关键词： 冬枣检测   特征提取   动态检测头   DA-YOLOv8-2DH   实时检测  

摘要： 【目的】针对冬枣采摘机器人实时检测的需求,解决现有模型在嵌入式部署中存在的冗余计算、速度不足,以及在遮挡和弱光环境下漏检的问题。【方法】以YOLOv8n为基线,提出一种兼顾检测精度与推理效率的轻量化算法——DA-YOLOv8-2DH。该算法通过结构化剪枝与尺度重构,剪除一条浅层分支及大目标检测头,形成双尺度输出以减少冗余计算;在backbone和neck中,将C2f模块的bottleneck残差堆叠替换为单通路可变形注意模块,利用稀疏自适应采样提升对簇状及部分遮挡冬枣目标的感知能力,同时降低内存访问开销;在保留的两个检测头中引入裁剪后的动态检测头,以增强中小尺度及重叠目标的区分能力。【结果】在自建数据集上,所提算法的平均检测精度(mAP)达到92.9%,模型尺寸为1.9 MB,检测速度为98.04帧·s^(-1)。【结论】与其他算法相比,DA-YOLOv8-2DH算法在冬枣检测精度方面实现提升,同时保持较强的迁移能力与实时性,对冬枣园采摘机器人实时检测具有重要参考价值。

关键词： 机器学习   大数据   体重预测   发情监测   疾病预警   智慧养殖  

摘要： 近年来，越来越多的智能设备已投入牛羊生产中使用，为精准、高效的获取个体与环境表型数据提供了新途径。然而，如何科学的处理和分析大批量的数据，对管理者提出了新的挑战。机器学习能够通过算法与模型自主学习来自各类传感器的高维数据并从中提取关键信息，进行回归预测或不同疾病预警模型构建，辅助管理者及时进行干预，从而提高管理效率。本文主要综述了机器学习的基本流程，牧场中常用的机器学习算法，及其在体重预测、热应激预警、乳房炎预警、发情监测等方面的应用情况，并对现有问题进行总结分析，以期对我国智慧畜牧业的发展提供理论参考。

关键词： 老年骨质疏松症   绝经后   危险因素   临床辅助决策  

摘要： 目的基于大数据分析老年绝经后骨质疏松症的危险因素与临床辅助决策研究。方法纳入369例老年绝经后女性患者进行研究,经纳入及排除标准筛选最终纳入323例患者,根据T值分为骨质疏松症组(n=216,T值≤-2.5)和非骨质疏松症组(n=107,T值>-2.5)。比较两组临床资料的差异性,对可能影响老年绝经后骨质疏松症的相关因素进行对比及Logistic回归分析,绘制受试者工作特征(ROC)曲线分析其对老年绝经后骨质疏松症的筛选作用。结果323例老年绝经女性中发生骨质疏松症216例(66.9%)。两组年龄、绝经年龄、绝经时长、骨密度、身高、体重、体质量指数(BMI)、腰背痛占比、腰背痛视觉模拟评分法(VAS)评分、亚洲骨质疏松风险指数(OSTA指数)比较有显著性差异(P<0.05)。单因素二元Logistic回归分析显示,年龄、腰背痛、腰背痛VAS评分是老年绝经后骨质疏松症的危险因素,绝经年龄、身高、体重、BMI、OSTA指数是老年绝经后骨质疏松症的保护因素(P<0.05)。多因素二元Logistic回归分析显示腰背痛、腰背痛VAS评分是老年绝经后骨质疏松症的独立危险因素,绝经年龄和OSTA指数是老年绝经后骨质疏松症的保护因素(P<0.05)。OSTA指数和绝经年龄筛选老年绝经后骨质疏松症的最佳截点分别为-3.55(灵敏度为0.509,特异度为0.729)和50.5岁(灵敏度为0.815,特异度为0.504)。腰背痛筛选老年绝经后骨质疏松症的曲线下面积(AUC)为0.653,灵敏度为0.755,特异度为0.551;腰背痛VAS评分筛选老年绝经后骨质疏松症的AUC为0.687,最佳截点为1.5分,灵敏度为0.509,特异度为0.785。结论绝经年龄和OSTA指数是老年绝经后骨质疏松症患者的保护因素,腰背痛及其VAS评分是老年绝经后骨质疏松症患者的独立危险因素。对于门诊就诊的绝经后老年妇女,特别是农村地区的老年妇女,应特别询问其绝经年龄,评估OSTA指数及询问其腰背痛及其疼痛程度。

