关键词： 低龄少儿   知识服务   智慧应用场景   人工智能  

摘要： [目的/意义]数字化转型为出版行业带来了革命性的变化,人工智能在低龄少儿知识服务中的应用展现了巨大的潜力。人工智能正朝更智能化、自主化和通用性特征的AGI方向演进。在知识服务技术快速迭代的背景下,传统伴学终端与智能音像等设备的功能短板日益显现,难以适配低龄少儿动态发展的学习刚需。[方法/过程]本文聚焦于AGI背景下低龄少儿知识服务中的智慧应用场景,探讨其在认知启蒙、互动式学习、智能绘本体验和多模态娱乐陪伴等方面的具体实践,为低龄少儿提供丰富、个性化的学习体验。同时,针对目前智能输出内容存在逻辑跳脱与价值偏差、过频依赖数智产品对低龄少儿身心健康产生潜在影响以及产品细节规范等现实问题,提出优化策略。[结果/结论]旨在加强媒介协同干预,汇筑教育合力,推动人工智能在低龄少儿知识服务中健康发展,为低龄儿童提供更加安全、有效的服务。

关键词： 金属回收   报废汽车   多模态   图像配准   算法  

摘要： 精准的图像配准是实现报废汽车金属智能识别与回收的关键。多模态图像融合能够显著提升识别性能，但受限于红外热成像与可见光图像在光谱响应、成像机制及几何结构上的差异，其配准过程常受到传感器偏差、环境噪声和采集误差的影响。为解决上述问题，本文提出一种基于难度自适应机制的跨模态图像配准框架——RDA-Net（Registration Difficulty Assessment Network）。该网络由五个功能模块组成，分别针对模态差异增强、特征提取、复杂度判别、动态分流与融合重建进行优化，并结合判别式配准策略与特征协同约束损失函数，实现了跨模态特征的精确对齐与高效融合。实验在构建的铜、铝及其合金多模态图像数据集上进行，结果表明，RDA-Net网络并引入强化学习动态决策模块后，在匹配正确率（CMR = 0.67）、加权互信息（WMI = 0.65）和归一化互信息（NMI = 0.14）等指标上显著优于传统算法（ORB、SIFT、SURF、MI）及主流深度学习方法（SuperPoint+SuperGlue、LOFTR），均方根误差（RMSE）降低至4.51 px，配准时间优化为1.42 s。消融实验进一步验证了残差块、维度分支与热力图模块在特征一致性与信息保留中的关键作用。研究结果表明，RDA-Net 为复杂工业环境下红外热成像/可见光图像配准与金属智能识别提供了一种高精度、鲁棒且高效的解决方案。

关键词： 茶芽识别   YOLOv8   密集目标   多重注意力   深度学习  

摘要： 针对茶芽密度高、遮挡严重导致的茶芽识别精度低、难以满足无人化采收需求的问题,提出了改进的Tea-YOLOv8-Pruning模型,来优化高密度场景下的茶芽检测。为增强Tea-YOLOv8-Pruning模型对全局特征的感知能力,在原YOLOv8中引入了双注意力(A2Net)模块。通过在检测头中引入Multiple-SEAM模块,建立不同密度区域中茶芽之间的特征关系,利用未遮挡茶芽的关键特征预测出重叠率高且遮挡严重茶芽的特征信息,提升模型对密集场景下目标的检测能力。考虑密集场景下因茶芽重叠易出现冗余检测框的问题,在YOLOv8中引入Repulsion损失函数,利用吸引与排斥策略,保证预测框向真实框靠近,相邻非同一目标的预测框相互排斥,减少漏检、错检率。同时,对改进模型进行了剪枝优化,提高检测速率。基于自建数据集开展了模型的性能对比试验,结果显示:改进的Tea-YOLOv8-Pruning网络的平均准确率(mAP)、精确率(P)和召回率(R)分别达到90.6%、87.9%和87.9%,明显优于Faster R-CNN、YOLOv8n和YOLOv10n。通过不同密度场景下茶芽的检测对比试验可知:Tea-YOLOv8-Pruning网络表现出了明显的优势,特别是在高密度复杂环境下正确识别数量更多、置信度更高,具有更强的检测性能和鲁棒性。

关键词： 开放科学   图情机构   智库   协同创新   运行机制   知识服务  

摘要： 图情机构与智库作为知识服务体系的重要组成部分,其协同创新已成为提升国家软实力和决策科学化水平的关键路径。探讨图情机构与智库协同创新的运行机制,能够促进知识资源的优化配置和创新能力的提升。通过分析我国图情机构的智库职能及与智库开展协同创新的实践,找出图情机构与智库协同创新发展存在的主要问题,最终提出图情机构与智库协同创新在战略层、资源层、过程层、输出层和保障层等五个层面的运行机制。通过建立制度化的组织运行机制,打通从数据收集到决策形成的“最后一公里”,最终形成供需匹配、流程嵌入、持续迭代、共生共荣的图情机构与智库协同创新生态系统。

