2026年 02期
基于SD-WAN的多元异构算力资源网络系统
叶宁;涂岳;李睿瑞;胡少文;为应对算力网络中接入算力资源分散、网络质量不均等问题，设计并实现了一种基于软件定义广域网(Software-Defined Wide Area Network, SD-WAN)的多元异构算力资源网络系统。该系统依托SD-WAN实现多链路与异构算力的统一管控，并构建复杂业务流程编排引擎，支持计算业务流程一次提交与自动化运行。在此基础上，提出网络与算力负载联合感知算法(Network-Computing Joint Load-Aware Algorithm, NCJLA),融合网络状态与资源负载多维指标，为业务流程编排中不同类型作业动态匹配最优计算集群。实验表明，相较于传统调度策略，NCJLA能显著提升系统吞吐率与实时作业响应速度，在千级并发场景下，作业总完成时间减少约20.0%,高实时作业等待时间最大降低超过75.0%。
基于FPGA的PTP over SDH时钟同步系统设计
刘铁强;霍婧;吴玉峰;井实;左兆辉;电网的安全稳定运行是实现高效智能电网的关键。保障电力系统运行的安全稳定性取决于电力系统中控制保护系统的协调配合，精确统一的时间信息是控制保护系统协调配合的关键，如何确保电网内时钟同步系统的准确性和稳定性成为保障电力系统安全稳定运行的关键。针对现代电力系统广域时钟同步需求，提出一种面向电力系统同步数字体系(Synchronous Digital Hierarchy, SDH)通信网络、基于精确时间协议(Precise Time Protocol, PTP)的时钟同步方案。协议实现以及时钟修正全部由FPGA硬件实现，保障了系统的高性能和稳定性。考虑到对时过程中可能出现的延时抖动，在时钟修正过程中加入滤波算法，进一步减小系统误差。测试结果表明，所提方案可以达到100 ns以内的精度，满足电力系统中时间同步的最高精度要求。
基于AIoT技术的人机交互智能储衣系统设计
王琬欣;丁学文;徐晨倩;梁浩;陈钢洋;刘海晨;苏煜朕;陈静;王泉;针对传统衣柜普遍存在的衣物堆放杂乱、易受潮发霉及滋生细菌等问题，设计并实现了一款智能储衣系统，以优化储衣环境、提升衣物管理效率与用户体验。项目融合人工智能物联网(Artificial Intelligence of Things, AIoT)、无线通信及自动控制技术，以STM32F103ZET6单片机为核心，集成PTC加热模块、DHT11温湿度传感器、LD3302语音模块、无线传输模块、LCD电阻触控屏及WiFi模块。系统通过传感器实时监测柜内环境，利用PTC模块智能调节湿度。通过WiFi实现远程监控与控制，支持语音交互。在智能化方面，STM32调用天气应用程序编程接口(Application Programming Interface, API)辅助决策，并采用基于C3k2＿Ghost DynamicConv模块优化的ClothingYOLO算法，在Backbone引入交叉注意力融合模块增强细节检测，结合细粒度分类注意力机制提升区分度，采用轻量级共享卷积检测头降低计算量，进而实现衣物识别。算法部署于树莓派4B,与STM32通过串口通信协作。经测试，优化的ClothingYOLO算法在树莓派4B上实现了80.6%的识别准确率，参数量仅为2.49 M。系统成功实现了温湿度监测与自动调节、远程监控与控制、语音交互、天气信息获取及衣物识别等核心功能。测试表明，系统能有效改善储衣环境，显著提升储衣效率与用户体验，有效解决了传统衣柜的痛点。系统通过集成环境监控、智能烘干、远程交互、语音控制、天气感知及高效衣物识别(基于优化算法),为用户提供了智能化、便捷化的储衣与穿搭体验，充分展现了嵌入式系统在智能化管理、多样化交互及网络化应用中的优势。
海算治数平台自动化测试的设计与实现
王迎超;杨彭年;贾然;于冬梅;数字政府建设旨在利用现代信息通信技术改进政府的运作方式和服务质量，实现政务管理的高效化、精细化和智能化。政务数据共享交换平台是数字政府建设的重要组成部分，海算治数平台则提供了一套面向下一代数字政府的扁平化“网”状政务数据共享交换体系。为实现海算治数平台的自动化测试，降低研发成本，提高平台的产品质量，综合运用数据驱动测试(Date Driver Test, DDT)和Mock Test理念，基于Python、pytest、Requests等自动化测试技术，重点解决测试时需要繁琐的测试环境部署搭建、依赖多样化的基座数据、单一自动化技术用例覆盖率低的难题。
第二代SPA敲门技术解决数据安全问题的应用
蔡蓬勃;陈砚冰;伴随信息技术的飞速发展，基于5G和互联网技术的远程视频、远程医疗系统发挥了重要作用。随着互联网技术的兴起，局域网与互联网交互，大量个人注册的信息成为网络安全的重点，随之而来的信息安全风险日益增加，各类型数据及个人信息泄露、黑客攻击信息系统事件时有发生。针对上述问题，通过创新研发的第二代SPA(Single-Page Application)敲门技术，使原本封闭环境内的资源得以安全共享并及时发现高危漏洞，旨在最大限度保障关键数据的安全与稳定。在提高信息化水平的同时，为个人信息保护提供支撑；同时，完成多个信息源的区域访问和关联，实现各系统及多区域数据相关信息的全面互联互通和协同利用，从而实现信息的安全互联网化，为实现互联网办公提供安全架构。
