基于YOLOv5模型的肉鸽识别技术研究

饲料浪费是肉鸽养殖中最严重的问题之一。肉鸽由于食道短的生理特性,使其进食具有少食多餐的特点,饲养人员依据该特点频繁投喂的过程,也造成了浪费率较高的问题。随着深度学习在目标识别领域应用的发展,使用深度学习的肉鸽识别模型进行肉鸽数量识别并辅助机器投喂饲料将成为未来发展趋势。本文使用YOLOv5模型训练模型,在自制的肉鸽数据集上,该模型在养殖基地测试达到90.37%的准确率,可以有效解决肉鸽数量识别的问题,以便于后续辅助自动化饲料投喂,降低饲料浪费率的目标。

基于布隆过滤器的联邦遗忘学习

联邦学习体现了集中数据收集和最小化的原则,可以有效解决传统集中式机器学习存在的数据孤岛以及系统性的隐私风险问题,但数据使用中仍存在隐私泄露风险。为此,提出一种基于布隆过滤器的联邦遗忘学习方案,通过布隆过滤器实现联邦遗忘学习的成员资格验证、用户隐私保护和数据传输完整性的验证,通过组合哈希函数将数据映射到布隆过滤器中,即使布隆过滤器被泄露,攻击者也只能获取到位数组,隐私信息仍然得到有效保护;同时,使用布隆过滤器能够快速验证数据完整性,确保传输和存储的数据未被篡改,从而提高系统的安全性。安全性分析结果表明,所提方案能够抵抗内部敌手、外部敌手和内外合谋对布隆过滤器存储数据的攻击。性能评估结果表明,在成员资格验证方面,相比于使用哈希表,布隆过滤器在插入速度上提升了约14.6%,在查找速度上提升了约5.3%。

基于Nginx的动静分离架构部署方法研究

为了优化在高校局域网环境中使用华为2288H V5机架服务器部署业务应用时所采取的安全措施,解决因关闭非必要端口而限制了服务的灵活性问题,提出一种基于Nginx中间件作为反向代理服务的解决方案。首先,用户发起服务请求先经过Nginx;然后,Nginx根据不同的请求地址,通过反向代理转发至本地服务中其他端口进行对应业务逻辑的处理;最后,再将请求结果响应给用户。实验结果表明,服务器仅对外提供一个业务端口,实际业务端口对用户来说是隐藏的,提高了安全性,同时端口对应的还可以是KVM虚拟化服务,大大提高了服务器的资源利用率。

移动状态下加速度数据滤波算法的对比与研究

贵重物品运输过程中常会使用智能仪器设备进行辅助保护,针对35~80 km/h中低速运输过程中数据噪声较大的问题,通过对比6种常见滤波算法,得出最适合该场景的数据噪声过滤算法。首先,在运输道路上使用传感器采集数据;其次,将数据输入6种滤波算法中处理并进行数据可视化;最后,通过对比可视化结果,得出最适合应用在中低速运输过程中碰撞检测的算法。实验结果表明,贝塞尔滤波算法在该场景中总体效果较优,可有效过滤干扰较大的数据噪声。