关键词： 室内定位   WLAN射频指纹   时空关联特征   时空卷积门网络  

摘要： 本研究提出了一种基于时空特征卷积门控网络的WLAN射频指纹室内定位算法,并将其应用于消防救援场景。该算法结合卷积神经网络(CNN)和门控循环单元(GRU),同时利用WLAN射频指纹的空间分布特性和消防员移动轨迹的时空关联性。试验结果表明,本算法均取得最佳性能。相较于传统方法PLGD,本算法在平均绝对百分比误差(MAPE)指标上提高了超过50%。与先进的深度学习方法Deep‐CNN相比,本算法的MAPE指标也有显著提升,分别改善了11.15%和18.40%。这些结果证实了所提算法在提取和利用移动轨迹时空关联特性方面的优越性,为智能消防救援系统的开发和应用提供了重要的技术支持。

关键词： 大数据   舆情治理   风险识别   风险预警   应急响应  

摘要： 大数据技术的深度应用为网络舆情治理带来机遇,同时也使其面临全新挑战。本文对网络舆情治理领域的现有研究成果进行系统梳理和总结,提出“数据整合与风险识别—风险预警与评价定级—应急响应与协同治理”的舆情闭环治理框架,进一步探索跨平台舆情分析与预测、认知偏差研究以及信息共享与协同治理路径,以期为网络舆情治理的深化研究提供参考。

关键词： 干散货码头   煤炭   清舱机械   无人作业   路径规划  

摘要： 干散货码头作为煤炭、矿石等原材料进出口的交通枢纽,在大轮卸船后期,由于舱口尺寸以及货物本身特性,往往需要多类清舱机械下舱,将舱内边角的货物积料进行清扫归堆,目前伴随5G、人工智能、大数据等技术发展,清舱机械操作方式也逐步由远程控制替代现场人工。而煤炭具有黏稠度高、流动性差等特性,给清舱无人化的设计增加了难度,因此为实现煤炭物料的清舱机械自主、无人化作业,本文设计了一种基于最大最小蚁群算法的改进路径规划方法,引入模拟退火算法的首次搜索解对蚁群算法进行参数初始化,优化信息素更新机制,并通过仿真实验验证了该方法具有较快收敛速度以及实现最优路径规划。

关键词： 矿山巡检机器人   A-star   遗传算法   避障   路径规划   任务分配  

摘要： 近年来，矿山巡检机器人逐步代替人类在危险恶劣的矿山环境下执行巡视任务，但现有的巡检机器人在路径规划与巡检任务分配上存在效率低、路径长等问题，有必要开发更加高效的路径规划与任务分配方法。将遗传算法（Genetic Algorithm，GA），与A star算法相结合，提出了一种新型矿山巡检机器人路径规划方法。通过在A-star算法中融入四邻域与八邻域的搜索策略；再在估价函数中引入了权重，以优化搜索过程；最后改进了遗传算法的交叉与变异过程，引入了启发式交叉与克隆变异方法，以减少机器人执行任务过程中的耗时与移动距离。试验结果表明：① 采用改进A-star算法的路径规划方案路径拐点较少，不会与障碍物发生碰撞，且路径长度较短。该算法的路径规划时间与长度分别仅为7.2 s、29.8 m，明显低于其余算法。② 改进的遗传算法在巡检任务为18个时的平均移动距离仅为109.4 m，相比于模拟退火算法减少了4.8 m。研究反映出所提出改进路径规划与任务分配方法有效优化了矿山巡检机器人在复杂矿山环境中的路径规划质量与任务执行效率，具有一定的实际应用价值。

关键词： 智慧图书馆   数字化转型   智慧服务   人工智能  

摘要： 目前我国高校图书馆建设出现数字化转型,智慧图书馆建设亟待加强。通过文献与案例分析,发现智慧图书馆建设存在技术应用失衡、资源整合低效、服务模式更新滞后、数据安全与隐私保护存在隐患、技术与师生需求的适配性不足等问题。针对这些问题,未来智慧图书馆建设需要构建协同推进机制、提升智能化服务效能、完善共建共享体系、打造复合型专业队伍、筑牢数据安全防线、创新智慧服务模式。

关键词： 柑橘采摘机器人   感知算法   目标检测   SELNet  

摘要： 为解决柑橘采摘机器人作业中因类间和类内遮挡、光照条件复杂、尺度差异大等因素引起的检测精度不足,以及现有模型计算量过大所导致的实时性低的问题,提出了一种基于语义增强的轻量化柑橘成熟度检测模型(Semantically Enhanced Lightweight Networks, SELNet)。首先,在骨干网络将部分Conv块替换为GhostConv块,以减少算法的计算量,实现网络轻量化;其次,引入动态检测头(Dynamic Head, DyHead),通过在特征层次、空间位置和输出通道上整合多种注意力机制,使目标检测头能够统一实现尺度感知、空间感知、任务感知;最后,在颈部构建Simi-BiFPN网络,凭借交叉融合增强语义信息与浅层特征中丰富的位置信息,提升网络对多尺度目标的关注度,避免因柑橘目标尺度多变对检测算法造成的干扰。与目前的主流算法相比,SELNet在自制柑橘成熟度检测数据集中mAP@0.5达到93.6%,推理速度达到88.9 FPS,具有良好的鲁棒性。采摘试验结果表明,搭载SELNet检测算法的采摘机器人能够全面满足柑橘成熟度检测的高精度与高实时性需求。