计算机与现代化

程章, 刘丹, 王艳霞

2025, 0(04): 1-5. doi:10.3969/j.issn.1006-2475.2025.04.001

摘要 ( 193 )

PDF (1655KB) ( 173 )

参考文献 | 相关文章 | 计量指标

采用CNN与Transformer相结合的方法，利用Transformer能获取全局特征信息的优势，提高模型上下文信息感知能力，从而改善模型精度。本文提出一种新颖的基于混合Transformer的视线估计模型ResNet-MHSA （RN-SA），该模型将ResNet18中部分3×3空间卷积层替换为由一个1×1的空间卷积层和MHSA（Multi-Head Self-Attention）层组合而成的块，并在模型结构中添加DropBlock机制，以增加模型的鲁棒性。实验结果表明，RN-SA模型在减少参数量的同时改善了模型的精度，与目前较好的模型GazeTR-Hybrid相比，在参数数量减少15.8%的情况下，在EyeDiap和Gaze360数据集上精度分别提高了4.1%和3.7%。因此，CNN与Transformer相结合的方式能有效应用于视线估计任务中。

基于TCN与轻量Autoformer的电力负荷预测

李明, 石超山, 文贵豪, 罗勇航, 谭云飞

2025, 0(04): 6-11. doi:10.3969/j.issn.1006-2475.2025.04.002

摘要 ( 141 )

PDF (3080KB) ( 116 )

参考文献 | 相关文章 | 计量指标

电力负荷预测的精度对节能减排至关重要，更高的精度可以使电力公司做出更合理的规划，提高经济效益。虽然基于Transformer架构改进的Autoformer已经在序列预测任务中取得了不错的结果，但在提取时序特征时没有充分考虑到时间的因果关系，且注意力层中存在过多冗余信息导致模型精度下降和内存浪费。为了解决这些问题，本文提出一种时间卷积网络（TCN）和改进的轻量Autoformer模型相结合的电力负荷预测方法。首先，在Autoformer的编码器中引入时间卷积网络，使得编码器具有更大的感受野并充分考虑样本的因果关系，然后在自相关注意力层之间增加蒸馏机制，减少模型的参数量。最后，在5个公共数据集上的实验结果表明，结合TCN的轻量Autoformer与原始模型相比，MSE指标和MAE指标分别降低了8.95%至32.40%和4.91%至15.51%，且预测效果显著优于其他4种主流方法，显示了其出色的性能。

基于图注意力与图卷积网络的交通事故预测方法

张金松, 袁一博, 马玉鑫

2025, 0(04): 12-18. doi:10.3969/j.issn.1006-2475.2025.04.003

摘要 ( 118 )

PDF (1355KB) ( 109 )

参考文献 | 相关文章 | 计量指标

交通事故的发生会给人员、社会带来巨大损失，为了提高交通事故预测准确率，提出一种基于图注意力与图卷积网络的交通事故预测方法（GAGC）。该方法首先通过边特征提取模块，提取路网中复杂的边特征信息；然后引入图注意力层使网络快速关注事故频发的节点，利用叠加的图注意力层来减少特征信息在传递过程中的信息丢失；通过Dropout和批处理归一化（BN）来平衡特征重要性，提升模型的泛化性和鲁棒性。实验使用现有文献公开的基于图的交通事故预测数据存储库TAP进行验证，结果表明，GAGC取得了较好的效果，在F1指数、AUC和MAP方面均优于5个基线模型。最后，通过消融实验进一步验证了本文设计的GAGC模型的有效性和可靠性。

用于玉米叶片病害分类的轻量级网络ICS-ResNet

姬正杰, 魏霖静

2025, 0(04): 19-28. doi:10.3969/j.issn.1006-2475.2025.04.004

摘要 ( 192 )

PDF (7723KB) ( 133 )

参考文献 | 相关文章 | 计量指标

精准识别玉米叶片病害对于预防玉米疾病、提高玉米产量有着十分重要的作用。由于植物叶片图像易受到复杂背景、气候、光照和样本数据不平衡等各种因素影响，因此为提高识别精度，提出一种以ResNet50为主干网络，引入改进的空间注意力和通道注意力模块以及深度可分离残差结构的轻量级卷积神经网络ICS-ResNet。利用ResNet网络中的残差连接防止深层网络训练中梯度消失；通过改进的通道注意力模块（ICA）和空间注意力模块（ISA）充分利用不同特征层的语义信息，精准定位网络关键特征；同时为减少参数量，降低运算成本，使用深度可分离残差结构代替传统卷积运算；并使用余弦退火学习策略动态调整学习率，克服网络训练过程中的不稳定性，提高模型的收敛能力，防止陷入局部最优。最后在PlantVillage中的Corn数据集上进行实验，将提出的轻量级网络与CSPNet、InceptionNet_v3、EfficientNet、ShuffleNet、MobileNet和ResNet50等6种目前流行的网络做对比。实验结果表明，提出的ICS-ResNet网络准确率达到了98.87%，与其他6种网络相比，准确率分别提高了5.03个百分点、3.18个百分点、1.13个百分点、1.81个百分点、1.13个百分点、0.68个百分点，参数量和计算量与原始ResNet50网络相比，分别降低了16.27 MB和2.25 GB，显著提高了玉米叶片病害分类效率。

