【摘 要】
：
针对传统鱼缸观赏鱼喂养模式过程繁琐以及环境信息难以调控等已存在的问题,设计一个能对观赏鱼生长全过程进行实时监控的观赏鱼智能喂养系统,该系统由下位机前端硬件感知系统和上位机后台软件两个部分组成.前端硬件感知系统负责传感器数据采集、摄像头数据采集、硬件设备控制以及利用GPRS与上位机的数据通信.上位机可以对数据进行存储和有效的分析并且利用神经网络与深度学习算法对观赏鱼进行种类识别并做出相应反馈与决策.在实现远程监控的基础上进一步实现了鱼缸环境因子的精确测量与观赏鱼生命状态的预测.通过在多家水族公司的实际应用,
【机 构】
：
湖南农业大学信息与智能科学技术学院 湖南 长沙410128
论文部分内容阅读
针对传统鱼缸观赏鱼喂养模式过程繁琐以及环境信息难以调控等已存在的问题,设计一个能对观赏鱼生长全过程进行实时监控的观赏鱼智能喂养系统,该系统由下位机前端硬件感知系统和上位机后台软件两个部分组成.前端硬件感知系统负责传感器数据采集、摄像头数据采集、硬件设备控制以及利用GPRS与上位机的数据通信.上位机可以对数据进行存储和有效的分析并且利用神经网络与深度学习算法对观赏鱼进行种类识别并做出相应反馈与决策.在实现远程监控的基础上进一步实现了鱼缸环境因子的精确测量与观赏鱼生命状态的预测.通过在多家水族公司的实际应用,证明了该系统在观赏鱼喂养方面的有效性和可靠性,具有推广应用价值.
其他文献
本文设计并实现了面向深度学习的统一框架批处理矩阵乘法.我们细致地分析了利用矩阵乘法实现卷积的过程中卷积核、输入特征图和输出特征图在NCHW和NHWC两类存储格式下的矩阵数据排列特点,指出了其和矩阵行列主序的关系.在此基础上,为了更好复用共享的卷积核数据,我们提出将批量输入特征图转化为一个矩阵整体进行计算的方法.我们设计了统一框架的批处理分块矩阵乘法,该框架计算同一矩阵和多个不同矩阵的乘法,可以处理并输出任意存储格式的矩阵数据.我们优化了分块矩阵乘法实现,根据输入参数特征规划计算顺序,利用矩阵转置技巧复用核
雨水管道是城市排水系统重要环节,其排水能力关乎城市内涝严重程度,因此,快速而准确地对雨水的管道疏水能力进行评估,精确定位溢水节点、超载管网,掌握内涝风险情况显得尤为重要.文中通过建立MIKE URBAN一维管网模型,在不同重现期下模拟,利用模拟结果对研究区进行排水能力评估.结果表明,研究区雨水管网整体排水能力较弱,绝大部分管段不能满足1 a暴雨重现期要求,难以抵御强降雨威胁,易形成内涝点,城市雨水管网亟待改造.该评估结果为后期雨水管网改造等工程提供理论基础.
送水泵房作为将清水加压输送至给水管网的构筑物,其出水水流具有高流速、高压力等特点.送水泵房水泵机组根据水厂调度需要,需经常进行启停水泵操作,因此,送水泵房止回阀需具有防水锤功能稳定、水损小、密封性好、密封副不易磨损、操控简易等特点.现状各水厂送水泵房止回阀多选用多功能水泵控制阀、液控双速闸阀.多功能水泵控制阀存在水损大、缓闭功能易受膜片老化受损影响等缺点;而液控双速闸阀组成结构复杂,阀门老化后存在启闭不到位、密封不严实、维护工作多等缺点.针对传统止回阀在应用过程中的不足,某水厂在进行送水泵房止回阀更换时,
SM9-IBE是我国于2016年发布的标识加密算法行业标准.标识加密算法以用户的标识(如邮件地址、身份证号等)作为公钥,从而降低系统管理用户密钥的复杂性.然而,标识加密算法的密钥撤销和更新问题却变得更加困难.此外,SM9算法的结构特殊使得已有技术无法完全适用于该算法.为此,本文提出一种基于仲裁的SM9标识加密算法,可快速实现对用户访问权限的撤销和更新操作.该算法引入一个可信第三方(即仲裁者)用于管理用户的部分私钥,使得用户必须借助仲裁者的帮助才能访问SM9密文,同时仲裁者无法从用户密文中获取任何有用信息.
