本文设计了一种端到端的网页语义纠错系统，整合网络爬虫、分布式队列和大语言模型技术，实现从数据采集到纠错报告生成的闭环流程。系统采用模块化设计，通过多模型协作机制解决长文本处理问题，并优化提示词提升语义纠错效果。相比传统方法，该系统在语义理解准确率和可扩展性方面表现突出，特别适用于新闻类网站的内容审核。未来将探索自适应网页识别和本地模型部署以降低成本。研究成果为智能内容纠错提供了可行框架。

本研究提出了一种无监督三维场景语义理解框架，通过高斯混合模型层次化扩展实现以对象为中心的场景表达。该方法融合空间聚类与二维语义线索进行对象分组，并设计几何、光度和物理三类自监督约束进行优化。在ScanNet等数据集上的实验表明，其重建质量和语义理解能力优于基线方法，验证了无标签学习的有效性。未来将扩展至动态场景、轻量化设计及机器人交互应用。

本文针对野外中草药检测中的小目标漏检、背景干扰等问题，提出基于YOLOv11的改进模型。通过将SPPF替换为AIFI模块降低计算复杂度，采用Dysample增强细节恢复能力，新增小目标检测层并嵌入CBAM注意力机制。实验表明，改进模型mAP@0.5达81.2%，较基线提升2.9%，推理速度266FPS，参数量仅2.80M，有效提升了复杂场景下的检测精度与效率。该研究为野外中草药智能识别提供了可靠技

摘要：本文针对YOLOv8模型在稻田害虫识别中的不足，提出三阶段改进方案：1）采用C2f-Ghost-DynamicConv模块降低参数量；2）用BiFPN替换PANet增强多尺度特征融合；3）嵌入SE通道注意力机制优化特征提取。实验表明改进后模型mAP达97.9%，关键指标显著提升，满足无人机巡检实时需求。研究获国家自然科学基金等项目支持，成果发表于《人工智能与机器人研究》（DOI:10.126

本文提出了一种基于改进YOLOv8s的棉花叶病害检测模型YOLOv8s-MSFDS，通过引入MKC-Block模块和注意力机制优化特征提取能力。研究采用履带式机器人搭载嵌入式系统进行田间检测，在数据集扩充至27,564张图像后，模型准确率达到90.9%，较原YOLOv8提升3.1%。消融实验验证了多尺度通道注意力(MTA-Net)和频域空间注意力(FSA)模块的有效性，显著提升了小目标病害的识别精

本研究提出改进型YOLO-Apple模型用于解决自然果园中苹果幼果检测难题。针对幼果与叶片颜色相近、尺寸小且易被遮挡的特点，模型在YOLOv11n基础上创新引入C2PSA_Mona模块增强特征提取，并在C3k2模块嵌入EMA注意力机制。实验采用5558张真实场景图像，结果显示YOLO-Apple以6.5GFLOPs计算量和2.6M参数量实现mAP@0.5达84.4%，综合性能优于YOLOv8n等主

摘要：本研究针对花粉显微图像检测难题，提出两种改进YOLOv8的模型：BiFPN-ATFL通过跨层特征复用增强多尺度检测稳定性，Wavelet-CG-C2f结合小波变换与上下文建模提升复杂背景下的检测性能。基于延安地区6类花粉构建的9120张增强数据集（含1351个标注目标）测试显示，改进模型综合性能优于原YOLOv8，其中Wavelet-CG-C2f对松科花粉检测mAP达98%。研究表明频域特征

本文设计了一套基于MaskR-CNN的智能系统，用于近海漂浮垃圾检测与清理路径规划。系统采用Roboflow海洋垃圾数据集（11类目标/10,000张图像），通过ResNet-50-FPN实现目标检测（AP53.50%）与实例分割（AP52.05%），并将清理路径建模为非闭合旅行商问题，结合最近邻贪心算法与2-opt优化（200目标耗时181.8ms，路径缩短10.5%）。实验开发了Web/桌面双

本文针对高原牧区牦牛混圈养殖中的自动盘点难题，提出了一种基于改进YOLO模型的智能检测系统。研究构建了18,000张牦牛图像数据集，通过在YOLOv11/v12中集成SAConv、SCConv等模块，实现了mAP50 0.994的检测精度。系统结合K230嵌入式平台，可稳定运行于-40℃~70℃极端环境，较传统方法效率提升10倍以上，为高原畜牧业智能化管理提供了可行方案。实验表明改进模型在目标检测

在汉斯出版社《计算生物学》期刊上，有文章提出了一种名为SSAL的深度学习模型，旨在实现大规模数据集上circRNA-RBP相互作用位点的精准预测。