期刊详情

查看往期

期刊目录

2026年09期

算法研究与应用 | 基于改进 YOLOv5 的实时苹果检测方法研究

摘要：本文针对苹果采摘机器人对目标检测存在精度低、漏检率高的问题，提出一种改进YOLOv5苹果检测方法（YOLOv5s-FA算法）。首先，将FocalNet模块嵌入YOLOv5s骨干层，在苹果检测任务中突出有用信息、抑制无用信息，使模型的检测精度得到提高。其次，采用Meta-ACON激活函数代替SiLU激活函数，提高YOLOv5s模型的前向传播和泛化能力。实验结果显示，YOLOv5s-FA算法对苹果检测的mAP达到91.9%，检测速度为30.2 fps。与其他模型相比，YOLOv5s-FA算法优势较为明显，对推进苹果自动检测的发展具有现实意义。

算法研究与应用 | 基于细粒度自适应特征增强的小目标检测方法

摘要：目标检测是计算机视觉核心研究方向之一，复杂场景小目标检测因应用价值突出成为研究热点，但其特征弱小、易受背景干扰，检测精度难以有效提升。本文基于YOLOv7算法开展改进研究：构建多尺度融合特征增强路径聚合网络(MSFE-PANet)，新增小目标专属预测尺度，结合注意力机制与多特征融合策略，强化小目标特征表达；同时针对卷积池化造成细粒度信息丢失问题，提出了细粒度自适应特征融合方法(SPD-ASFF)，以SPD-Conv模块替换浅层池化与跨步卷积，优化下采样过程，有效保留图像细节特征。实验结果表明，改进算法在VisDrone2021数据集上mAP达49.10%，在PASCAL VOC数据集上mAP达93.0%，模型保持轻量化，在复杂场景小目标检测任务中综合性能优势显著。

算法研究与应用 | 基于自适应聚合权重的联邦学习算法研究

摘要：联邦学习以分布式机器学习为基础框架，在不将数据移出本地的前提下，协调多终端共同完成模型训练，兼顾数据利用与隐私保护。然而在落地实践中，客户端异构性会在聚合阶段引发客户端漂移问题，制约全局模型的收敛速度与最终精度。为此，本文提出一种基于自适应聚合权重的联邦学习方法，服务端在全局聚合时，依据各客户端本地数据占比与模型准确率动态调整聚合权重，使表现更优的本地模型在聚合中发挥更大作用，引导全局模型向更优方向收敛。本文在MNIST和CIFAR-10数据集上与FedAvg、FedAaw开展对比实验，结果表明，本文所提方法相较另外两种方法具有更高的准确率，收敛所需通信轮数均减少40%以上，可有效降低通信开销。

智联网络技术 | 基于分布式边缘计算的医疗设备数据智能采集网关设计

摘要：针对传统透传式医疗设备数据采集网关易导致服务器负载过高、数据实时性不足、冗余数据占用资源等问题，本文设计一种基于分布式边缘计算的智能采集网关。该网关基于RPC Thrift框架构建与服务器的通信架构，通过设备唯一标识完成合法性认证并获取协议配置，在边缘端实现数据筛选、参数提取及数值校验等数据预处理，再以私有协议将处理后数据传输至服务器。实验结果表明，与传统透传方式相比，该网关可显著减少传输数据量、降低解析耗时、节约服务器资源，保证数据解析的真实性与准确性，可满足ICU、手术室等特殊医疗场景的高要求；且具备良好扩展性，可通过挂载协议动态链接库适配新增设备，为医疗信息化建设提供高效稳定的解决方案。

人工智能 | AIGC 的保护困境与邻接权路径证成

摘要：当前司法实践已逐步承认人工智能生成物(AIGC)的可版权性,确立了以人类智力投入为核心的基本判断维度,但在独创性的判定和权利主体归属方面仍未统一司法标准。将AIGC认定为作品并纳入狭义著作权体系,会暴露出两大核心问题:一是独创性认定标准存在逻辑缺陷,二是将使用者或投资者认定为权利主体缺乏充分的法理基础,并造成激励机制的失衡和公共创作领域的侵蚀。鉴于此,本文主张创设新型邻接权,以数据成果作为保护客体,并探讨该种邻接权的权利主体以及保护范围。该制度设计回应了人工智能产业发展对法律保障的需求,保护强度与AIGC的价值相匹配,具有理论自洽性与实践可行性。

