关键词： 电阻层析成像   电导率分布   图像重建   原子轨道搜索优化  

摘要： 由于电阻层析成像逆问题存在病态性和非线性特征,重建图像质量较低。为此,提出了一种基于原子轨道搜索算法(AOS)的电阻层析成像图像重建方法。首先,将原始电导率分布作为AOS算法的输入,并随机初始化搜索空间中的候选解位置;其次,将搜索空间划分为若干假想层,再利用概率密度函数确定候选解分布位置,并基于光子、粒子或磁场的相互作用对电子位置进行迭代调整,使整个系统能量最低;接着,对各假想层内的候选解进行比较,选取目标函数值最小的解作为整个搜索空间的最优解,即电导率分布修正信息,采用该修正信息对原始电导率分布进行修正得到优化后的重建图像;最后,通过仿真和实验验证了所提方法的有效性,并对噪声条件下的图像重建质量进行了评估。

关键词： 算法   全栈自研   芯片   操作系统   汽车  

摘要： 进入新汽车时代,关于“灵魂”与“躯壳”的争论从未停歇。一方面,芯片、操作系统、算法等底层技术正成为定义汽车差异化的核心;另一方面,供应链“卡脖子”风险在经历多轮缺芯、断供后已从预警变为现实。在此背景下,“全栈自研”这一脱胎于科技圈的概念迅速被车企接棒。支持者认为,全栈自研是车企掌握自身命运的必经之路。

关键词： 生成式人工智能   非程式化劳动   技术扩散   岗位AI暴露度   技能补贴  

摘要： 生成式人工智能(GenAI)技术的快速扩散正在重塑劳动力市场结构,并对依赖认知判断、创意生成、情境适应和情感互动能力的非程式化劳动产生深刻影响。本文基于2019—2023年全国非程式化岗位招聘大数据与城市层面GenAI技术扩散数据,系统考察GenAI对非程式化劳动岗位AI暴露度的影响及其作用机制。研究发现:GenAI并未全面替代非程式化劳动,其影响主要表现为岗位任务结构和技能要求的重构,并通过岗位AI暴露度提升加以体现;半结构化任务介入是GenAI影响非程式化劳动的重要机制。任务复杂度和技能标准化程度具有显著调节作用,高复杂度任务能够弱化GenAI对岗位AI暴露度的提升效应,而高标准化技能则会强化这一效应。政策调节效应分析显示,技能补贴相较就业保障更有助于缓解GenAI扩散带来的岗位任务重构压力与技能错配风险。行业异质性分析表明,文化创意行业受GenAI冲击岗位AI暴露度提升幅度低于专业服务行业。进一步分析发现,中年劳动者、低技能适配群体以及中西部地区面临更高岗位AI暴露度。本文从任务结构重构视角拓展了生成式人工智能就业效应研究,为理解GenAI影响非程式化劳动的内在机制提供了微观经验证据。研究结论也为完善技能适配培训、公共就业服务、行业差异化治理和区域协同支持政策,推动GenAI技术进步与高质量充分就业协同发展提供了参考。

关键词： 云网边端   资源调度   非支配排序遗传算法II   禁忌搜索  

摘要： 为解决大规模多任务并发场景下云网边端资源调度因忽视网络层约束而导致的任务成功率低与负载失衡问题，提出一种融合禁忌搜索（Tabu Search， TS）与非支配排序遗传算法II（Non-Dominated Sorting Genetic Algorithm II， NSGA-II）的调度算法（TSNSGA-II）。综合网络链路带宽、传输时延以及云边节点的计算、存储能力，构建了考虑网络约束的大规模资源调度模型。针对传统 NSGA-II 在复杂网络约束下初始解质量差、局部搜索能力弱和收敛效率低的问题，在初始化阶段引入全局禁忌表屏蔽高时延链路，以此提升初始解质量；在迭代过程中采用由禁忌搜索引导的变异策略，增强局部搜索能力并加快向高质量解的收敛。最后，为验证所提算法有效性，在基于京津冀区域网络与节点分布特征构建的6类仿真场景中进行实验验证。结果表明，TSNSGA-II 算法在任务成功率与负载均衡性能上均具明显优势，并在多类复杂受限场景下保持了良好的鲁棒性。

关键词： 路面技术状况   道路资产   自动化检测   智慧管理平台   人工智能   大数据  

摘要： 随着我国道路基础设施规模持续扩大,既有道路的养护管理与状态评估面临数据不准、效率低下、安全风险高及资产信息碎片化等挑战,传统人工与半自动化方法已难以满足科学决策与精细化管理需求。本文融合先进传感技术、人工智能与大数据分析,提出一种基于多功能全自动检测装备与智慧化云管理平台的“检测-评估-决策-养护”一体化解决方案。通过集成激光扫描、高清视觉、动态摩擦与弯沉快速检测等技术,实现路面技术状况(PQI)多指标的高精度、不停车自动化采集。在此基础上,构建以GIS为核心、数据驱动、支持智能分析与可视化决策的道路智慧化管理平台,实现路况、路产、养护任务与绩效管理的全流程数字化与网络化协同。实践证明,该系统可显著提升检测效率与管理智能化水平,为道路资产的全生命周期管理与科学养护提供技术支撑。