关键词： 大数据产业   产业链   微观企业   时空格局   影响因素  

摘要： 大数据产业时空分布特征与空间布局偏好是“数字中国”战略实施的关键基础科学问题,并直接影响区域经济高质量发展和社会治理现代化的实现。基于2000—2023年大数据产业微观企业数据,本研究从产业链视角构建大数据产业数据库,综合运用平均最近邻指数、标准差椭圆、核密度分析、Dagum基尼系数及地理探测器等方法,分析了大数据产业时空分布特征及其影响因素。结果表明:1)上游企业主要分布在经济发达和电子基础制造基础较好地区,中游企业空间分布从东部科创中心城市向中西部地区延伸,并呈现多中心集聚格局,下游企业则在各省会城市和区域中心城市集中分布。2)产业链各环节企业的空间分布中心向西南方向移动,其中上游以北京、杭州、上海、深圳和成都为主要集聚核心,中下游呈现多核心分布。3)大数据产业企业空间分布差异呈上游逐渐增大、中下游差异缩小趋势,其中地区间差异是空间分布差异的主要来源。4)人力资源水平和布局成本是大数据产业空间布局的核心影响因素,其中大数据上游还受区域大数据产业运营环境的影响,而中游企业除运营环境外还受到技术优势的显著影响,下游企业则高度依赖科技创新能力和居民消费水平。

关键词： 数字囤积   算法驯化   主体性实践   权力协商  

摘要： 数字时代,数字囤积已从个体行为演变为一种典型的媒介实践,但既有研究多囿于“病理化叙事”或“技术决定论”的二元框架,未能充分揭示其背后的复杂机制。采用参与式观察与半结构化访谈相结合的质性方法,以小红书、抖音和哔哩哔哩为数字田野,可聚焦用户数字囤积行为的实践逻辑与意义建构。研究发现,数字囤积并非被动的存储行为,而是用户在算法环境中积极建构主体性的传播实践,具体呈现为工具性、情感性与象征性三个维度;同时,该行为也是“用户—算法—平台”之间动态的权力协商过程。然而,用户的主体性表达常伴随权力的隐性让渡,抵抗行为亦难以摆脱技术资本的收编,陷入“赋权与让渡”“抵抗与收编”的双重困境。其背后是算法权力通过数据商品化与规则霸权实现的隐性再生产。基于此,构建“三维互动+双循环博弈”的辩证驯化模型,提出构建兼具传播赋能与治理适配的双重框架,以期为理解数字时代“人—技术—资本”的复杂关系提供新的理论视角与实践参考。

关键词： 轻量级定位   海洋传感网   多源观测信息   最小二乘法框架  

摘要： 海洋传感网（Ocean Sensor Networks， OSNs）是海洋资源开发和环境监测的重要手段，其中位置的获取（定位）是关键前提。然而，现有的定位算法因受外部环境及单一观测手段的限制，其精度仍存在一定的改善空间，并且无法较好地平衡定位精度和效率之间的关系。为此，本文提出一种利用多源观测信息融合的轻量级定位（Information Fusion-based Lightweight Localization， IFLL）算法。首先通过等梯度声速剖面理论和斯涅尔定律推导出海洋多源信号的分层传播模型，并利用到达时间（Time of Arrival， TOA）和接收信号强度（Received Signal Strength， RSS）方法，构建混合测距的最小二乘（Least Squares， LS）定位框架。随后运用最小二乘残差法（Least Squares Minimal Residual， LSMR），通过迭代获取粗粒度估计位置，并以此为基准，推导得到一阶线性展开的多源观测定位信息修正模型，从而获取细粒度估计值。仿真实验表明，本文方法相比于现有方法，能够在锚节点数量、噪声方差等不同的变量设置场景下，在定位精度方面提升至少34%，效率方面提升至少45%。