人工智能 | 面向肿瘤学领域问答系统的术语感知微调方法研究

摘要：面向肿瘤学问答等垂直领域，大语言模型易出现关键术语模糊、识别效果不佳的问题。本文设计并实现一种术语感知加权微调方法，以DeepSeek模型为基座，结合QLoRA方法开展参数高效微调，利用TF-IDF算法从训练集答案中抽取肿瘤术语。在训练阶段，当模型计算损失时，通过对答案区域内术语token赋予更高损失权重，引导模型更准确地生成肿瘤学术语，有效提升模型问答生成质量。结合6500条开源样本上的消融实验（原始模型、标准微调、加权微调三组）显示，加权模型在多项评估指标中均表现最优。实验结果表明，该策略能够有效提升术语生成质量，为垂直领域微调提供可复现的路径。

人工智能 | 复杂场景下基于注意力机制的目标检测算法改进

摘要：目标检测是计算机视觉中的关键任务，已在多类场景中落地应用，但在低照度、遮挡、密集小目标和动态漂移等复杂场景下，仍易出现特征污染、背景误激活及定位偏差等问题。本文引入退化门控注意力、跨尺度交互注意力与任务对齐检测头，构建特征净化、多尺度特征融合和在线校准框架，提升复杂场景检测鲁棒性。实验表明，改进模型平均精度均值达46.8%，小目标指标较YOLOv8s提高5.6个百分点；相较DETR、ATSS、RT-DETR算法保持性能优势，为复杂场景检测优化提供部署参考。

应用创新实践 | 基于 STM32 的智能灌溉控制系统设计

摘要：针对传统农业灌溉水资源浪费较多、人力成本较高、效率较低等问题，设计了一套基于STM32的智能灌溉控制系统。系统选用STM32F103C8T6单片机作为主控模块，结合Risym电容式土壤湿度传感器实现土壤含水率的数据采集，采用DHT11温湿度传感器获取空气温湿度；通过OLED实时显示环境状态，利用水泵和蜂鸣器作为控制模块，依托无线模块完成数据传输与云平台监测，实现数据的远程监测与控制。用户可通过按键和APP切换手动和自动控制模式，系统同时支持阈值设定与修改，大幅提升设备适配灵活性。测试结果表明，该系统能够实时监测田间环境数据，具备自动远程灌溉管控能力。

应用创新实践 | 多光谱融合与区块链技术的中药材道地性鉴别及追溯隐私保护*

摘要：针对中药道地药材市场产地混淆、伪品泛滥、传统追溯体系精度不足、数据安全风险高等痛点，本研究构建“光谱—安全—平台”三维协同的全链路智能监管体系。在道地性鉴别层面，融合近红外、中红外、高光谱图像数据，通过主成分分析（PCA）、卷积自编码器（CNN-AE）完成特征降维，构建支持向量机-随机森林（SVM-RF）集成模型；以黄芪为例，产地鉴别平均准确率达96.07%。在隐私保护层面，设计“双级编码”架构，采用国密SM4算法加密敏感数据，结合SM3哈希链动态密钥机制与四维访问控制矩阵，实现数据分级管控。在追溯平台层面，依托华为云区块链服务，确保全流程数据不可篡改、可信可查，为中药材质量保障与可信追溯提供了高效可行的技术方案。

应用创新实践 | 基于PPO强化学习模型的多任务资源调度方法

摘要：在多任务资源调度场景下资源冲突问题复杂多变，传统调度方法在面对大量资源冲突时往往存在调度性能不高的问题。为此，从多任务资源调度的应用需求出发，引入强化学习方法，提出一种基于PPO(近端策略优化)模型的智能资源调度方法，并对模型参数设计进行详细分析。该方法将资源调度时间调整过程映射为PPO模型的交互学习动作，使任务片序列执行时间的优化具备智能调整能力。仿真结果表明，该强化学习调度算法在复杂场景下具备优异的任务调度性能，相比传统资源调度方法，可有效提升多任务资源调度效率。

应用创新实践 | 基于图神经网络与增量学习的工业大型设备关联数据异常检测

摘要：针对现有工业设备异常检测方法对大型设备运行数据动态变化适应性不足的问题，本文提出基于图神经网络与增量学习的异常检测方法。构建设备间关联的图结构，利用图神经网络提取节点、边的时空特征，捕获大型设备运行状态之间的复杂依赖关系。引入增量学习机制，通过在线更新模型参数适应数据分布的动态演变，使检测模型能够跟随大型设备运行工况的变化而持续调整。结合重构误差与残差分布对设备运行状态进行异常判别，通过残差分布的统计偏离程度判断异常发生。实验结果表明，在多个工业场景下该方法能够准确捕捉大型设备关联数据的异常波动，漏报率较对照组显著降低，并能在设备状态发生细微改变时及时响应，具有更强的自适应能力和更高检测精度。