基于XMB-YOLOv5s的无人机小目标检测

庄瑜, 傅晓锦, 李莎, 吴峥

2025, 0(04): 29-35. doi:10.3969/j.issn.1006-2475.2025.04.005

摘要 ( 116 )

PDF (6112KB) ( 137 )

参考文献 | 相关文章 | 计量指标

无人机视角下密集小目标检测存在精度低、对部分目标误检、漏检等诸多不足。针对以上问题，本文提出一种基于XMB-YOLOv5s的无人机小目标检测技术。首先，采用小目标检测层，更加有效地提取和利用图像中的细节信息；其次，用BottleneckCSP和C3TR模块的结构化嵌入实现C3模块的更新，降低了运算复杂度，提高了训练效率；再次，融入CBAM注意力机制使网络能够更好地识别和处理特征，提升图像识别准确率；最后，采用Focal-EIoU Loss解决CIoU Loss对小目标检测不敏感的问题。实验结果表明：与传统的YOLOv5s算法相比， XMB-YOLOv5s算法在VisDrone2019数据集上P提高了4.6个百分点，R提高了4.4个百分点，mAP50提高了4.9个百分点，mAP75提高了5.1个百分点，mAP50-95提高了4个百分点，为无人机小目标检测提供了一种新的方法。

标签独立信息压缩的异质图表示

马剑, 王怡菲, 孟丽, 何云飞, 杨飞

2025, 0(04): 36-41. doi:10.3969/j.issn.1006-2475.2025.04.006

摘要 ( 114 )

PDF (1935KB) ( 130 )

参考文献 | 相关文章 | 计量指标

现有异质图（Heterogeneous Graph， HG）表示方法大都基于强大的图神经网络，聚合元路径内及元路径之间的语义信息来嵌入节点。然而，现有方法忽视了HG中节点的异质性，导致邻居节点中的无关信息沿着复杂结构扩散到高阶节点，扰动HG表示。为克服该问题，本文提出一种标签独立信息压缩的异质图表示方法LICHGR （Label-independent Information Compression for Heterogeneous Graph Representation)。LICHGR的核心思想是在信息瓶颈的指导下，利用希尔伯特-斯密特独立性准则限制异质图中标签独立信息的传播而尽可能保留标签依赖的信息。具体地，LICHGR通过在输入特征、元路径内隐藏特征、真实标签之间构造多方面的标签独立信息压缩限制，抽取丰富的标签依赖的信息，从而提高异质图表示质量。在3个公开的数据集上设计的多个实验充分验证了LICHGR的有效性。

基于图神经网络的多智能体强化学习对抗策略检测算法

孙启宁1, 桂智明1, 刘艳芳2, 范鑫鑫3, 路云峰4

2025, 0(04): 42-49. doi:10.3969/j.issn.1006-2475.2025.04.007

摘要 ( 504 )

PDF (2811KB) ( 139 )

参考文献 | 相关文章 | 计量指标

在多智能体环境中，强化学习模型在应对对抗攻击方面存在安全漏洞，容易遭受对抗攻击。其中基于对抗策略的对抗攻击由于不直接修改受害者的观测，对其进行防御的难度更大。为解决这一问题，本文提出一种基于图神经网络的对抗策略检测算法，旨在有效识别智能体间的恶意行为。通过在智能体协作过程中采用替代对抗策略训练图神经网络作为对抗策略检测器，根据智能体局部观测计算其他智能体的信任分数来检测对抗策略。本文的检测方法提供2种粒度的检测：对局级别的对抗检测以非常高的精度检测对抗策略；时间步级别的对抗检测可以在对局初期进行对抗检测，及时发现对抗攻击。在星际争霸平台上进行一系列实验，实验结果表明，本文所提出的检测方法在检测最先进的基于对抗策略的对抗攻击时最高可以达到1.0的AUC值，优于最先进的检测方法。本文检测方法比现有的方法能够更快地检测出对抗策略，最快可以在第5个时间步检测出对抗攻击。将本文检测方法应用于对抗防御，使受攻击对局提升最高61个百分点的胜率。此外实验结果显示了本文的算法具有很强的泛化性，本文的检测方法无需再次训练，可以直接用来检测基于观测的对抗攻击。因此，本文提出的方法为多智能体环境中的强化学习模型提供了一种有效的对抗攻击检测机制。

