The Tiny Encryption Algorithm (TEA) is a Feistel block cipher well known for its simple implementation, small memory footprint, and fast execution speed. In two previous studies, genetic algorithms (GAs) were employed...The Tiny Encryption Algorithm (TEA) is a Feistel block cipher well known for its simple implementation, small memory footprint, and fast execution speed. In two previous studies, genetic algorithms (GAs) were employed to investigate the randomness of TEA output, based on which distinguishers for TEA could be designed. In this study, we used quan-tum-inspired genetic algorithms (QGAs) in the cryptanalysis of TEA. Quantum chromosomes in QGAs have the advan-tage of containing more information than the binary counterpart of the same length in GAs, and therefore generate a more diverse solution pool. We showed that QGAs could discover distinguishers for reduced cycle TEA that are more efficient than those found by classical GAs in two earlier studies. Furthermore, we applied QGAs to break four-cycle and five-cycle TEAs, a considerably harder problem, which the prior GA approach failed to solve.展开更多
构建大规模茶芽目标检测数据集是一项耗时且繁琐的任务,为了降低数据集构建成本,探索少量标注样本的算法尤为必要。本文提出了YSVD-Tea(YOLO singular value decomposition for tea bud detection)算法,通过将预训练模型中的基础卷积替...构建大规模茶芽目标检测数据集是一项耗时且繁琐的任务,为了降低数据集构建成本,探索少量标注样本的算法尤为必要。本文提出了YSVD-Tea(YOLO singular value decomposition for tea bud detection)算法,通过将预训练模型中的基础卷积替换为3个连续的矩阵结构,实现了对YOLOX算法结构的重构。通过维度变化和奇异值分解操作,将预训练权重转换为与重构算法结构相对应的权重,从而将需要进行迁移学习的权重和需要保留的权重分离开,实现保留预训练模型先验信息的目的。在3种不同数量的数据集上分别进行了训练和验证。在最小数量的1/3数据集上,YSVD-Tea算法相较于改进前的YOLOX算法,mAP提高20.3个百分点。对比测试集与训练集的性能指标,YSVD-Tea算法在测试集与训练集的mAP差距仅为21.9%,明显小于YOLOX的40.6%和Faster R-CNN的55.4%。在数量最大的数据集上,YOLOX算法精确率、召回率、F1值、mAP分别为86.4%、87.0%、86.7%和88.3%,相较于对比算法均最高。YSVD-Tea在保证良好性能的同时,能够更好地适应少量标注样本的茶芽目标检测任务。展开更多
水浸出物是茶叶质量评价的重要指标之一。该研究提出利用近红外光谱法结合偏最小二乘算法(Partial least squares,PLS)快速检测乌龙茶中水浸出物含量。利用近红外光谱仪采集60份乌龙茶样品的光谱信息,通过Savitzky-Golay(SG)滤波器对原...水浸出物是茶叶质量评价的重要指标之一。该研究提出利用近红外光谱法结合偏最小二乘算法(Partial least squares,PLS)快速检测乌龙茶中水浸出物含量。利用近红外光谱仪采集60份乌龙茶样品的光谱信息,通过Savitzky-Golay(SG)滤波器对原始光谱数据进行预处理;采用连续投影算法(Successive projections algorithm,SPA)对采集的SG预处理光谱进行特征波长选择,基于SG预处理光谱和SPA法优化的特征光谱建立乌龙茶中水浸出物含量的PLS定量模型。结果显示,利用SPA法优化出14个特征波长建立SPA-PLS模型的性能最佳。在预测集中的相关系数为0.8966,预测均方根误差为0.8034%,剩余预测偏差为4.11。结果表明采用近红外光谱结合SPAPLS算法快速检测乌龙茶中水浸出物含量是可行的。展开更多
针对茶园耕作过程中因土壤板结粘滞特性导致的机具耕作阻力大、作业质量差等问题,基于鼹鼠爪趾生物力学特征创新设计了一款复合仿生耕作铲,通过四杆机构集成设计研制了新型茶园掘耕机。研究过程中,首先基于离散元法(Discrete element me...针对茶园耕作过程中因土壤板结粘滞特性导致的机具耕作阻力大、作业质量差等问题,基于鼹鼠爪趾生物力学特征创新设计了一款复合仿生耕作铲,通过四杆机构集成设计研制了新型茶园掘耕机。研究过程中,首先基于离散元法(Discrete element method,DEM)与多体动力学(Multi-body dynamics,MBD)耦合算法对仿生掘耕机的耕作过程进行动态模拟分析。同时借助Design-Expert 13试验设计软件,采用三因素三水平正交试验法(耕作铲入土角度、驱动臂转速、机具前进速度)开展整机工作参数优化研究,确定在耕作深度100 mm时,安装复合仿生耕作铲的茶园仿生掘耕机最佳工作参数组合为入土角度33.506°、驱动臂转速289.923 r·min^(-1)、机具行进速度0.2 m·s^(-1)。基于此优化参数,通过土壤颗粒运动速度分布特征进行耕作扰动对比仿真分析。最后开展田间验证试验,结果表明:相较于传统原型铲,装配复合仿生耕作铲的掘耕机减阻率为5.70%,碎土率提升至91.05%,其他作业评价指标均有所提升,工作性能能够满足茶园耕作的要求,验证了其仿生结构设计的有效性与工程实用性。展开更多