应用创新实践 | 基于数智协同构建新型配电网精益降损评估及分层决策体系

摘要：在“双碳”目标与新型电力系统建设背景下，高比例分布式电源与多元负荷接入，使得配电网潮流呈现显著的随机性、双向性与概率化特征，传统物理模型难以实现线损的精准刻画与治理。本研究构建一套数智驱动的配电网差异化降损评估与优化体系。首先，采用物理引导的蒙特卡洛改进算法，在计及多元不确定性因素的基础上提升损耗核算的概率化精度；其次，发挥图神经网络处理异构拓扑关联的优势构建智能诊断模型，从时空多维度揭示技术指标与管理缺陷对损耗的影响机理；最后，通过分层递进的协同优化模型实现降损策略匹配，体系构建线损“主动感知—深度认知—精准决策”的闭环管理路径，为电网精益化管理提供有力支撑。

计算机教育 | 基于Kano模型提高学前教育专业课堂教学满意度的路径研究

摘要：以高职学前教育专业学生为研究对象，采用Kano模型、Better-Worse系数与多元线性回归分析方法，基于290份有效问卷，从学习环境、实习实训、师资条件、课程教学、知识学习、实践应用六个维度开展课堂教学满意度实证研究。结果表明，课堂教学各项指标以期望型需求为主；通过Better-Worse系数可划分为优先优化、重点提升、基础保障三个层级，教学过程类指标改进价值最高。回归结果显示，师资条件、知识学习对实践应用能力呈显著正向影响，学习环境与实习实训影响不显著。据此构建“教学条件—学习过程—实践应用”课堂满意度形成路径，并从基础保障、教学过程、师资建设、知识转化四个方面提出优化对策。研究可为高职学前教育课堂教学质量提升与资源配置提供实证参考。

计算机教育 | AIGC赋能高职“物联网应用开发”课程教学改革研究

摘要：针对高职“物联网应用开发”课程传统教学与产业数智化转型需求脱节的问题，为落实职业教育数字化战略行动，立足贵州智慧农业产业岗位需求，本研究以岗课赛证融通为核心，采用对照实验法，构建AIGC赋能的“目标锚定—内容重构—模式创新—评价优化”四维教学改革路径。研究重构数智化复合型人才培养目标，设计AIGC+三阶模块化教学内容，强化AIGC生成代码与物联网硬件适配教学，创新三维协同教学模式，将人机协同能力纳入考核评价维度，建立多元综合评价机制。以98名学生为研究对象开展实证检验，结果表明：实验组课程考核平均分提升20.1%、高分段占比较对照组提高34.7个百分点，学生工程实践能力、人机协同能力与岗位适配度均有明显提升。

计算机教育 | 高职院校分层教学模式研究

摘要: 本文以高职院校“C语言程序设计”课程为例,针对高职学生在基础知识水平、学习能力、兴趣爱好等方面存在较大差异的现实,构建由兴趣、学习能力、自我认知、学习态度与知识掌握情况构成的多层次学生评估指标体系,在此基础上设计了包括“学生—课程内容—教学目标—综合评估”的分层教学模式并应用于课堂教学。该模式能够有效满足不同层次学生的需要,促进学生高阶思维发展与自主学习能力提升,进而提升教学质量,有利于教育公平的实现。

计算机教育 | 基于 AI 驱动的 Web 前端开发课程教学改革与应用研究

摘要：生成式AI推动计算机行业人才需求向AI编程方向转型，传统Web前端开发课程重理论、轻实践，难以适配行业复合型人才培养要求。本文结合AI技术与岗位需求，依托学习通平台构建“134教学模式”，搭配课程知识库AI助教，以培养学生AI编程思维为核心，形成教师、学生、AI助教三方联动教学体系。课前学生借助AI助教完成智能预习，课中教师依托AI优化教学环节，课后AI助教辅助学生完成项目实践。该模式融合思政教育、跨学科知识、科研成果与岗位要求，旨在探索AI赋能Web前端课程的新型教学路径。教学实践表明，该模式可有效提升学生生成式AI辅助编程能力、自主学习能力与职业竞争力。

