全部分类/
科学普及/
物联网技术

物联网技术

2026年15期

《物联网技术》杂志是经国家新闻出版总署批准的,目前国内唯一同时具有国际和国内CN刊号的物联网专业科技期刊。主要介绍基于物联网技术的电子类、网络类、应用类科技论文。

扫码免费借阅

目录

快速导航

资讯博览 | 物联网产业 (2026年7月)视点

资讯博览 | 物联网产业 (2026年7月)视点

AI 工信部发布风险提示：Anthropic公司AI编程工具ClaudeCode存在安全后门隐患危害严重近日，工业和信息化部网络安全威胁和漏洞信息共享平台（NVDB）监测发现，AI编程工具Claude Code存在安全后门隐患，危害严重。Claude Code是美国Anthropic公司开发的AI编程工具，可根据文字需求自主完成代码编写、修复等工作。由于其内置了监控机制，未经用户同意即可
资讯博览 | 睿瞳标测

资讯博览 | 睿瞳标测

摘要：针对我国眼底病患者超4 000万、基层医疗资源分布不均的痛点，“睿瞳标测”智能辅助诊断系统集成YOLOv11与DeepSeek大模型，实现对15类眼底病灶的同步定位与亚像素级量化分析。系统具有成本极低、分析快速、宽温适应性强等特点，能够为基层提供一站式、高精度的眼底病筛查解决方案。
学术研究 | 面向边缘设备的多分支棉田杂草检测方法

学术研究 | 面向边缘设备的多分支棉田杂草检测方法

摘要：为了提高复杂环境下对棉田杂草的检测精度，解决边缘设备存在的实时性差等问题，文中提出了基于YOLOv5s改进的EMWD-YOLO杂草检测方法。该方法在主干网络中增加Ghost混洗特征提取模块，并通过双分支结构将高低频特征分离，提升了复杂背景下的特征提取能力；在颈部加入多尺度方向感知聚合模块，增强了方向性杂草目标的特征强度，抑制了作物残枝等背景干扰；利用Inner-SIoU损失函数提升了目标框回归定位性能。测试结果表明，EMWD-YOLO方法在CottonWeedDet12数据集上的mAP@0.5可达96.1%，参数量、计算量分别比YOLOv5s减少 1.9×10⁶ 、4.8 GFLOPs，检测速度可达285 f/s。同时，在Orange Pi AIpro边缘平台上部署验证了模型的检测效果。文中改进的EMWD-YOLO杂草检测方法可为复杂环境下自动化除草设备提供高精度的实时检测方案。
学术研究 | 基于自回归-卡尔曼滤波的工业传感器自检测系统研究

学术研究 | 基于自回归-卡尔曼滤波的工业传感器自检测系统研究

摘要：工业互联网场景下传感器长期运行，易受恶劣环境影响而引发故障，导致数据采集误差增大，而传统检测方法存在可靠性不足、扩展性差、资源开销大等问题。为此，文中提出一种软硬件协同检测与自回归卡尔曼滤波相融合的传感器自检测方法。硬件层通过在线监测传感器的工作电气参数、回路状态与环境条件，实现硬件类故障的快速判别；软件层构建时序数据驱动的自回归-卡尔曼滤波（AR-Kalman）融合模型，完成数据预测、滤波与异常检测；通过两级信息融合决策，实现对传感器硬故障、软故障及复合故障的精准识别。实验结果表明，该方法的故障检测准确率达98.2%，误报率为1.8%，检测时延低于11 ms，具备强鲁棒性、高实时性与工程可落地性，适用于大规模工业传感器的在线健康监测场景。
学术研究 | 基于 IMU 量测信息建立的 LSTM 人体姿态识别模型

学术研究 | 基于 IMU 量测信息建立的 LSTM 人体姿态识别模型

摘要：针对行人航迹推算中人体姿态多样性影响定位精度的问题，传统方法难以有效处理IMU数据的时序依赖。为此，提出一种基于LSTM的时序动作识别方法。采集跑步、快走、慢走、后退、蹲起和原地踏步六种姿态的加速度与角速度数据，经滑动窗口滤波后，构建8维原始时间序列作为LSTM输入，同时提取26维统计特征用于多层感知机（MLP）对比。实验在包含4名受试者的独立测试集上进行，LSTM模型的识别准确率达86.13%，较采用相同窗口特征的MLP模型提升约7.81%。该方法验证了LSTM捕捉运动时序依赖的有效性，为基于IMU的室内定位姿态识别提供了可行方案。
学术研究 | 基于多源感知的沉浸式虚拟场景动态构建技术

