首先通过LabelImg对处理过的YawDD开源数据集进行标注,再经过深度学习模型对样本进行多次迭代训练得到最优权重数据,最后将其用于测试集上进行测试。检测结果表明,样本平均识别准确率可达98%以上,所建模型具有高精度检测打哈欠行为的能力。

基于YOLOv5模型的高架草莓采摘机器人系统设计

为解决草莓采摘设备价格昂贵且采摘效率低等问题,基于YOLOv5模型的目标检测算法,设计了一款高架草莓采摘机器人。该草莓采摘机器人采用单目摄像头和激光测距相结合的识别模式,对草莓进行识别与定位,然后使用双机械臂同时完成草莓采摘动作,再将草莓通过收集缓冲装置送入收集盒。采用双机械臂和缓冲装置的设计,在保证草莓果实完整性的同时提高了草莓的采摘效率。该机器人进行了多次采摘实验,实验结果表明:该草莓采摘机器人可实现对草莓的精准识别与定位,且对成熟草莓的识别率达到95%,满足采摘要求。

基于血清IL-13、D-D和MUC5AC水平建立机械排痰肺炎支原体肺炎患儿气道堵塞的列线图预测模型

目的探讨基于血清白细胞介素-13(IL-13)、D-二聚体(D-D)和黏蛋白5AC(MUC5AC)水平建立机械排痰肺炎支原体肺炎(MPP)患儿气道堵塞的列线图预测模型。方法选取2020年3月至2022年11月邢台医学高等专科学校第二附属医院收治的122例MPP患儿,按照支气管镜检结果将其分成气道堵塞组(n=38)和无气道堵塞组(n=84)。对两组MPP患儿的基线资料和血生化指标进行比较,采用多因素logistic回归分析确定MPP患儿气道堵塞的影响因素,应用R软件建立列线图气道堵塞预测模型。结果多因素logistic回归分析结果表明,累及肺叶数>2叶、年龄、血清IL-13、血清D-D和血清MUC5AC等是机械排痰MPP患儿气道堵塞的影响因素。基于多因素logistic回归分析结果建立机械排痰MPP患儿气道堵塞的列线图预测模型,应用Bootstrap法内部验证列线图预测模型,抽样800次,区分度评价指标列线图预测气道堵塞发生的C-index为0.736(95%CI:0.650~0.834),校准预测曲线和理想曲线拟合良好。结论基于血清IL-13、D-D和MUC5AC建立的列线图预测模型可应用于预测机械排痰MPP患儿气道堵塞,值得临床进一步研究和推广。

基于m5C相关基因构建三阴性乳腺癌预后预测模型及药物敏感性分析

为了探讨5-甲基胞嘧啶(5-methylcytosine,m5C)相关基因在三阴性乳腺癌(triple negative breast cancer,TNBC)患者治疗及预后中的潜在价值,构建了基于m5C相关基因的预后预测模型,用于评估TNBC患者的预后和生存状况。从基因表达总库(gene expression omnibus,GEO)数据库和癌症基因组图谱(the cancer genome atlas,TCGA)数据库中下载TNBC基因表达谱和相应的临床数据。通过Pearson分析确定了99个m5C相关基因,进一步采用单因素Cox分析鉴定出5个与预后有关的m5C相关基因(SLC6A14、BCL11A、UGT8、LMO4、PSAT1)并构建了风险评分(risk score)预测模型,根据风险评分中位值将患者划分为高风险组和低风险组。使用Kaplan-Meier(K-M)生存分析、受试者工作特征(receiver operating characteristic,ROC)曲线、多变量Cox回归分析、构建列线图和校准曲线评估了模型的预测效能。训练集和验证集的K-M生存曲线、受试者工作特征曲线下面积(area under the curve,AUC)分析均验证了模型具有良好的预测能力。多变量Cox回归分析显示,风险评分可作为独立的预后生物标志物。使用ssGSEA、免疫评分分析和化疗药物对高低风险组患者的半最大抑制浓度(half maximal inhibitory concentration,IC50)值差异分析显示,免疫细胞和免疫检查点基因以及大多数化疗药物的IC50值在不同风险组之间的表达存在显著差异。研究结果构建了基于5个m5C相关基因的风险评分预后预测模型,这将有助于阐明TNBC中m5C相关基因的作用机制,进而提供更有价值的预后及诊断的生物标志物和潜在的治疗靶点,为TNBC患者临床个性化治疗提供理论指导。