计算机教育 | 基于Webots软件的无人机仿真实验教学体系构建

摘要：高校无人机传统实验教学存在设备造价高、真机操作风险高、器材损耗大、复杂场景实验难以落地、学生实操时长不足等问题。立足新工科实践教学改革要求，本文依托Webots虚拟仿真平台，搭建分层递进式无人机虚拟仿真实验教学体系。借助平台高精度物理仿真、场景与算法自定义优势，完成整体架构、实验模块、教学流程及考核评价体系设计。教学实践证实，该体系可规避实体教学安全与硬件约束，显著提升学生实操次数，锻炼无人机操控、算法运用与工程创新素养，弥补传统教学模式的不足，可为相关课程实践教学改进提供新的思路。

计算机教育 | 基于生成式 AI 的电子信息实践类课程教学模式创新研究

摘要：针对传统电子信息实践类教学中系统设计教学环节存在设计迭代滞后、创新空间狭窄、设计思路固化、师生互动效率低下等问题，本文提出一种“生成—评审—迭代”新型教学模式。该模式创新性地将生成式人工智能融入实践教学环节，使其成为学生设计系统的智能设计伙伴，引导学生从最基本的自然语言需求描述出发，经AI辅助生成基本设计方案，再通过批判性技术评审，形成人机协同迭代优化的完整设计流程。教学实践结果表明，该模式在“电子系统课程设计”实践教学中应用后，与传统教学方法相比，学生在系统设计的方案上体现出更多创新性，设计效率显著提高，批判性思维模式得到有效培养。

计算机教育 | 面向工程能力培养的计算机视觉案例库建设与实践

摘要：计算机视觉是电子信息等领域专业学位研究生的核心课程。本文探讨了计算机视觉教学案例库的建设思路与实施路径，以行业需求为导向，采用项目驱动理念，构建包含“基础应用”“复杂实际应用”两层，共14个典型工程案例的资源库，并阐述了案例库的设计方法、设计过程及特色，为专业学位硕士研究生实践能力培养目标的实现提供支撑。

经验技巧 | 扣子平台赋能的AI智能导学系统设计与实现

摘要：针对“Python与数据分析”课程“实践性强但反馈迟滞”的痛点，本研究基于扣子平台设计了智能导学系统。系统采用“系统学习”与“自由问答”双模块设计：前者通过大语言模型拆解知识点为“概念—示例—误区”微内容，动态生成代码练习题并支持实时代码运行与检查；后者提供即时答疑。基于91份有效问卷的评估显示，系统整体满意度为3.76/5（SD=0.72），信度优秀（Cronbach's α=0.878），使用意愿维度得分最高（M=3.87）。初学者与有基础用户各维度无显著差异，跨群体适配性均衡。高频组与低频组经多重比较校正后差异均不显著，学习效果维度仅呈边缘趋势（p=0.044）。开放反馈显示，动态生成知识点、智能出题与代码实时纠错最受认可，系统具备教学应用前景。

经验技巧 | 云端—本地双模式私有知识库 RAG 问答系统设计与实现

摘要：针对大语言模型在私有知识库场景中知识边界不足、易产生幻觉、本地部署适配性差等问题，本文设计并实现云端—本地双模式私有知识库RAG问答系统。系统采用前后端分离架构，集成LangChain、Chroma向量数据库与多模态大模型API，构建文档解析、语义分块、向量索引及检索增强生成的完整技术链路。针对Google/Gemma-4-E4B等本地轻量化模型上下文窗口有限、指令遵循能力偏弱的问题，提出轻量化RAG、两段式摘要回答与关键词增强检索三项优化策略，实现云端高性能与本地隐私安全的灵活切换。实验表明，云端模式准确率达96.7%，响应时间1483 ms；本地优化模式准确率提升至95.6%，响应时间降低30.7%。系统功能完备、运行稳定，可为私有知识库智能化工程化落地提供可复现技术方案。

经验技巧 | 高校AI教育平台的本地化部署:架构设计与性能基准评估

摘要：高校部署AI教育平台面临商业SaaS模式便捷高效、但存在数据主权隐患，自托管架构开发周期长、运维负担繁重的双重矛盾。本文基于Next.js 16与PostgreSQL 16搭建Supabase适配层，依托Proxy惰性求值机制，采用原生pg驱动替换官方Supabase开发工具包，实现零代码修改云端向本地私有化部署迁移，并将该实施方案抽象为通用的“SaaS转本地化适配模式”。性能基准测试在Intel Xeon Platinum 8369B(4核、16 GB)环境下完成，读操作时延45 ms、写操作时延89 ms；连接池自适应扩缩容策略基于真实高校负载日志的统计分析推导阈值，500并发场景下平均响应时延稳定控制在120 ms以内。成本分析表明，本文方案年费为0.5万元—2万元，远低于商业SaaS模式的10万元—30万元。