学术研究 | 基于多源感知的沉浸式虚拟场景动态构建技术

摘要：伴随着元宇宙、数字孪生和扩展现实技术的迅猛发展，如何利用多源感知数据实现虚拟环境的实时动态建模，已成为当前研究的关键问题。文中对多源感知数据融合、场景动态建模和实时渲染的主要技术原理进行了系统阐述，并且给出了完整的构建流程，覆盖从数据采集、特征提取到场景生成、交互反馈的全过程。重点对其在工业数字孪生、智慧城市应急演练、文化遗产虚拟复原这三类典型场景中的应用效果展开了分析。利用激光雷达、惯性测量单元、视觉相机和气象传感器等多种数据源，结合神经辐射场和实时引擎渲染技术，实现定位精度达2.3 cm、端到端延迟低于22 ms的厘米级动态场景创建，为虚拟现实、数字孪生等工程实践提供系统的参考。
学术研究 | 基于多尺度并行注意力Transformer的高光谱分类模型

学术研究 | 基于多尺度并行注意力Transformer的高光谱分类模型

摘要：高光谱遥感凭借丰富的图谱信息在空天地一体化智能感知领域得到广泛应用，但数据高维特性与复杂空谱耦合特征大幅提升了地物分类难度。结合高分辨率卫星相机数据实时采集与智能解译的应用需求，提出了基于多尺度并行卷积注意力Transformer的高光谱分类模型。该模型通过三个模块提升分类性能：结构信息提取模块（ISE）采用膨胀卷积提取多尺度空间信息；注意力融合模块（AF）引入三种注意力机制，突出光谱和空间维度中的重要区域；Transformer层通过自注意力机制捕捉全局上下文信息，并使用残差连接和卷积补偿编码器损失。实验结果表明，该模型在乌托邦平原和帕维亚大学数据集上均取得最优性能，OA分别达99.64%和99.71%，在乌托邦平原数据集上较次优的ViT和SSRN模型分别提升2.65和4.13个百分点，在小样本类别识别上的优势尤为显著。
学术研究 | 基于 Modbus 的某燃煤电厂锅炉膨胀量在线监测系统

学术研究 | 基于 Modbus 的某燃煤电厂锅炉膨胀量在线监测系统

摘要：针对某燃煤发电厂锅炉运行时会发生异常膨胀，进而导致安全事故增多的问题，设计了一套基于Modbus协议的锅炉三维膨胀量数字化监测系统，用以取代传统的机械指针式三维膨胀指示器。此系统通过部署于现场的高精度激光测距传感器，实现对各监测点三维膨胀量数据的即时获取与记录，有效避免了因锅炉膨胀异常所诱发的潜在问题。该系统具备远程监测与报文数据自动解析功能，极大减轻了现场人员的工作压力。最终所有监测数据经由通信接口模块，传输至电厂的中控室监测平台软件及DCS组态网络中。现场运行结果表明，系统能够实时监测燃煤电厂锅炉的工作状态，协助现场人员进行后续的综合评判，具有较好的应用前景。
学术研究 | 基于 GD32 与 UWB 技术的山体滑坡监测系统设计

学术研究 | 基于 GD32 与 UWB 技术的山体滑坡监测系统设计

摘要：为有效实现山体滑坡灾害监测与早期预警，保障人民生命财产安全，文中设计了一种基于GD32F407VET6微处理器与超宽带（UWB）技术的滑坡监测系统。系统通过数据采集节点采集土壤湿度、山体倾角、降雨量以及振动状态，并利用UWB技术实现高精度位移测量；通过LoRa无线网络将监测数据传输至网关节点，再由4G通信网络上传至OneNET云平台，支持数据实时显示。用户可通过PC端或移动终端远程访问系统，并在数据异常时接收手机APP告警信息。实验测试结果表明，该系统具有监测精度高、通信稳定性好、传输距离远、部署成本低等特点，适用于滑坡灾害多发区域的长期监测与预警。
学术研究 | 结合知识启发与 Bi-GRU 的井漏智能监测方法