关键词： 柑橘病虫害   图像去模糊   改进DeblurGAN-v2   MobileNetv3   深度学习  

摘要： 针对柑橘病虫害图像实时采集与检测过程中无人机运动和摄像头对焦不准导致的模糊问题,提出了一种高效的去模糊算法,即在目标检测算法前增加去模糊预处理环节,旨在提升图像清晰度,并增强检测精度和鲁棒性。本研究在DeblurGAN-v2主干网络中采用FPN-MobileNetv3-small轻量化结构,并引入SKNet(Selective Kernel Networks)注意力机制自适应选择卷积核尺寸,以实现轻量化和高效去模糊。此外,使用自校准卷积网络(Self-Calibrated Convolutions)动态调整卷积视场,丰富卷积表达,实际解决去模糊过程中细节易丢失、特征融合效果不理想的问题。试验结果表明:与原始模型相比,改进后模型的峰值信噪比(Peak Signal to Noise Ratio,PSNR)提升了3.25 dB,结构相似性指数(Structural Similarity,SSIM)提升了9.26%,模型大小为16.4 M,处理速度为41.7 FPS。利用YOLOv8模型进行目标检测,在模型召回率没有明显降低的情况下,模型的准确率(Precision,P)和平均检测精度均值(Mean of Average Precision,mAP)分别提升了3.8、1.8个百分点,验证了该去模糊算法的有效性。本研究为柑橘病虫害检测提供了更高质量的图像,对实现精准农业和提高农产品经济价值具有重要意义。

关键词： 钢材表面瑕疵检测   BiFormer注意力机制   NWD   CARAFE  

摘要： 目的 为提高对钢材表面瑕疵的检测能力,提出一种基于改进YOLOv7的钢材表面瑕疵检测算法。方法 针对YOLOv7原模型不擅长检测小目标瑕疵的问题,对原始特征融合网络中的SPPCSPC模块,结合BiFormer注意力机制,引入动态查询感知注意力,增强网络捕捉依赖长距离上下文的能力,提高网络提取特征的能力;引入针对小目标有效的损失计算方法 NWD,避免由于边界框离散变化而引起IoU的敏感性,通过丰富微小目标对应的正样本数量,提高检测精确度。以上2种改进策略重点关注模型对小目标瑕疵的检测能力,同时使用时会影响模型对中目标瑕疵和大目标瑕疵的检测效果。为了更好地检测钢材表面大小不一的瑕疵目标,引入轻量级上采样算子CARAFE,增大上采样视野,同时根据不同实例动态生成自适应内核,均衡网络对不同尺寸目标检测能力,使模型总体检测效果达到最佳。结果 在GC10-DET数据集上,提出的改进算法与原YOLOv7算法比较,mAP@0.5提高3.1%,mAP@0.5∶0.95提高5.3%,精确度提高6.6%,召回率提高5.5%,且具有较好的实时性。结论 与主流目标检测算法和先进钢材表面瑕疵检测算法对比,提出的改进算法综合优势较好,能够高效检测钢材表面瑕疵。

关键词： 电力巡检机器人   自主导航   近端策略优化   深度学习   路径优化  

摘要： 针对传统电力巡检机器人导航中收敛速度慢、轨迹优化不足的问题,设计了基于改进深度学习算法的自主导航系统。该系统通过激光雷达、图像等多传感器数据融合,结合LSTM网络处理历史运动状态,并引入通道注意力机制优化特征提取,利用近端策略优化(PPO)算法实现路径规划。在Gazebo仿真与实际场地实验中,系统在L型地形及含动态障碍的复杂场景下,路径长度均值为35.8 m,较改进粒子群算法和灰狼算法分别缩短4.28%和7.16%,运行时间减少25.03%和30.57%。实验表明,该系统在变电站复杂环境中能精准识别狭窄通道(可行阈值3 m),碰撞阈值内位姿调整响应时间小于0.5 s,满足智能电网巡检的高效性与安全性需求,为电力机器人自主导航提供了技术方案。

关键词： 知识服务   知识匹配   非完备案例知识   加权最近邻   缺失森林   邻域粗糙集  

摘要： 为改善知识服务效益、解决非完备案例知识属性值缺失的问题,设计了基于WKNN-MF与NRS的知识匹配方法。该方法利用WKNN算法对非完备案例知识集实施预填充,作为缺失森林算法相应计算的基础,并由WKNN-MF获得完备案例知识集;在此基础上,对案例视图进行NRS约简,剔除冗余属性;进而基于知识视图相似度搜寻类似案例并确定最终结果。基于3个不同UCI数据集的实验结果表明,相较于既有数据填补算法,本方法对非完备案例知识集具有更优的填补实效。

关键词： A^(*)算法   柔性作业车间   调度优化   启发式搜索   生产状态图  

摘要： 针对柔性制造系统作业车间调度中的状态空间爆炸问题,提出一种基于生产状态图与A^(*)算法的调度方法。首先,建立调度问题的混合整数规划模型,构建生产状态图模型形式化描述系统生产状况,将调度问题转化为图搜索任务;然后,结合关键路径剩余时间、剩余工序最小加工时间总和两大要素,设计两种启发函数,通过A^(*)算法搜索求解高质量的调度策略。实验结果表明:关键路径剩余时间的启发函数满足可采纳性,在小规模调度场景中可获得全局最优调度效果;剩余工序最小加工时间总和启发函数虽不满足可采纳性,但求解效率突出,在大规模多批次场景中能获得接近最优的调度效果,且综合性能更优;两种启发函数下的A^(*)算法求解效率均显著优于Dijkstra算法。