基于改进YOLO v8n-seg的羊只实例分割方法

羊只实例分割是实现羊只识别和跟踪、行为分析和管理、疾病监测等任务的重要前提。针对规模化羊场复杂养殖环境中,羊只个体存在遮挡、光线昏暗、个体颜色与背景相似等情况所导致的羊只实例错检、漏检问题,提出了一种基于改进YOLO v8n-seg的羊只实例分割方法。以YOLO v8n-seg网络作为基础模型进行羊只个体分割任务,首先,引入Large separable kernel attention模块以增强模型对实例重要特征信息的捕捉能力,提高特征的代表性及模型的鲁棒性;其次,采用超实时语义分割模型DWR-Seg中的Dilation-wise residual模块替换C2f中的Bottleneck模块,以优化模型对网络高层特征的提取能力,扩展模型感受野,增强上下文语义之间的联系,生成带有丰富特征信息的新特征图;最后,引用Dilated reparam block模块对C2f进行二次改进,多次融合从网络高层提取到的特征信息,增强模型对特征的理解能力。试验结果表明,改进后的YOLO v8n-LDD-seg对羊只实例的平均分割精度mAP_(50)达到92.08%,mAP_(50:90)达到66.54%,相较于YOLO v8n-seg,分别提升3.06、3.96个百分点。YOLO v8n-LDD-seg有效提高了羊只个体检测精度,提升了羊只实例分割效果,为复杂养殖环境下羊只实例检测和分割提供了技术支持。

基于改进YOLO v8s的小麦小穗赤霉病检测研究

为实现大田复杂背景下小麦小穗赤霉病快速准确识别,构建了包含冬小麦开花期、灌浆期和成熟期3个生育期共计640幅的小麦赤霉病图像数据集,并提出一种基于改进YOLO v8s的小麦小穗赤霉病识别方法。首先,利用全维动态卷积ODConv替换主干网络中的标准Conv,提高网络对目标区域特征的提取;然后,在Neck网络使用改进Efficient RepGFPN特征融合网络实现低层特征与高层语义信息的融合,使模型能够提取更丰富的特征信息;最后,采用EIoU损失函数替换CIoU损失函数,加快模型收敛速度,进一步提高模型准确率,实现对小麦小穗赤霉病的快速、准确识别。在自建的数据集上进行模型验证,结果表明,改进模型(OCE-YOLO v8s)对小麦小穗赤霉病的检测精度达到98.3%,相比原模型提高2个百分点;与Faster R-CNN、CenterNet、YOLO v5s、YOLO v6s、YOLO v7模型相比分别提高36、25.7、2.1、2.6、3.9个百分点。提出的OCE-YOLO v8s模型能有效实现小麦小穗赤霉病精确检测,可为大田环境下农作物病虫害实时监测提供参考。

科来网络分析系统V8．0正式发布

6月23日，科来正式发布旗下重要产品《科来网络分析系统》V8.0，同时提供技术交流版的下载。该产品自2001年推出之后，历经14年时间，经过几次大版本的更新后至今仍然拥有非常旺盛的生命力和广泛的用户需求。此次发布的新版本产品采用科来最新的第三代流量识别引擎，在对协议及应用的识别上将更加精准与高效。

科来网络分析系统V8．0正式发布

6月23日，科来发布旗下产品“科来网络分析系统“V8．0技术交流版，同时提供下载。据悉，该产品自2001年推出，至今用户需求仍然旺盛。此次发布的新版本采用科来最新第三代流量识别引擎，在对协议及应用的识别上更加精准与高效。同时，经过长期的产品使用调研、应用需求调研以及结合网络发展趋势，科来投入大量精力进行再次开发，使得科来网络分析系统V8.0无论在易用性、功能性等各个方面，都更符合用户现阶段以及未来长时间的网络分析需求。

基于SPARCV8SoC平台家庭网关设计

本文以家庭网络开发为背景,利用SPARCV8SoC平台搭建家庭网关系统,实现家庭网络与INTERNET连接。

网路岗v8

运行平台：Windows

V8+终端安全系统可动态检测、处理、追溯未知威胁

新一代企业终端安全软件——V8+终端安全系统于近日推出。这款产品最大特点就是可以动态检测、追溯、处理用户网络中的未知威胁。这是金山安全公司为满足国内企业用户日益复杂的多类终端(PC、移动、虚拟桌面等)安全防护需求而量身定制的一款产品,更是一款云时代的新一代企业终端安全软件。有专家认为,V8+终端安全系统的上市,必将重新激活并定义企业杀毒市场。

阿尔法AFR—V8E宽带路由器

由深圳市鑫朗润通讯技术公司出品的AFR—V8E型宽带路由器除了在内部采用高性能处理芯片外，在DHCP防火墙和UPNP等功能的安全性方面也很有特点．它支持内网地址转换，端口映射和数据包检测等功能，能较为全面地保护内部网络的安全．另外．它提供了友好的全中文配置界面．也方便了用户的使用．

基于关键点检测的服装廓形识别

为精准且快速地实现对服装廓形的判断,以秀场连衣裙为研究对象,提出了基于关键点检测的服装廓形分类算法。使用YOLO v8-Pose模型对秀场连衣裙进行关键点检测,提取服装的肩部、胸部、腰部、臀部和底摆两侧共10个关键点,并生成服装廓形图。通过加入Sobel边缘提取算法改进的DenseNet网络深度提取服装廓形特征,采用余弦相似度算法将其与标准的廓形库中提取的特征相比较,最终实现服装廓形的判别与分类。结果表明,该方法能够快速且准确地实现服装廓形的分类,廓形分类准确率达到了95.9%。