基于角色访问控制机制的本地网络信息安全防护
周鑫;肖坤宏;风险性信息入侵本地网络不但会造成数据泄露问题，还会严重干扰网络运行速率。为避免上述情况的发生，保障本地网络信息的安全性，提出基于角色访问控制机制的本地网络信息安全防护策略。根据网络用户角色的不同，实施信息权限分配，进而确定用户与访问信息之间的单一性映射关系，完成基于角色访问控制机制的本地网络信息体系构建。在完善的本地网络信息体系中，定义信息防护模式，并联合安全性信息准入原则，提出分级化的信息防护方案，实现对本地网络信息的安全防护。实验结果表明，基于上述防护策略可以避免85%以上的风险性信息入侵事件，且存在泄露风险的数据样本在本地网络总数据中的占比不足13%,能够大幅提升本地网络信息的安全性，在提升网络运行速率方面也具有突出的作用。
基于贝叶斯时域卷积算法的电网通信异常流量识别与检测
褚勇智;陈乐柱;沈聪;赵庆亮;异常流量可能使通信设备处理能力达到极限，进而引发设备重启，影响电力网络的正常通信。通过对异常流量的处理，可以及时发现问题，避免因设备故障而导致电网运行事故。基于此，结合贝叶斯时域卷积算法提出电网通信异常流量的识别与检测技术。在贝叶斯网络模型中，进行时域卷积运算，实现电力通信规约，完成电网通信规则库设计。利用规则库筛选异常流量，结合不确定性度量与检测机制，进行融合决策，完成电网通信异常流量的识别与检测。实验结果表明，该方法对电网异常通信流量的平均识别率超过90%,在保障通信设备高效运行的同时，不会出现处理能力超限问题，具有良好的泛化能力。
大模型背景下的医学图像分割综述
欧阳宇;史旭阳;李小霞;董柳谷;周颖玥;随着AI技术的突破发展，大模型在医学图像分割领域展现出巨大的应用潜力。通过系统梳理通用大模型(General Large Model, GLM)在医学图像分割领域的技术演进路径，揭示了以分割一切模型(Segment Anything Model, SAM)为代表的大模型虽在零样本迁移到医学领域时面临性能局限，但通过提示工程优化和参数高效微调等技术路径，能够有效适应特定医学任务需求。通过阐述适配器设计、低秩微调和医学特定预训练等实现SAM高效应用在医学图像分割的方法，揭示了医学图像分割技术正从特定任务导向向通用能力导向演进的发展趋势。探讨了大模型医学应用中的性能评价、可解释性、隐私保护和多模态融合等关键挑战，可为未来研究提供理论参考与实践指导。
基于改进YOLOv5s的苹果叶片病害检测研究
叶赵兵;薛娟;曾强;李静;周澄;针对自然场景中苹果叶片病害目标遮挡严重、背景复杂、多尺度以及模型参数大，无法部署到移动设备等问题，提出了一种基于改进YOLOv5s算法的苹果叶片病害检测模型。该模型在特征提取骨干网络中加入位置注意力机制(Coordinate Attention, CA)模块，以加强网络特征提取能力；利用加权双向特征金字塔网络(Bidirectional Feature Pyramid Network, BiFPN)结构替换原Neck端路径聚合网络(Path Aggregation Network, PANet),实现了多尺度特征的高效融合；引入Ghost卷积块，减少特征冗余参数，降低模型参数和复杂度；更改边界框损失函数为WIoU损失，通过差异化加权，使算法模型可以更好地学习各种尺度和被遮挡的苹果叶片病害样本，从而提高检测性能。实验结果表明，所提出的改进YOLOv5s模型可以有效检测自然环境中6种苹果叶片病害，与原始YOLOv5s相比，mAP@0.5提升了5.11个百分点，达到85.76%,准确率、召回率和mAP@0.5:0.95别提升了4.8个百分点、1.33个百分点和1.85个百分点；同时，模型参数量和计算量分别下降了14.5%和27.5%,检测速度高达42.37帧/秒。与SSD、Faster R-CNN、YOLOv8等主流检测算法相比，模型的mAP@0.5得分最高，网络复杂度最低且泛化性和鲁棒性更好。改进后的YOLOv5s网络轻、检测精度高、效率快，适合部署在移动设备上。
计算机视觉算法综述：模型、演化与技术趋势
白世强;刘彤;卜红霞;计算机视觉技术广泛应用于人类生产生活的各种场景，并发挥极其重要的作用。为完整展现计算机视觉领域的宏观体系，以起源、模型、展望为主要脉络对经典理论与关键算法展开系统性综述。在把整个领域划分为基于信号处理的传统计算机视觉和基于深度学习的现代计算机视觉两个阶段的同时，进一步将现代模型归纳至视觉分类、目标检测、语义分割、智能图像处理四个方向。2024—2025年所涌现的全新算法表明，计算机视觉会朝着特殊模型涌现、训练成本降低、应用场景多样三个方向发展。