“大数据”通过技术的创新与发展,以及数据的全面感知、收集、整理、分析和共享,为人们提供了一种全新看待和改造世界的方法,给现代高校图书馆建设带来了巨大潜在价值。针对当前高校图书馆馆藏数据信息量大、资源配置不合理、服务模式...“大数据”通过技术的创新与发展,以及数据的全面感知、收集、整理、分析和共享,为人们提供了一种全新看待和改造世界的方法,给现代高校图书馆建设带来了巨大潜在价值。针对当前高校图书馆馆藏数据信息量大、资源配置不合理、服务模式被动和资源共享性差等发展现状,利用大数据技术,通过数据分析和数据挖掘,优化信息数据服务、个性化信息推送服务、精准式主动服务和协作共享信息服务,提供深层次、多元化和高质量的信息服务,创新图书馆的社会化、开放化、共享化的现代服务属性,有效提高馆藏信息资源的使用效率,提高图书馆的核心竞争力,体现高质量的知识服务价值。 Big Data provides people with a newway of looking at and transforming the world through the innovation anddevelopment of technology, as well as the comprehensive perception, collection,organization, analysis and sharing of data, which brings great potential to theconstruction of modern university libraries value. In view of the currentdevelopment status of university library collection data, such as large amountof information, unreasonable resource allocation, passive service model and poor resource sharing, the useof big data technology to optimize information data services and personalizedinformation push services through data analysis and data mining. Accurateactive services and collaborative information services provide deep,diversified and high-quality information services, and innovatethe socialized, open and shared modern service attributes of libraries,effectively improving the efficiency of collection information resources. Theproposed informationization construction program of modern university librariesbased on big data improves the core competitiveness of the library and reflectsthe value of high-quality knowledge services.展开更多
小白菜是中国种植面积较广、深受大众喜爱的蔬菜,真实菜地环境中虫害往往出现在叶片的特定区域,且受环境因素如光照和背景干扰较大,影响对其的智能检测。为提高小白菜虫害的检测效率和准确率,该研究提出一种基于YOLOv5s网络框架改进的YO...小白菜是中国种植面积较广、深受大众喜爱的蔬菜,真实菜地环境中虫害往往出现在叶片的特定区域,且受环境因素如光照和背景干扰较大,影响对其的智能检测。为提高小白菜虫害的检测效率和准确率,该研究提出一种基于YOLOv5s网络框架改进的YOLOPC(YOLO for Pak Choi)小白菜虫害识别模型。首先,引入CBAM(convolutional block attention module)注意力机制,将其放在CBS(卷积层Convolution+归一化层Batch normalization+激活函数层SILU)的输入端构成CBAM-CBS的结构,动态调整特征图中各个通道和空间位置的权重;使用上采样和1×1卷积操作来调整特征图的尺寸和通道数,实现不同层次特征的融合,增强模型的特征表示能力。同时,改进损失函数,使其更适合边界框回归的准确性需求;利用空洞卷积的优势提高网络的感受野范围,使模型能够更好地理解图像的上下文信息。试验结果表明,与改进前的YOLOv5s模型相比,YOLOPC模型对小白菜小菜蛾和潜叶蝇虫害检测的平均精度均值(mean average precision, mAP)达到91.4%,提高了12.9%;每秒传输帧数(Frame Per Second, FPS)为58.82帧/s,增加了11.2帧/s,增加幅度达23.53%;参数量仅为14.4 M,降低了25.78%。与经典的目标检测算法SSD、Faster R-CNN、YOLOv3、YOLOv7和YOLOv8相比,YOLOPC模型的平均精度均值分别高出20.1%、24.6%、14%、13.4%和13.3%,此外,其准确率、召回率、帧速率和参数量均展现出显著优势。该模型可为复杂背景下小白菜虫害的快速准确检测提供技术支持。展开更多
文摘“大数据”通过技术的创新与发展,以及数据的全面感知、收集、整理、分析和共享,为人们提供了一种全新看待和改造世界的方法,给现代高校图书馆建设带来了巨大潜在价值。针对当前高校图书馆馆藏数据信息量大、资源配置不合理、服务模式被动和资源共享性差等发展现状,利用大数据技术,通过数据分析和数据挖掘,优化信息数据服务、个性化信息推送服务、精准式主动服务和协作共享信息服务,提供深层次、多元化和高质量的信息服务,创新图书馆的社会化、开放化、共享化的现代服务属性,有效提高馆藏信息资源的使用效率,提高图书馆的核心竞争力,体现高质量的知识服务价值。 Big Data provides people with a newway of looking at and transforming the world through the innovation anddevelopment of technology, as well as the comprehensive perception, collection,organization, analysis and sharing of data, which brings great potential to theconstruction of modern university libraries value. In view of the currentdevelopment status of university library collection data, such as large amountof information, unreasonable resource allocation, passive service model and poor resource sharing, the useof big data technology to optimize information data services and personalizedinformation push services through data analysis and data mining. Accurateactive services and collaborative information services provide deep,diversified and high-quality information services, and innovatethe socialized, open and shared modern service attributes of libraries,effectively improving the efficiency of collection information resources. Theproposed informationization construction program of modern university librariesbased on big data improves the core competitiveness of the library and reflectsthe value of high-quality knowledge services.
文摘小白菜是中国种植面积较广、深受大众喜爱的蔬菜,真实菜地环境中虫害往往出现在叶片的特定区域,且受环境因素如光照和背景干扰较大,影响对其的智能检测。为提高小白菜虫害的检测效率和准确率,该研究提出一种基于YOLOv5s网络框架改进的YOLOPC(YOLO for Pak Choi)小白菜虫害识别模型。首先,引入CBAM(convolutional block attention module)注意力机制,将其放在CBS(卷积层Convolution+归一化层Batch normalization+激活函数层SILU)的输入端构成CBAM-CBS的结构,动态调整特征图中各个通道和空间位置的权重;使用上采样和1×1卷积操作来调整特征图的尺寸和通道数,实现不同层次特征的融合,增强模型的特征表示能力。同时,改进损失函数,使其更适合边界框回归的准确性需求;利用空洞卷积的优势提高网络的感受野范围,使模型能够更好地理解图像的上下文信息。试验结果表明,与改进前的YOLOv5s模型相比,YOLOPC模型对小白菜小菜蛾和潜叶蝇虫害检测的平均精度均值(mean average precision, mAP)达到91.4%,提高了12.9%;每秒传输帧数(Frame Per Second, FPS)为58.82帧/s,增加了11.2帧/s,增加幅度达23.53%;参数量仅为14.4 M,降低了25.78%。与经典的目标检测算法SSD、Faster R-CNN、YOLOv3、YOLOv7和YOLOv8相比,YOLOPC模型的平均精度均值分别高出20.1%、24.6%、14%、13.4%和13.3%,此外,其准确率、召回率、帧速率和参数量均展现出显著优势。该模型可为复杂背景下小白菜虫害的快速准确检测提供技术支持。