匿名通信系统诞生之初是为了保护通信实体身份的匿名性和网络中通信内容的隐私性、完整性,但随着匿名通信系统的广泛使用,其匿名性不断增强,在隐藏服务技术的支持下,匿名通信系统被不法分子滥用的情况愈演愈烈,在匿名通信系统隐藏服务技术支持下的暗网平台已然成为了“法外之地”.站在网络监管部门的立场上,对匿名通信系统,尤其是匿名通信系统隐藏服务及其定位技术的研究是必要且紧迫的.在对匿名通信系统的基本属性、分类方法和工作原理介绍的基础上,对其隐藏服务的定位技术按照用户位置的不同分为客户端定位和服务端定位分别进行了研究和阐
现实中不断涌现的高维多目标优化问题对传统的基于Pareto支配的多目标进化算法构成巨大挑战.一些研究者提出了若干改进的支配关系,但仍难以有效地平衡高维多目标进化算法的收敛性和多样性.提出一种动态角度向量支配关系动态地刻画进化种群在高维目标空间的分布状况,以较好地在收敛性与多样性之间取得平衡;另外,提出一种改进的基于Lp-范式(p＜1)的拥挤距离度量方法以有效地度量高维目标空间中解群的多样性.设计了一种采用动态角度向量支配关系的高维多目标进化算法DAV-MOEA,该算法利用动态角度向量支配关系增强选择压力,
在大数据环境下,数据库中的记录数量呈指数上升,如何高效率地检测出相似重复记录是数据清洗的关键点和提高数据质量的首要任务.近十年国内外相似重复记录检测方法又涌现出相当多的高水平成果,迫切需要对新的文献加以归纳梳理.以2008—2019年的国内外相似重复记录检测相关文献为研究样本,结合社会网络和知识图谱对其发文量、核心机构、作者合作群、研究热点和研究趋势进行分析.分析发现,作者合作结构整体上较松散,相似重复记录各类检测方式的集成、应用领域的扩展和通用框架的研究成为热点,缺失数据值的处理、多数据源的识别、大数据
组群成员间的交互关系建模是组群行为识别的核心技术.本文为解决复杂场景下组群关系繁琐、关系推理时复杂度高并存在信息冗余等问题,提出一种交互关系分组推理的模型.首先,利用CNN网络和RoIAlign提取视频帧中的场景信息和个人信息作为初始特征,利用个人空间坐标对人群进行二分组(例如:在Volleyball数据集中,利用参与者的bounding boxes的X坐标信息进行排序,然后为每个人建立序号ID,并从左到右将12名成员分为2组);其次,将划分后的2个局部分组以及全局场景组群,分别利用图卷积网络(Graph
时序网络中的社区搜索问题旨在寻找符合一定时序规律的社区.短时交互特性作为时序网络的一种重要时序特征,相比于长期社区更具研究价值,可用于有效挖掘网络中核心的时序紧密结构.现有工作大多研究了时序社区的持续性、突变性、周期性等现象,尚无法建模时序社区的短时特性.针对现有工作难以满足上述需求的现状,提出top-k短时社区搜索这一新问题,为有效发现复杂网络中短时紧密社区提供新的解决思路.首先,针对时序网络中社区的短时特性,提出了δ-短时社区的形式化定义用以刻画短时社区结构.同时,给出了不同时间交互下形成的时序社区的
如何在受限时间内满足深度学习模型的训练精度需求并最小化资源成本是分布式深度学习系统面临的一大挑战.资源和批尺寸超参数配置是优化模型训练精度及资源成本的主要方法.既有工作分别从计算效率和训练精度的角度,对资源及批尺寸超参数进行独立配置.然而,两类配置对于模型训练精度及资源成本的影响具有复杂的依赖关系,既有独立配置方法难以同时达到满足模型训练精度需求及资源成本最小化的目标.针对上述问题,本文提出分布式深度学习系统资源-批尺寸协同优化配置方法.该方法首先依据资源配置和批尺寸超参数配置与模型训练时间和训练精度间的