为系统梳理2004—2023年可溶性有机碳研究的发展动态、热点演变及前沿方向,基于Web of Science和CNKI数据库,系统检索并筛选2004—2023年发表的3003篇相关文献。使用VOSviewer、CiteSpace等文献计量工具,构建涵盖发文国家、机构、关键...为系统梳理2004—2023年可溶性有机碳研究的发展动态、热点演变及前沿方向,基于Web of Science和CNKI数据库,系统检索并筛选2004—2023年发表的3003篇相关文献。使用VOSviewer、CiteSpace等文献计量工具,构建涵盖发文国家、机构、关键词等维度的可视化知识图谱。结果发现,可溶性有机碳主题相关研究论文发表数量呈现逐年增加趋势,中国科学院是该领域发文量最多的科研机构。中美两国主导全球研究产出(美国748篇,中国556篇),并形成密切国际合作网络。研究热点主要聚焦于农业土壤和环境保护,研究范畴从土壤环境拓展至河流、湖泊、海洋等水生系统,并日益关注气候变化影响和生物可利用性等关键议题。本研究系统揭示了可溶性有机碳研究的核心力量、热点主题的时空演变规律及关键文献,可为厘清该领域研究脉络、识别未来方向提供计量学依据和实践参考。展开更多
针对复杂环境下含标签货物实时记录困难的问题,提出一种面向视觉物联网(visual Internet of Things,VIoT)的文本检测方法。在视觉物联网中设计并引入基于全局上下文注意力和坐标注意力的文本检测网络(text detection network based on g...针对复杂环境下含标签货物实时记录困难的问题,提出一种面向视觉物联网(visual Internet of Things,VIoT)的文本检测方法。在视觉物联网中设计并引入基于全局上下文注意力和坐标注意力的文本检测网络(text detection network based on global context attention and coordinate attention,GCANet),首先提出一种改进型坐标注意力模块,通过水平和垂直2个并行的一维池化操作,避免了因二维全局池化造成的位置信息丢失;然后引入全局上下文注意力模块,避免在复杂的背景对文本检测的影响,并防止密集或较远间隔的文本被错误地检测。该系统中提出的GCANet在公共数据集ICDAR2015、MSRA-TD500和Total-Text上的综合指标F值分别达到87.4%、86.9%和86.3%。在工业标签数据集Label-Text上平均准确率、平均召回率和平均F值分别达到93.4%、90.9%和92.1%。此外,GCANet在矿井下的标签数据集Mine-Text上准确率、召回率和F值分别达到94.4%、84.9%和89.9%。实验结果表明,本文提出的面向视觉物联网的文本检测方法效果优异。展开更多
基金SuppoSed by the National Natural Science Foundation of China under Grant Nos.6067319560703078(国家自然科学基金)+2 种基金the National High-Tech Research and Development Plan of China under Grant No.2007AA04Z113(国家高技术研究发展计划(863))the National Basic Research Program of China under Grant No.2006CB303105(国家重点基础研究发展规划(973))the National Key Technology R&D Program of China under Grant No.2006BAF01A17(国家科技支撑计划)
文摘为系统梳理2004—2023年可溶性有机碳研究的发展动态、热点演变及前沿方向,基于Web of Science和CNKI数据库,系统检索并筛选2004—2023年发表的3003篇相关文献。使用VOSviewer、CiteSpace等文献计量工具,构建涵盖发文国家、机构、关键词等维度的可视化知识图谱。结果发现,可溶性有机碳主题相关研究论文发表数量呈现逐年增加趋势,中国科学院是该领域发文量最多的科研机构。中美两国主导全球研究产出(美国748篇,中国556篇),并形成密切国际合作网络。研究热点主要聚焦于农业土壤和环境保护,研究范畴从土壤环境拓展至河流、湖泊、海洋等水生系统,并日益关注气候变化影响和生物可利用性等关键议题。本研究系统揭示了可溶性有机碳研究的核心力量、热点主题的时空演变规律及关键文献,可为厘清该领域研究脉络、识别未来方向提供计量学依据和实践参考。
文摘针对复杂环境下含标签货物实时记录困难的问题,提出一种面向视觉物联网(visual Internet of Things,VIoT)的文本检测方法。在视觉物联网中设计并引入基于全局上下文注意力和坐标注意力的文本检测网络(text detection network based on global context attention and coordinate attention,GCANet),首先提出一种改进型坐标注意力模块,通过水平和垂直2个并行的一维池化操作,避免了因二维全局池化造成的位置信息丢失;然后引入全局上下文注意力模块,避免在复杂的背景对文本检测的影响,并防止密集或较远间隔的文本被错误地检测。该系统中提出的GCANet在公共数据集ICDAR2015、MSRA-TD500和Total-Text上的综合指标F值分别达到87.4%、86.9%和86.3%。在工业标签数据集Label-Text上平均准确率、平均召回率和平均F值分别达到93.4%、90.9%和92.1%。此外,GCANet在矿井下的标签数据集Mine-Text上准确率、召回率和F值分别达到94.4%、84.9%和89.9%。实验结果表明,本文提出的面向视觉物联网的文本检测方法效果优异。