为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine...为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine Optimizer,CPO)的机械臂路径规划方法。通过引入动态种群收缩策略,在迭代过程中缩减种群规模,减少计算成本,使用末位淘汰机制及对算法结构改良提升全局寻优能力,增加个体多样性,并引入动态调整因子λ_t改进第一防御策略,平衡算法在不同阶段的探索与优化比例。通过Lindenmayer系统及UR5机械臂构建茶叶采摘仿真场景,进行仿真路径规划实验。在10个不同环境中,改进CPO算法相比原算法,平均计算时间减少4.7%,平均路径长度缩短0.78%;与灰狼优化(Grey Wolf Optimizer,GWO)、蜣螂优化(Dung Beetle Optimizer,DBO)、快速扩展随机树(Rapidly-exploring Random Trees,RRT)等算法相比,平均耗时相较GWO、DBO分别下降25%、24%,路径长度相较RRT算法减少23%、平均规划成功率高28%。改进CPO算法相较其他算法耗时更短,同时具有更好的路径质量及规划成功率,验证了其在茶叶采摘机械臂路径规划问题上的实用价值。展开更多
三维定位是实现采茶机器人精采名优茶的关键技术,对保证机器人采摘茶叶高品质和高产量具有重要的意义,传统的SGBM(Semi-Global Block Matching)算法存在匹配效果差,还原效果不高等问题。本文提出SGBM算法与WLS(Weighted Least Squares)...三维定位是实现采茶机器人精采名优茶的关键技术,对保证机器人采摘茶叶高品质和高产量具有重要的意义,传统的SGBM(Semi-Global Block Matching)算法存在匹配效果差,还原效果不高等问题。本文提出SGBM算法与WLS(Weighted Least Squares)的融合算法,使得茶叶嫩芽深视图轮廓更清晰、前后景分层更明显、还原度更高,实际定位效果更精准。实验表明:采用SGBM与WLS融合算法能够将定位误差控制在1 mm左右,约是同等条件下其他传统融合算法精确度的7倍,提高了机器人采摘茶叶时定位的工作效率,为后续实现采茶机器人智能化提供一定帮助。展开更多
文摘The Tiny Encryption Algorithm (TEA) is a Feistel block cipher well known for its simple implementation, small memory footprint, and fast execution speed. In two previous studies, genetic algorithms (GAs) were employed to investigate the randomness of TEA output, based on which distinguishers for TEA could be designed. In this study, we used quan-tum-inspired genetic algorithms (QGAs) in the cryptanalysis of TEA. Quantum chromosomes in QGAs have the advan-tage of containing more information than the binary counterpart of the same length in GAs, and therefore generate a more diverse solution pool. We showed that QGAs could discover distinguishers for reduced cycle TEA that are more efficient than those found by classical GAs in two earlier studies. Furthermore, we applied QGAs to break four-cycle and five-cycle TEAs, a considerably harder problem, which the prior GA approach failed to solve.
文摘构建大规模茶芽目标检测数据集是一项耗时且繁琐的任务,为了降低数据集构建成本,探索少量标注样本的算法尤为必要。本文提出了YSVD-Tea(YOLO singular value decomposition for tea bud detection)算法,通过将预训练模型中的基础卷积替换为3个连续的矩阵结构,实现了对YOLOX算法结构的重构。通过维度变化和奇异值分解操作,将预训练权重转换为与重构算法结构相对应的权重,从而将需要进行迁移学习的权重和需要保留的权重分离开,实现保留预训练模型先验信息的目的。在3种不同数量的数据集上分别进行了训练和验证。在最小数量的1/3数据集上,YSVD-Tea算法相较于改进前的YOLOX算法,mAP提高20.3个百分点。对比测试集与训练集的性能指标,YSVD-Tea算法在测试集与训练集的mAP差距仅为21.9%,明显小于YOLOX的40.6%和Faster R-CNN的55.4%。在数量最大的数据集上,YOLOX算法精确率、召回率、F1值、mAP分别为86.4%、87.0%、86.7%和88.3%,相较于对比算法均最高。YSVD-Tea在保证良好性能的同时,能够更好地适应少量标注样本的茶芽目标检测任务。
文摘水浸出物是茶叶质量评价的重要指标之一。该研究提出利用近红外光谱法结合偏最小二乘算法(Partial least squares,PLS)快速检测乌龙茶中水浸出物含量。利用近红外光谱仪采集60份乌龙茶样品的光谱信息,通过Savitzky-Golay(SG)滤波器对原始光谱数据进行预处理;采用连续投影算法(Successive projections algorithm,SPA)对采集的SG预处理光谱进行特征波长选择,基于SG预处理光谱和SPA法优化的特征光谱建立乌龙茶中水浸出物含量的PLS定量模型。结果显示,利用SPA法优化出14个特征波长建立SPA-PLS模型的性能最佳。在预测集中的相关系数为0.8966,预测均方根误差为0.8034%,剩余预测偏差为4.11。结果表明采用近红外光谱结合SPAPLS算法快速检测乌龙茶中水浸出物含量是可行的。
文摘为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine Optimizer,CPO)的机械臂路径规划方法。通过引入动态种群收缩策略,在迭代过程中缩减种群规模,减少计算成本,使用末位淘汰机制及对算法结构改良提升全局寻优能力,增加个体多样性,并引入动态调整因子λ_t改进第一防御策略,平衡算法在不同阶段的探索与优化比例。通过Lindenmayer系统及UR5机械臂构建茶叶采摘仿真场景,进行仿真路径规划实验。在10个不同环境中,改进CPO算法相比原算法,平均计算时间减少4.7%,平均路径长度缩短0.78%;与灰狼优化(Grey Wolf Optimizer,GWO)、蜣螂优化(Dung Beetle Optimizer,DBO)、快速扩展随机树(Rapidly-exploring Random Trees,RRT)等算法相比,平均耗时相较GWO、DBO分别下降25%、24%,路径长度相较RRT算法减少23%、平均规划成功率高28%。改进CPO算法相较其他算法耗时更短,同时具有更好的路径质量及规划成功率,验证了其在茶叶采摘机械臂路径规划问题上的实用价值。