学术研究 | 结合知识启发与 Bi-GRU 的井漏智能监测方法

摘要：针对井漏样本较少导致智能监测模型泛化性能差的问题，提出了一种结合人工监测知识启发与双向门控循环单元（Bi-GRU）的井漏智能监测方法。文中设计了先验知识启发的特征强化模块，将“立管压力下降时增强出口流量与总池体积关注度、出口流量下降时增强总池体积关注度”这一经验知识，转化为可量化的计算机判别规则。首先，采用最小二乘法拟合滑动窗口内的监测参数并计算斜率，以识别立管压力、出口流量等参数的下降趋势并将这些参数作为模块触发条件；然后，利用三个独立的单层感知机，动态调整出口流量和总池体积参数的特征强化权重，输出强化后的特征。将上述强化特征与泵冲数、立管压力一同输入到基于Bi-GRU的井漏趋势特征提取模块中进行井漏识别，实现特征强化模块与神经网络的协同训练。选取同区块的CB井和CG井的实测数据开展跨井井漏识别实验。结果表明，相较于传统Bi-GRU模型，文中提出的井漏智能监测方法在CB井和CG井上的识别准确率分别提高了1.14%和1.34%。
学术研究 | SQL注入攻击检测技术研究综述

学术研究 | SQL注入攻击检测技术研究综述

摘要：SQL注入攻击广泛存在于Web应用程序中，攻击者通过此类攻击在非授权条件下不受限制地访问Web应用程序所使用的数据库，对Web应用程序安全构成了严重威胁，如何有效防御SQL注入攻击意义重大。近年来，围绕SQL注入攻击检测技术，出现了多种理论成果和实用工具，为了厘清研究现状和未来发展方向，文中广泛调研了相关领域研究进展，对SQL注入攻击检测技术的已有研究成果进行了系统梳理，主要对比了基于规则匹配的传统检测方法与基于机器学习、深度学习的人工智能检测方法，分析了各自的技术原理和性能表现，并探讨了其在不同环境下的适用性。对比结果显示，传统检测方法复杂度低、系统开销低，但是缺乏对未知攻击的泛化检测能力；人工智能检测方法自适应性强、检测效率高，但是易受对抗样本干扰。未来检测技术应聚焦于引入可解释人工智能以提升信任度，加强对新型协议注入风险的上下文感知能力，并构建集静态分析、实时监测与威胁情报于一体的自适应混合防御体系，从而实现更智能、全面的安全防护。
学术研究 | 基于令牌环的同步传输调度策略

学术研究 | 基于令牌环的同步传输调度策略

摘要：针对工业无线网络中节点信息动态变化带来的调度挑战，传统固定时隙分配策略因缺乏灵活性易导致时隙资源浪费，难以满足工业场景下的实时性要求。为解决上述问题，文中提出一种基于令牌环的同步传输分布式调度策略。该策略通过令牌控制接入，确保任一时刻仅单一节点发送数据，从根本上避免数据冲突与竞争耗时。在调度机制方面，构建分布式的全局截止时间表，并运行最早截止时间优先算法，赋予网络感知数据紧急程度的能力。针对节点的动态增删，设计了基于自适应微时隙竞争的入网机制，并辅以基于最迟启动时间的准入抢占策略以保护周期业务的传输；同时，构建了双层超时侦听的拓扑自愈状态机，实现了单点故障的毫秒级别除。实验结果表明，相较于传统固定时隙分配方法，所提策略在维持高传输可靠性的同时，端到端延迟降低了约43%，平均节点占空比最高减少了36%，实现了实时通信与能效的双重优化。
学术研究 | 基于 CC2538 的新型气象采集终端硬件设计

学术研究 | 基于 CC2538 的新型气象采集终端硬件设计

摘要：针对目前地面自动观测场中大部分数据采集方式单一、布线繁琐、维护成本高、可扩展性低等问题，结合全开源且支持6LoWPAN协议的Contiki物联网操作系统，依托北斗三号卫星独有的短报文通信优势，提出了一种以CC2538处理器为MCU、采用核心板+底板架构的多模式气象采集终端硬件设计方案。该终端支持软件远程升级，可通过6LoWPAN、4G、北斗短报文实现近、中、远距离场景的通信传输，能降低气象数据采集的人力成本，实现采集的智能化与多元化。
学术研究 | 基于 CNN-LSTM-Attention 的心跳信号检测方法研究

