MCM——多芯片组件

针对电子系统中由传统的封装与互连工艺引起的互连信号延迟，串扰噪声，电感／电容耦合以及电磁辐射等问题，介绍一种新型的多芯片组装技术。     

植物miR159靶向MYB基因家族的调控作用及其跨界调控哺乳动物生理功能的研究进展

植物miR159靶向MYB基因家族在植物的生长发育、新陈代谢、逆境响应及病原防御等多种生理过程中发挥关键作用。植物miR159可以跨界调控哺乳动物的生理功能,如抑制肿瘤生长、改善能量代谢、抗氧化应激、调节机体免疫功能等。阐述了miR159通过调控MYB基因家族参与多种植物营养生长、逆境胁迫、开花和果实发育过程,以及外源性植物miR159跨界调控哺乳动物生理功能和对乳腺癌的调控作用,以期为后续深入研究植物miR159的调控网络以及跨物种调控机制提供参考。     

基于GPS-OEM模块的农田基本信息采集系统的设计与实现

为降低成本并提高获取农田基本信息的效率,设计了一种基于GPS-OEM模块,由GPS-OEM模块、单片机、键盘、LCD显示、U盘读写模块及通讯接口等组成的采集系统。试验结果表明,该系统能够进行农田位置的定位和地块长度及面积的测量;长度测量的最大相对平均误差和相对均方差分别为0.79%和3.29%,面积测量的最大相对平均误差和相对均方差分别为2.03%和11.1%,并且面积越大,测量精度越高。理论分析表明,进一步减少测量的偶然误差,将会使测量精度有更大的提高。     

基于“In-VM”思想的内核恶意代码行为分析方法

随着互联网的高速发展，网络安全威胁也越来越严重，针对恶意代码的分析、检测逐渐成为网络安全研究的热点。恶意代码行为分析有助于提取恶意代码特征，是检测恶意代码的前提，但是当前自动化的行为捕获方法存在难以分析内核模块的缺陷，本文针对该缺陷，利用虚拟机的隔离特点，提出了一种基于“In-VM”思想的内核模块恶意行为分析方法，实验表明该方法能够分析内核模块的系统函数调用和内核数据操作行为。     

基于SEEC-YOLO v5s的散养蛋鸡日常行为识别与统计系统

针对鸡只个体较小、个体间存在遮挡，对蛋鸡日常行为识别造成干扰的问题，提出了一种基于SEEC-YOLO v5s的蛋鸡日常行为识别方法。通过在YOLO v5s模型输出部分添加SEAM注意力模块、在特征融合部分引入显式视觉中心模块(EVCBlock),扩大了模型的感受野，提高了模型对小个体遮挡情况下的目标识别能力，提升了模型对蛋鸡站立、采食、饮水、探索、啄羽和梳羽6种行为的识别精度。提出了一种基于视频帧数与视频帧率比值计算蛋鸡日常行为持续时间的统计方法，并对蛋鸡群体一天之中不同时间段及全天各行为变化规律进行了分析。将改进后的模型进行封装、打包，设计了蛋鸡日常行为智能识别与统计系统。试验结果表明，SEEC-YOLO v5s模型对6种行为识别的平均精度均值为84.65%,比YOLO v5s模型高2.34个百分点，对比Faster R-CNN、YOLO X-s、YOLO v4-tiny和YOLO v7-tiny模型，平均精度均值分别提高4.30、3.06、7.11、2.99个百分点。本文方法对蛋鸡的日常行为监测及健康状况分析提供了有效的支持，为智慧养殖提供了借鉴。     

个人媒体在农业信息化建设中的应用研究

个人媒体作为网络新媒体的代表，在21世纪强势崛起。在此新形势下，以个人媒体的内涵、特征为思考基础，深入挖掘其与农业信息化主体模块的内在联系，得出个人媒体影响并引领着农业信息化建设的发展趋势这一建设性结论。同时为实现个人媒体在实践领域对农业信息化建设的促进作用，从农业信息化建设的主体、资源和层次三方面提出个人媒体在农业信息化建设中的具体应用策略，并辅以移动学习模式构建、图文视频模块搭建和交流沟通互动保障的具体实施方案，以确保个人媒体这一新型理念在农业信息化建设中得到切实而高效的实施。     