基于YOLO和PPO的无人机路径规划

张慧玉1, 刘磊1, 闫冬梅2, 梁成庆3

2025, 0(04): 50-55. doi:10.3969/j.issn.1006-2475.2025.04.008

摘要 ( 139 )

PDF (6883KB) ( 199 )

相关文章 | 计量指标

针对复杂多变的三维未知环境，设计一种基于深度强化学习的无人机路径规划方法，该方法在有限的观测状态下作出决策，解决高复杂度和不确定性带来的挑战。首先，在有限的感知范围内，利用YOLO网络提取图像中的障碍物信息；其次，提出危险度来解决不同时刻障碍物信息数量差异的问题，并将危险度提炼出的信息结合雷达信息作为智能体的输入；最后，在近端策略优化算法基础上，设计状态分解下的动作选择策略，以提升无人机动作的有效性。通过在Gazebo环境中进行仿真评估，实验结果表明，相较于近端策略优化算法每回合平均奖励提升了15.6个百分点，平均成功率提升了2.6个百分点。

基于A3C的车联网任务卸载和资源分配算法

吴一川

2025, 0(04): 56-62. doi:10.3969/j.issn.1006-2475.2025.04.009

摘要 ( 120 )

PDF (5730KB) ( 75 )

参考文献 | 相关文章 | 计量指标

移动边缘计算（Mobile Edge Computing， MEC）作为一项新兴技术，为车联网应用提供新的解决方案。然而车联网环境中的资源有限，无法满足接入车联网的车辆设备的使用需求，这导致任务的服务响应时间和执行能耗增加，极大影响了用户的体验质量（Quality of Experience， QoE）。为了减少任务执行的延迟和能耗，提高算法部署的灵活性，本文对车联网系统模型进行建模并提出一种基于A3C （Asynchronous Advantage Actor-Critic）算法的任务卸载和资源分配策略，该算法框架采用异步更新的方式训练模型，并且加入时间衰减系数来减少落后模型对全局模型更新造成的不利影响。实验结果表明，本文所提算法可以有效提升模型训练效率，降低任务执行的延迟和能耗。

基于RFECV-XGBoost和SHAP的火电厂电力输灰预测模型

刘文新1, 徐文辉1, 陈朝晔1, 顾海英1, 温聪2, 姚雨龙2, 曾晰2

2025, 0(04): 63-69. doi:10.3969/j.issn.1006-2475.2025.04.010

摘要 ( 83 )

PDF (2754KB) ( 92 )

参考文献 | 相关文章 | 计量指标

火电厂电力输灰系统输灰产量的准确预测,对于整个火电发电效率的提升具有非常重要的意义。目前火电厂气力输灰系统主要依赖人工经验进行操作，基于此，提出一种基于XGBoost（极端梯度提升）和SHAP（沙普利加法解释）框架的智能输灰预测模型。首先，依托火电厂电力输灰系统的DCS系统，获取空气压力、设备温度等数据信息。其次，为了提升模型预测值准确度和防止过拟合，采用RFECV（交叉验证递归特征消除法）进行特征选择，随后将选择好的特征集导入XGBoost的智能输灰预测模型中，同时采用SHAP模型进行可视化的因果分析，进而从电力输灰数据中发现有用的信息，形成火电厂电力输灰系统的知识库，以达到更加智能高效的运行目标。研究结果可对火电厂输灰预警技术，输灰系统智能化升级方面提供数据支撑，有助于火电厂电力输灰系统节能降耗。

基于CNN-KAN的汶川地震灾区潜势泥石流流域识别方法

周静1, 2, 刘敦龙1, 2, 桑学佳1, 2, 张少杰3, 杨红娟3

2025, 0(04): 70-76. doi:10.3969/j.issn.1006-2475.2025.04.011

摘要 ( 95 )

PDF (9042KB) ( 74 )

参考文献 | 相关文章 | 计量指标

针对目前潜势泥石流流域识别中存在的流域划分标准不科学、非泥石流流域选取不合理以及分类模型精度不足等问题，本文提出一种结合河网密度法与自组织映射神经网络（SOM）的新方法，精确确定流域划分的最佳集水面积阈值并采用SOM生成具有代表性的非泥石流流域。在此基础上，构建一种基于KAN改进传统CNN网络架构的模型(CNN-KAN)，以提升潜势泥石流流域识别的准确性。实验结果表明，相比于原始的多层感知机、KAN和CNN，CNN-KAN模型识别准确率达到92.9%，且在精确率、召回率和F1分数以及AUC值上的表现均较其他模型更好。基于该模型划分的潜势泥石流流域，可作为区域内泥石流预警报的基本计算单元和重点关注区域。