学术研究 | 基于 CNN-LSTM-Attention 的心跳信号检测方法研究

摘要：生命信号检测在健康监测与临床诊断中具有重要意义。传统方法依赖人工特征提取，面对信号噪声与个体差异时识别效果较差。为此，文中提出一种融合卷积神经网络（CNN）、长短期记忆网络（LSTM）与注意力机制（Attention）的混合深度学习模型，用于高精度心跳信号检测。CNN能有效提取局部特征，LSTM具备对时序数据的长期记忆能力，而注意力机制可对关键特征进行动态加权，从而提升模型处理复杂时变信号的鲁棒性。实验结果表明，该混合模型在仿真数据上的检测性能优于单一模型，取得了更高的准确率与稳定性。
学术研究 | 基于 PSO-VMD 联合小波阈值的信号去噪方法

学术研究 | 基于 PSO-VMD 联合小波阈值的信号去噪方法

摘要：在强噪声背景下，非线性、非平稳信号会面临特征提取困难、变分模态分解（VMD）参数选取经验化等问题，因此提出一种联合PSO-VMD和小波阈值的新去噪方法。利用PSO算法自适应地寻优VMD的模态数和惩罚因子，获得最优参数来分解含噪信号；计算各本征模态分量（IMF）和原信号的相关系数，从而进行筛选和信号的重构；最后，在重构后的信号中采用小波阈值进行二次去噪。文中设计了4组对比实验，验证了联合框架中PSO优化和小波后处理的必要性和有效性。同时，在30种不同噪声条件下进行30组配对t检验，其中28组达到显著水平，说明联合方法有统计显著性。该方法有效抑制了背景噪声，且保留了信号的微弱冲击特征，为机械故障诊断等领域的信号预处理提供了可行方案。
学术研究 | 面向点云语义分割的语义锚点引导特征传播方法

学术研究 | 面向点云语义分割的语义锚点引导特征传播方法

摘要：针对点云语义分割中解码端反距离加权插值易引发边界与薄结构区域特征混叠的问题，文中提出一种语义锚点注意力特征传播模块（AFP）。该模块在特征传播阶段使用分组聚合前提取的语义锚点特征作为Key，待传播的深层特征作为Value，构建解耦注意力机制，并结合相对位置编码计算通道权重，从而实现深层特征的自适应聚合。在S3DIS和ShapeNetPart数据集上的实验结果表明，AFP可以使多个模型在S3DIS数据集上的mIoU增加2.6~3.1个百分点，在ShapeNetPart数据集上的i-mIoU提升0.5~1.3个百分点。
学术研究 | RFC-Net: 融合感受野与共享卷积的玉米病虫害检测网络

学术研究 | RFC-Net: 融合感受野与共享卷积的玉米病虫害检测网络

摘要：为了应对自然农田环境中由叶片脉络纵横交错以及光照变化带来的玉米病虫害漏检误检问题，并缓解传统神经网络模型因超分辨率特征以及检测头部参数过多所导致的细粒度信息丢失问题，基于YOLO11提出了一种融合感受野与共享卷积的全新检测模型（RFC-Net）。在骨干网络部分引入了感受野坐标注意力卷积层（RFCACov），将二维的空间位置信息融入到通道特征之中，并将不同大小的感受野进行融合，从而可以更准确地检测到病虫害边缘纹理，有利于从复杂的大田背景中提取出较细小的病斑。针对检测头部的冗余开销问题，设计了一个共享卷积检测头（SFDHead），使深度可分离卷积权重可以在多个尺度之间共享，不仅可以去除预测支路所占的空间比例，还可以使多尺度特征的回归更加受到限制，有助于减少边界框的位置偏差。在玉米病虫害数据集上的实验结果表明，与基线模型YOLO11n相比，RFC-Net的mAP@0.5提升了3.0%，达到96.3%。这表明该模型可以有效减少农田环境带来的影响，提高病虫害检测的召回率和准确性，适用于实际农田自动化监控场景。
学术研究 | 无人机自组网中高能效的数据收集方法

学术研究 | 无人机自组网中高能效的数据收集方法

摘要：针对无人机自组织网络中节点能量受限、网络拓扑动态变化所带来的数据收集能效优化问题，提出一种分布式的高能效路由选择与功率分配联合优化方法。通过理论建模分析出数据传输过程中的期望总能耗，证明并推导出多跳路径上最优功率分配的具体表达式。设计基于局部信息交互的分布式决策算法，使无人机节点能够自适应地选择下一跳节点并动态调整发射功率。仿真结果表明，所提方法相比于经典的ETX路由方法能够有效降低期望能耗5%以上，显著提高数据收集过程中的能量效率。
学术研究 | 基于深度学习与LLM端-边-云协同的博物馆智能服务系统