基础地理信息网络化数据生产的设计与实现

针对目前数据采集与管理的现状运用具体实例论述了基于网络化数据生产的设计与实现过程

Arkeia为vSphere 4.1推出新版备份代理

Arkeia Software，作为领先的网络备份解决方案供应商，曾在今年的八月份。为VMware vSphere4推出了基于vStorage的新款备份代理。为VMware vSphere4提供多种支持．包括vCenter、ESX、和ESXi；而在今年的VM—world2010盛会上，针对VMware vSphere4．1，Arkeia也紧随其后，推出了新版本Arkeia网络备份v8．2版．以其快速、易用且经济的优势，

12位／10位／8位8通道DAC

通过集成一个10×10^-6／℃的基准，LTC2636为面积受限的光网络电路板提供了占用空间进一步减小的解决方案。其他特点：集成精确基准，2．5V 10×10^-6／℃（LTC2636-L），4．096 V10×10^-6／℃（LTC2636-HX最大12位INL误差为±2．5LSB；引脚和软件兼容SPIDAC；在-40～＋125℃温度范围内保证单调；DAC之间具超低串扰（〈2．4nV·s）．

再造经典——豪杰超级解霸V8

超级解霸是世纪豪杰计算机技术有限公司的拳头产品，被誉为“中国第一播放软件”，在国内拥有广泛用户群。继2003年4月发布极具收藏价值的五周年珍藏版后，超级解霸V8也于近期面市（以下简称V8），它距超级解霸3000“英雄版”的推出相隔正好一年，上市时间均选择在中国农历春节之前。

夏新V8

V8高清播放机是夏新带来的首款高清网络播放机，能支持目前主流的视频格式的播放，如H．264、VC-1、XVID以及RMVB等等，并且支持DTS以及AC3的音频输出。V8外观大气，大面积纯铝材质的应用，不但使得V8具有强大的散热能力，而且在全新的工艺流程下显得简约而时尚。另外V8还支持高速在线网络电影、网络硬盘远程管理、P2P极速下载等功能。

三国乱世枭雄起——冲锋陷阵战群英

《三国群英传V8》的战场模式和兵种变化成为了大多数玩家关注的焦点，本作在保留大受好评的千人战和冲车外，还增加了更为大型、更为震撼的“突击战”模式i从而使战场形式又多了一种玩家可以挑战的类型。有了新式战场就要有新式兵种来匹配，他们是什么造型、有什么能力，一起看看就知道!

Android操作系统 HKC V8智能电视

HKCV8智能电视具备50英寸和46英寸两种型号，整机采用智能电视的设计，内置了Cortex—A91GHz处理器，运行Android4．0操作系统，并内置了Wi-Fi网络。它支持1920×1080全高清分辨率，采用了流行的偏光式3D，

宽带路由器全面测试

在宽带普殛的今天，对于小型办公室、网吧用户以及有两台电脑的家庭用户来说，共享上网的需求日渐突出。凭借安装简便，设置快捷以及价格低廉等特点，宽带路由器已成为网吧、小型办公室和家庭用户首选的共享上网解决方案。不过，目前的宽带路由器市场较为混乱，宽带路由器品牌多不胜数，其产品的质量和性能参差不齐。因此，《在线》志特此安排了本次宽带路由器测试，在本次测试中，不仅可以让读者对市场上的宽带路由器有一个较为全面的了解，同时，你还可以了解到我们所采用的最专业，最公正的网络测试平台—SmartBits。

基于深度学习的曲面体层片颌骨病变辅助诊断技术研究

目的 探讨深度学习应用于曲面体层片辅助诊断颌骨透射病变、颌骨阻射病变的效果,以减少漏诊,辅助医生早期筛查、提高诊断准确性。方法 本研究通过四川大学华西口腔医院伦理委员会批准。以443例曲面体层片为研究对象,构建YOLO v8m-p2神经网络模型,将标注后的图像分为训练集354例,验证集45例和测试集44例,用于模型训练、验证和测试。采用精确率、召回率、F-1分值、G分值、mAP50评价模型的检测性能。结果 443例曲面体层片涵盖颌骨常见的良性病变,其中颌骨透射病变数量为318,包括含牙囊肿、牙源性角化囊肿、成釉细胞瘤3类病变;颌骨阻射病变数量为145,包含特发性骨硬化、牙瘤、牙骨质瘤、牙骨质-骨结构不良4类病变,样本有良好的代表性。YOLO v8m-p2神经网络模型识别颌骨病变的性能:精确率为0.887,召回率为0.860,F-1分值为0.873,G分值为0.873,mAP50为0.863。其中,含牙囊肿、牙源性角化囊肿、成釉细胞瘤召回率分别为0.833、0.941、0.875。结论 YOLO v8m-p2神经网络模型应用于初步检测口腔曲面体层片中的颌骨透射病变及颌骨阻射病变以及多分类检测颌骨透射病变时诊断性能表现良好,可辅助医生筛查曲面体层片的颌骨疾病。