关键词： 大数据   图像史   量化研究   研究范式  

摘要： 当下,大数据与电子计算技术的兴起,为传播学、历史学、艺术学及其他学科的研究在资料收集、储存、分析和运用方面,带来了研究主体思维、研究范式、叙事方式、历史价值呈现模型等方面的多重机遇与挑战。其中,对史学研究领域的“图像史”研究冲击尤其巨大。“图像史”的研究应该借力大数据发展带来的机遇,坚持唯物史观,加快图像数据库建设,搭建智能化网络平台,不断探索量化的研究范式,引入新的研究方法,以此来推动数据图像史学的科学化和学科化。

关键词： 路径规划   卡尔曼滤波   矿井巡检   混合蚁群算法  

摘要： 随着我国煤矿开采深度与强度加大,瓦斯灾害风险上升,传统巡检方式存在不足,矿井巡检机器人成为新手段,但面临定位误差较大和路径规划易陷入局部最优等问题。鉴于此,笔者将扩展卡尔曼滤波(EKF)与单线激光雷达里程计融合,提出阈值化-稀疏化扩展卡尔曼滤波-同步定位与建图策略。以势场-信息素混合优化蚁群算法(ACO)重构路径规划,引入多种机制兼顾搜索与收敛。实验结果显示,混合优化蚁群算法最终路径长度119 m,比传统蚁群优化算法、A*算法分别缩短9、19 m。极端环境中212次迭代收敛。改进系统巷道中心定位精度达15~25 mm,复杂转弯处误差100~150 mm,低复杂度环境下导航成功率超95%,极端条件达65%。该方法有效提升了矿井巡检机器人的定位精度与瓦斯巡检效率。

关键词： 太阳能电池板表面缺陷   多尺度特征   共享细节增强卷积检测头   损失函数  

摘要： 针对太阳能电池板表面缺陷类型多样、尺度差异显著而导致现有模型检测精度受限的问题，提出一种基于YOLOv11的太阳能电池板表面缺陷检测算法ADCE-YOLO。首先，结合卷积元变换器（Convolutional MetaFormer， ConvFormer）与卷积门控线性单元（Convolutional Gated Linear Unit， CGLU）的设计思想，构建C3K2-CF-CGLU特征提取模块，通过对特征进行空间维度的交互融合与通道维度的动态筛选，从而实现更高效的特征表达；其次，基于注意力尺度序列融合（Attentional Scale Sequence Fusion， ASF）网络结构，对模型颈部网络进行改进，构建尺度序列特征融合模块（Scale Sequence Feature Fusion Module， ScalSeq）实现深层特征图中的高层语义信息与浅层特征图中的细节信息的有效融合，构建三重特征编码模块（Zoom-based Triple Feature Encoding and Concatenation Module， Zoom＿cat）来融合不同尺度特征以提升局部细节表达能力，从而整体提升颈部网络的多尺度特征整合能力和关键细节保留能力；随后，设计共享细节增强卷积检测头（Shared Detail Enhanced Convolutional Detection Head， Detect-SDEC），通过共享细节增强卷积结构并结合组归一化策略，在降低参数冗余的同时，整体提升了检测头的定位精度；最后，设计融合指数移动平均与滑动阈值机制的EMASlideLoss（Exponential Moving Average Slide Loss）损失函数，使模型在训练过程中动态更新IoU阈值，更加关注难以区分的样本。实验结果表明，改进方法在mAP@0.5和mAP@0.5:0.95指标上相较于YOLOv11n分别提升2.2%和4.3%，且参数量仅为2.08M，减少了19.4%。上述结果验证了ADCE-YOLO在太阳能电池板表面缺陷检测任务中的有效性，其较小的参数规模也有利于部署于边缘设备中。

关键词： 高效多尺度海洋数据同化   高分辨率海洋模式   耦合预报系统  

摘要： 基于高分辨率耦合模式的数值海洋气象-气候环境预测具有重要的现实意义。以一种高效的海洋数据同化(Ocean Data Assimilation,ODA)算法初始化高分辨率耦合模式是进行海洋预测的关键步骤。本文提出了一种新的ODA算法,该算法能够捕捉多尺度观测信息,并将其应用于混合同化框架中。该框架采用两种不同的方法:高效三维变分(3-Dimensional Variational,3DVar)法和集合最优插值(Ensemble Optimal Interpolation,EnOI)法。这一新算法在超级计算机运算能力有限的情况下,仍可将多源观测数据同化到任何高分辨率耦合模式中,从而支持海洋环境的天气-气候分析与预测。