学术研究 | 基于深度学习与LLM端-边-云协同的博物馆智能服务系统

摘要：文中设计了一套依托物联网端-边-云协同架构的博物馆智能服务系统。系统采用模块化设计，集成STM32（运动控制）、ESP32（语音交互）与RDK（YOLOv11视觉识别）三大模块，实现了文物实时讲解、多轮对话与语义控制功能，构建起“感知-认知-决策-交互”完整工作闭环。系统以ESP32-S3为边缘核心网关，承担多模态数据汇聚、WiFi网络接入、云端大语言模型（LLM）交互任务，并通过串口实现与STM32、RDK的协同调度。RDK运行YOLO模型开展文物实时检测与识别，一旦得到识别结果便触发ESP32向云端申请个性化讲解内容；同时，ESP32解析用户语义指令并上传云端，云端借助MCP协议生成结构化控制指令后回传，最后由STM32完成相应的运动操作。实验结果表明，该系统在博物馆场景下验证了低成本嵌入式平台与云端智能协同的技术可行性，具备良好的推广价值。
学术研究 | 基于ROS的全屋多功能家居机器人设计

学术研究 | 基于ROS的全屋多功能家居机器人设计

摘要：针对当前市面上大部分家庭服务机器人存在硬件灵活性不足和环境感知能力有限等问题，文中基于机器人操作系统（ROS）设计了一款具有环境感知、路径规划和任务分配关键模块的机器人，提出面向智能家居机器人的新型调度与规划框架。通过多传感器SLAM与动态加权A*算法，有效提高了家居机器人对复杂环境的适应性，为使用者提供更加综合、多样化的服务。实验结果显示，在20 m×15 m的模拟家居环境中，改进算法使机器人的清洁任务动态响应中位耗时降低至16.3 ms，路径规划耗时降低了10.8%~33.3%，有效地提升了机器人在复杂家居环境中的任务执行效率。
学术研究 | 面向智能牙刷场景的儿童牙病轻量化检测模型

学术研究 | 面向智能牙刷场景的儿童牙病轻量化检测模型

摘要：面向智能牙刷等终端的儿童口腔疾病智能监测的研究具有重要应用价值，现有高精度检测模型计算复杂度偏高、参数量偏多，无法直接部署到牙刷这类资源有限的嵌入式终端中。为此，文中面向儿童牙病检测开发出一种轻量化检测模型，该模型以YOLOv8n为基础，搭建教师-学生知识蒸馏框架。借助前景引导的语义增强蒸馏机制，强化学生模型对病灶区域的辨识能力；采用分层自适应蒸馏策略，完成多尺度特征迁移；结合通道剪枝与训练后量化技术，搭建出完整的模型压缩流程。在公开口腔图像数据集上的实验结果显示，蒸馏后模型的mAP@0.5可达86.3%；经过剪枝与量化后，最终模型的mAP@0.5仍达到85.2%，参数量降至 2.10×10⁶ ，模型体积降至1.2 MB，单张图像平均推理时延为4.0 ms。结果表明，该方法能够在保持较好检测性能的同时有效降低模型规模与推理时延，可为资源受限物联网终端中的口腔图像智能分析提供轻量化部署方案。
学术研究 | 基于多尺度特征与注意力聚合的OCT图像分类

学术研究 | 基于多尺度特征与注意力聚合的OCT图像分类

摘要：针对视网膜光学相干断层扫描（OCT）图像分类任务中弱对比细节容易丢失、病变尺度差异较大以及易混类别判别困难等问题，提出了一种基于改进 Swin Transformer 的分类方法。通过在网络输入端引入 CNN-Stem，对浅层纹理、层间边界等低层结构信息进行补充；在高分辨率特征阶段加入 MultiScaleDWConv，强化对不同尺度病变特征的提取；同时在分类端加入 CBAM-GeM 模块，提高对关键病灶区域的识别能力，抑制背景噪声干扰，以提升模型对 OCT 图像特征的表达与聚合能力。实验结果表明，所提方法在 OCT2017 数据集上取得了 99.79% 的总体准确率，DrusenF1 达到 99.80%，优于多种对比模型。文中方法在保持模型规模相对可控的基础上，在保证整体稳定性的同时进一步增强了对复杂病灶的判别能力，提高了对病变的识别精度，对推进辅助视网膜疾病临床诊断具有实际价值。
学术研究 | 基于 STM32 与 ESP32 双系统的智能轮椅设计