基于云平台与眼动注视点数据的航空器4D航迹跟踪算法

陈鹏

2025, 0(04): 77-82. doi:10.3969/j.issn.1006-2475.2025.04.012

摘要 ( 99 )

PDF (1872KB) ( 72 )

参考文献 | 相关文章 | 计量指标

提出一种基于云平台与眼动注视点数据的航空器4D航迹跟踪算法，实时跟踪航空器航迹，及时发现和纠正潜在安全隐患，减少飞行事故的发生。借助云平台构建航空器4D航迹跟踪架构，架构中包含数据采集、传输、存储、处理以及应用服务5个层次。利用采集层中的红外摄像机和传感器采集飞行员眼动数据和航空器飞行数据；利用传输层将这些数据通过无线传输的方式输送至存储层中的云存储区；在数据处理层中对多信息源的航空器飞行数据实施融合处理；在应用服务层中通过瞳孔定位、注视点标定操作获取飞行员注视点的轨迹信息，将其作为航空器4D航迹跟踪的重要补充信息；构建基于深度神经网络的航空器4D航迹预测模型，将经过融合的航空器飞行数据以及飞行员注视点轨迹信息作为模型的输入量，模型的输出结果即为航空器4D航迹预测结果；利用马氏距离将预测结果与预设航线实施对比，依据对比结果调整航空器的控制参数，实现4D航迹跟踪。实验结果表明，该方法可以精确跟踪航空器4D航迹，在微分平整度方面有着较好的表现。

基于图像分割的无人机影像AGP计算方法

李楷, 金云鹏, 李海洋, 孔莎莎, 杨鹏, 方成梧, 黄湘杰, 韩耀升, 李春梅

2025, 0(04): 83-88. doi:10.3969/j.issn.1006-2475.2025.04.013

摘要 ( 90 )

PDF (9030KB) ( 146 )

参考文献 | 相关文章 | 计量指标

草地退化是三江源地区一个不容忽视的问题。使用深度学习技术进行三江源草地退化评价是实现草地评价智能化的重要一步。然而，语义分割中的一个挑战是无人机拍摄的影像可能存在高度不一致，这可能导致毒杂草覆盖比例的计算结果与实际情况不符，从而引发草地退化评价的误差。本文针对已知拍摄草地图像高度和未知拍摄草地图像高度2种情况，提出一种基于实际地面比例（AGP）的计算方法。对于已知拍摄高度的影像，本文选择使用拍摄高度来计算AGP，并将不同高度的图像映射到相同的高度上进行覆盖度计算。对于未知高度的拍摄影像，本文训练了芨芨草实例分割模型，根据实例分割的结果来计算AGP，然后进行覆盖度计算。实验结果表明，与直接计算覆盖度相比，使用实例分割方法将误差从2.7%降低到了0.39%。这一方法对于提高智能草地退化评价的准确性具有重要意义。

基于孪生轴向注意力与双鉴别器生成对抗网络的红外可见光图像融合

王丽丹1, 赵怀慈2, 潘多涛1, 房建2, 袁德成1

2025, 0(04): 89-95. doi:10.3969/j.issn.1006-2475.2025.04.014

摘要 ( 173 )

PDF (5722KB) ( 83 )

参考文献 | 相关文章 | 计量指标

红外与可见光融合图像能够同时保留同一场景的前景目标热辐射信息和背景纹理细节，使得描述更加全面和准确。然而深度学习领域的许多经典融合算法通常存在着信息保留不充分、特征融合不均衡的缺陷。针对上述问题，本文提出一种基于孪生轴向注意力与双鉴别器生成对抗网络的图像融合算法。生成器使用双密集卷积网络作为多尺度特征的提取器，引入空间增强分支和孪生轴向注意力捕获局部信息和长程依赖关系。双鉴别器分别与生成器构建对抗博弈关系，通过约束2种源图像与融合图像的相似性来平衡差异化特征的保留程度。此外，基于预训练VGG19的感知损失函数能够克服语义级等高层次特征丢失问题。在TNO数据集上进行实验，结果表明所提方法融合结果目标突出、纹理清晰，相较于其他经典算法，在主观和客观评价指标上都有较为显著的提升，具有一定的先进性。