基于改进空间-协调注意力UNet的多作物分类提取

为弥补目前多作物分类提取精细化程度不高的问题，探究不同尺度数据集对网络精度的影响，该研究对协调注意力进行改进，并将此模块加入到UNet网络中，以验证改进后的空间-协调注意力UNet(spatial-coordinate attention UNet,SPCA-UNet)的合理性与有效性。结果表明：以1 500×1 500像素分辨率数据为输入的网络提取精度最高，UNet和DeepLab v3+网络模型对尺度信息不敏感；在注意力比较试验中，改进的空间-协调注意力的平均交并比、平均像素精度、平均精准率、平均召回率均优于SENet(squeeze-and-excitation networks)、CBAM(convolutional block attention module)、ECA(efficient channel attention)和CA(coordinate attention)模块，平均交并比达到了92.20%，平均像素精度达到95.97%，比CA模块的平均交并比和平均像素精度分别高出1.16和0.76个百分点。改进的空间-协调注意力可以很好地保持作物边界信息，由于其较强的规范...     

深圳市园林树池构造设计研究

树池承担着保护植物的功能,设计巧妙的树池还具有塑造园林景观特色、彰显环境氛围的重要作用。近年来深圳城市园林树池的建设存在诸如设计同质化严重、土壤环境恶劣、空间狭窄等问题。通过分析休憩型树池、艺术型树池、生态型树池等优秀树池类型及案例,从前期实地调研、土壤改良、树种选择等方面提出建议,并提出引根技术、隔根技术及组合式种植模块应用的树池构造设计新技术及新工艺。     

基于改进YOLOv5的菇房平菇目标检测与分类研究

随着食用菌行业由自动化向智能化、信息化发展的趋势越来越明显，为了实现现代化菇房中平菇的准确检测，解决工厂化平菇栽培中收获阶段平菇之间相互遮挡等问题，帮助平菇采收机器人进行准确的自动化采收，该文提出了一种基于YOLOv5（you only look once version 5）模型的OMM-YOLO（ostreatus measure modle-YOLO）平菇目标检测与分类模型。通过在YOLOv5模型的Backbone层添加注意力模块，对输入的平菇图像特征进行动态加权，以获得更详细的特征信息，并在Neck层采用加权双向特征金字塔网络，通过与不同的特征层融合，提高算法的平菇目标检测的精度。此外，为了改善算法的准确性和边界框纵横比的收敛速度，该文采用了EIoU（enhanced intersection over union）损失函数替代了原有的损失函数。试验结果表明，与原始模型相比，改进模型OMM-YOLO对成熟平菇、未成熟平菇和未生长平菇的平均精度均值分别提高了0.4个百分点、4.5个百分点和1.1个百分点。与当前主流模型Resnet50、VGG16、YOLOv3、YOLOv4、YOLOv5m和YOLOv7相比，该模型的精确率、召回率和检测精度均处于优势，适用于收集现代化菇房中的平菇信息，有效避免了平菇之间因相互遮挡而产生的误检测现象。菇房平菇目标检测可以自动化地检测平菇的数量、生长状态等信息，帮助菇房工作人员掌握菇房内的菇况，及时调整温湿度等环境条件，提高生产效率，并且对可以对平菇进行质量控制，确保平菇产品的统一性和品质稳定性。同时可以减少对人工的依赖，降低人力成本，实现可持续发展，对智能化现代菇房建设具有积极作用。     

基于PXI的实时仿真测试系统构建技术研究

首先对基于PXI总线控制器的实时系统的构建方法进行分析，在此基础上研究系统平台构建、应用程序开发等，最后通过工程实例-卫星姿轨控仿真系统的开发对上述方法的可行性和有效性进行实验验证。结果表明仿真系统具有定时精度高、开发周期短、系统升级方便等特点，同时还能实现从数学仿真到半物理/物理仿真的无缝升级，可广泛应用于航空航天等众多领域的仿真系统开发。