学术研究 | 基于 STM32 与 ESP32 双系统的智能轮椅设计

摘要：为解决行动不便群体的出行与生活自主需求问题，弥补传统辅助工具功能不足的缺陷，文中研发了一款多功能智能轮椅。采用 STM32 与 ESP32 主从双系统架构，以 STM32F405RGT6V 为主控实现轮椅运动控制、安全防护和人体数据监测等功能；采用 ESP32-S3 实现指令转换与语音交流。硬件方面，设计了供电、驱动、人体数据监测、避障等电路，车体采用铝合金框架；软件层面，结合增量式 PID 算法实现了轮椅移动控制，搭载 AI 大模型实现语音交互；并设计了手机 APP，实现了远程操控与路况观察。测试结果显示，轮椅在三种控制模式下的运动控制综合误差在 3% 左右，语音响应延迟低于 1.5 s。该智能轮椅功能集成度高、操作便捷，兼顾实用性与安全性，适配老龄化社会民生需求，为行动不便的人群提供了生活上的便利。
学术研究 | 基于图结构时空动态自适应网络的高速公路车辆轨迹预测

学术研究 | 基于图结构时空动态自适应网络的高速公路车辆轨迹预测

摘要：在高速公路场景中，车辆轨迹预测精度不足的问题已成为制约智能交通系统与高等级自动驾驶发展的关键问题。为此，提出一种基于图结构的时空动态自适应网络（G-STDAN），该网络通过动态图卷积网络建模车辆间局部非线性交互特征，结合多头注意力机制聚合全局空间关联信息，依托双向长短期记忆网络提取长时序运动依赖，并设计两阶段门控融合机制实现时空特征的动态加权整合，同时嵌入驾驶意图识别模块为轨迹预测提供高层语义约束。基于NGSIM高速公路实测数据集的实验表明，该模型在5 s长时预测任务中的均方根误差（RMSE）为3.42 m，其中RMSE较基线模型STDAN降低6.8%，较S-LSTM降低24.8%，可为自动驾驶决策规划与智能交通风险预警提供技术支撑。
学术研究 | 融合视觉感知与负压萃取的物联网智能茶艺终端设计

学术研究 | 融合视觉感知与负压萃取的物联网智能茶艺终端设计

摘要: 针对传统茶艺冲泡参数依赖经验、控制精度不足且缺乏智能交互的问题, 提出一种融合视觉感知与真空负压萃取的物联网智能茶艺终端。系统以 STM32F407 为核心, 构建 “感知-决策-执行” 三层闭环架构: 感知层通过 BGR 至 HSV 色彩空间变换与自适应阈值分割实现茶叶种类在线判别, 高斯滤波预处理、色彩空间转换、阈值分割与最近邻特征匹配各阶段计算量均与像素数呈线性关系 (全流程复杂度为 O(n)), QVGA (320×240) 分辨率下单帧全流程处理耗时 ?500ms, 可在 Cortex-M4 级 MCU 上实时运行; 决策层基于增量式 PID 实现加热系统精准温度跟踪; 执行层引入真空负压环境 (约 0.05MPa), 依据 Fick 第二扩散定律与 Arrhenius 方程建立负压萃取动力学模型, 实测负压下有效扩散系数较常压提高约 2.3 倍, 达到约 90% 萃取率所需的时间由常规浸泡的 3～5min 压缩至 60～90s 。系统集成四维智能胶囊与三级复合滤芯, 经 ESP8266 以 MQTT 协议接入云平台。实验结果表明, 温控调节时间 ?58s, 稳态误差为 ±1^°C, 超调量 ?3% ; HSV 算法对绿茶、红茶、乌龙茶、白茶、普洱茶 5 类样本的综合识别准确率达 92.3% ; 三级滤芯对 Ca²⁺/Mg²⁺ 去除率 ?95% , 出水水质满足《生活饮用水卫生标准》(GB 5749—2022) 的相关要求。研究可为物联网智能茶艺设备产品化提供工程参考。
学术研究 | 多尺度特征融合的 Vision Mamba UNet 医学图像分割