基于DBNet与CRNN融合模型的卷烟激光码识别方法

马琦1, 文钰栋1, 梁尚荣2, 王可2

2025, 0(04): 96-102. doi:10.3969/j.issn.1006-2475.2025.04.015

摘要 ( 94 )

PDF (1875KB) ( 86 )

参考文献 | 相关文章 | 计量指标

卷烟激光码识别是烟草稽查工作的重要手段。针对烟码背景复杂导致检测识别率低的问题，本文提出一种基于DBNet与CRNN融合模型的烟码识别方法。首先采用DBNet模型对烟码区域进行检测，通过引入可微分二值化实现烟码的准确定位与提取；然后采用CRNN模型对经过定位和裁剪处理的烟码区域图像进行特征识别，通过结合VGG网络与深层Bi-LSTM网络，获取空间特征和时序特征实现烟码的识别。经过实验验证，融合模型的检测准确率为91.9%，识别准确率为83.4%，在移动端APP部署后的测试准确率为83.0%，这表明本文方法能够提供精确的烟码识别效果。

基于HA-Net模型的职业性尘肺病筛查

王家乐, 宋文爱, 富丽贞

2025, 0(04): 103-110. doi:10.3969/j.issn.1006-2475.2025.04.016

摘要 ( 117 )

PDF (4286KB) ( 123 )

参考文献 | 相关文章 | 计量指标

通过深度学习方法与注意力机制的结合，提高基于数字化X射线摄影的职业性尘肺病筛查的准确率和效率。提出一种改进的深度学习模型HA-Net（Hybrid Attention Network），融合SEB（Squeeze-and-Excitation Block）和CAB（Coordinate Attention Block），以增强特征表示能力。SEB通过全局平均池化提取通道间的关系信息，利用全连接层调整通道权重，并将调整后的权重与原输入特征图相乘，强化重要特征。CAB通过水平方向和垂直方向的全局池化捕捉空间信息，再经由1×1卷积和通道数恢复生成注意力权重，进而与SEB处理后的特征图相乘，最后集成于ResNet50V2模型中，区分有尘肺病和无尘肺病的影像，并对疑似病例进行准确筛查。实验结果显示，该模型在职业性尘肺病的筛查任务中表现出色，准确率高，能够可靠地检测出尘肺病例，同时对疑似病例的识别也具有高精度和敏感性。

基于零信任和区块链的跨境电商数据安全共享模型

黎小梦1, 2, 姜茸1, 梁志宏3, 余益民1

2025, 0(04): 111-118. doi:10.3969/j.issn.1006-2475.2025.04.017

摘要 ( 278 )

PDF (8326KB) ( 116 )

参考文献 | 相关文章 | 计量指标

随着跨境电商行业的飞速发展，跨境电商的相关数据呈爆炸性增长，数据安全问题日益凸显。传统的跨境电商平台通常面临着数据泄露、篡改和不可信的问题，导致商家和用户对平台的信任度下降。为了解决这一问题，本文提出一种基于零信任和区块链的跨境电商数据安全共享模型（EDSM-BZT）。首先，设计基于零信任的多因素身份认证方案，结合时间因素和知识因素对每一个访问主体进行动态验证。其次，在方案中加入信任评估策略，计算访问主体的信任值，对用户访问行为实现更细粒度控制。最后，在模型中构建链上链下协同存储子模型，确保跨境电商数据的安全传输和存储。实验结果表明，该模型可以实现访问授权的动态控制和跨境电商数据的高效存储，具有良好的性能和可扩展性。

面向营销系统的零信任架构构建与迁移方法

李志浩, 赵聪, 吴悠, 陈泽纯, 何行, 董重重

2025, 0(04): 119-126. doi:10.3969/j.issn.1006-2475.2025.04.018

摘要 ( 121 )

PDF (4187KB) ( 70 )

参考文献 | 相关文章 | 计量指标

随着云服务、物联网和其他技术的兴起，传统网络架构的边界变得更加复杂和模糊。为了更好地适应当今网络的无边界化趋势，提高敏感数据及业务系统的保护能力，首先，本文秉承“从不信任，总是验证”的原则提出一种基于零信任架构的多维度动态验证网络安全架构，以提高系统在无边界网络模式下的安全能力；其次，针对大多数零信任研究还停留在理论阶段的问题，对企业如何实施业务迁移和工作流分配等零信任实现提出迁移方法；最后，分析本架构的安全性能，以验证其有效性。面向营销系统的零信任架构有效地提高了系统的安全性能，解决了传统基于边界的网络架构在被攻击者突破后易遭受横向攻击的缺点，同时给出了一种低风险的实施和迁移办法，为理论的平滑落地提供了支持。

当期目录