学术研究 | 多尺度特征融合的 Vision Mamba UNet 医学图像分割

摘要：医学图像分割是计算机辅助诊断中的重要手段，其目的是辅助医生进行影像分析，做出合理诊断，主要难点在于如何在复杂组织背景下准确有效地定位病灶与器官。在现有研究中，基于CNN的模型由于缺乏全局感受野，难以捕获全局依赖关系；基于Transformer的模型虽然克服了这一问题，但其计算复杂度随序列长度呈二次方增加，对硬件资源要求极高且计算消耗巨大。针对上述问题，文中提出了一种多尺度特征融合医学图像分割网络（MSFFVM-UNet）。该网络以视觉状态空间模型（VMamba）为基础，实现了线性复杂度下的全局感受野。同时，为了增强模型的全局建模能力和局部细节处理能力，模型在解码器中引入了视觉状态空间扩展模块（VSSE），使用多尺度特征融合注意力机制（MSFF Attention）替换常规的跳跃连接，实现多尺度上下文信息的自适应融合；在瓶颈层引入的高效多尺度融合模块（EMSF）也进一步提升了深层特征的表征能力。模型在ISIC2017、ISIC2018皮肤病变和Synapse腹部多器官分割数据集上进行了充分的对比试验，实验结果表明，该模型在mIoU、DSC和HD95等指标上优于UNet、Swin-Unet和VM-UNet等主流架构，运算效率也更优。
学术研究 | 物联网环境下跨区域新能源场站健康状态共享方法

学术研究 | 物联网环境下跨区域新能源场站健康状态共享方法

摘要：为打破新能源场站的“数据孤岛”，实现跨区域健康状态共享以支撑全局优化配置，提出一种基于物联网环境的跨区域新能源场站健康状态共享方法。文中构建了终端-边缘-云端三层架构，通过物联网网关计算有效带宽与传输速率，实现集成数据的跨区域交换，并封装后推送至共享通道。实验结果表明，该方法能精准共享关键健康信息，在数据量增长场景下缺失字段仅为0~1个，且增长平缓，批量同步总时长最高约5.2 s，适配大规模跨区域共享需求，应用效果良好。
学术研究 | 基于物联网的中小型数据采集系统设计与应用

学术研究 | 基于物联网的中小型数据采集系统设计与应用

摘要：传统数字化车间依赖完备网络和完整架构，方案倾向中大型工厂整体交付，成本高昂，中小企业难以落地。工业物联网的兴起带来了低成本的 IoT 设备，以轻量化、局部采集的方式有效填补了中小企业数字化转型需求与成本之间的鸿沟。文中搭建了一种基于物联网网关的数据采集系统。该系统采用“感知层-网络层-平台层-应用层”四层架构，通过网关实现多协议设备接入与边缘数据处理，依托云端平台构建数据存储与管理中心，实现了全流程参数的实时采集与智能管理。实践结果表明，该系统的部署成本较传统方案低约 60%，有效降低了延迟，缩短了故障响应时间，满足了中小车间的数字化需求。
学术研究 | 航空制造业物联网技术架构与应用研究

学术研究 | 航空制造业物联网技术架构与应用研究

摘要：为了提高航空制造工厂的生产效率和经济效益，研究了物联网技术在航空制造工厂内的应用，通过加强对生产设备与物流的监控，简化关键制造过程中的人工数据采集流程，从而提高生产过程的自动化与智能化水平。文中介绍了物联网技术在航空制造工厂内的典型应用场景，包括数据采集、实时设备监控、设备故障告警与设备维护、工厂内物流、加工时长收集与分析、设备控制、应用系统集成七个场景，极大拓展了物联网在制造执行系统中的应用；研究了航空制造实际生产过程中常用的数据采集方式与通信协议；提出了一种适用于航空制造工厂物联网系统的典型网络架构，简化了物联网平台网络架构的复杂度；最后介绍了典型物联网系统应用开发的技术架构。研究成果可为航空制造业数字化转型、智能工厂建设与高效生产管控提供技术参考与实践支撑。
学术研究 | 面向智联交互技术的项目化教学模式创新

学术研究 | 面向智联交互技术的项目化教学模式创新

摘要：在智联交互课程的教学过程中，常遇到学生基础参差不齐、理论和实践脱节、教学内容与产业实际需求贴合度不足的问题。为此，文中设计了一套“双轨联动、三阶递进”的项目化教学体系。为了辅助交互逻辑验证教学工作的开展，基于JupyterLab搭建了局域网云端实验平台。为了实现对知识、能力与素养的一体化评价，建立了“N+1+思政”三维过程性考核体系，并通过多课程协同以及与毕业设计的无缝衔接保障该体系的实施。从实际的教学效果来看，教学改革有效提升了学生的实践创新能力和协作能力，综合项目的完成率从68%上升到94%；学科竞赛获奖数量与相关毕设选题均有增加。上述探索为新工科同类课程的改革积累了可供参考的实践经验。
学术研究 | AI赋能嵌入式课程项目制教学改革探索

学术研究 | AI赋能嵌入式课程项目制教学改革探索

摘要：针对应用型高校电子信息类专业“嵌入式原理及应用”课程学习强度大、学生工程设计思维难建立、职业核心素养培养不足等问题，提出“AI赋能为核、多维融合为翼、四级进阶为径、六维评价为尺”的项目制教学改革思路。以嵌入式系统实际工程项目为主线，将基础项目与综合项目有机结合，深度融合AI技术、思政教育、学科竞赛与岗位需求，通过分层递进的实践任务链，凝练课程教学中的核心科学与工程问题；借助星火大模型等AI工具辅助代码开发、问题排查与方案优化，引导学生完成从原理学习到创新设计的全流程实践。同时构建多维度综合评价体系，实现教学过程与成果的双重考核。在控制生源、课时、竞赛政策等外部条件不变的前提下，本次改革成效显著：学生课程项目完成率从改革前的72%提升至95%，校级及以上学科竞赛获奖率较改革前提升20%，学生嵌入式系统开发平均完成时长缩短40%；岗位适配度调研显示，毕业生嵌入式相关岗位就业率提升35%。
学术研究 | 基于 “BOPPPS+双师型教师” 的光纤通信技术课程教学改革研究

学术研究 | 基于 “BOPPPS+双师型教师” 的光纤通信技术课程教学改革研究

摘要：光纤通信技术是通信工程专业的必修课程，其教学质量直接影响学生专业能力的形成，且紧密契合光纤通信工程师等岗位的能力需求。然而，传统教学模式下学生工程应用能力培养不足，难以匹配行业需求。针对上述问题，提出基于“BOPPPS+双师型教师”的教学改革方案。该方案以线上线下混合式教学为载体，重构BOPPPS的课程教学流程，依托双师型教师，将企业工程案例与实际应用设计深度融入教学各环节，通过优化课程内容体系、设计多元化教学活动、建立过程性评价机制，实现理论知识传授与工程实践能力培养的有机结合。教学实践表明，该改革方案有效激发了学生的学习兴趣与主动性，显著提升了学生的工程设计、问题解决及团队协作能力，同时促进了双师型教师团队的协同发展，为应用型本科院校工科专业的课程教学改革提供了可行的参考范式。
学术研究 | 基于 “OBE+BOPPPS+Edu-AI Agent” 的 RFID 原理及应用课程教学模式构建：理论框架与实施路径

学术研究 | 基于 “OBE+BOPPPS+Edu-AI Agent” 的 RFID 原理及应用课程教学模式构建：理论框架与实施路径

摘要：针对新工科背景下物联网工程专业核心课程RFID原理及应用存在的教学目标与产业需求错位、教学内容更新滞后、课堂互动性不足、实践环节薄弱、评价体系单一等问题，构建了融合成果导向教育（OBE）、BOPPPS模型与教育智能体（Edu-AI Agent）的三元协同教学模式。该模式以产业需求为指引，以OBE理念反向设计课程体系，确保教学目标与毕业要求匹配产业需求；以BOPPPS模型作为课堂教学的实施框架，保障教学过程的参与性和目标达成度；借助Edu-AI Agent实现学情智能诊断、资源精准推送、实践虚实融合与科学多元评价。文中聚焦于理论框架构建与实施路径设计，以“RFID防碰撞算法”为典型教学单元，设计了融入工程伦理素养的过程性评价、项目成果评价、期末综合考核的三维评价机制，并预期通过后续实践加以验证。该研究可为物联网类核心课程的教学改革提供参考，所提模式能够有效提升教学效果，培养出具备工程实践与创新能力、适配物联网产业需求的高素质工程技术人才。

过往期刊

更多

猜你喜欢

安徽机电职业技术学院电子阅览室