针对海事远距搜救中范围广、漂移不确定和资源受限等问题，提出一种融合动态预测与协同路径规划的两阶段优化方法。构建动力学-贝叶斯滤波双向耦合模型，实时更新目标位置与搜寻区域；建立多中心船艇-无人机协同路径规划模型，引入无人机投放、回收与任务重分配机制；设计多策略混合多目标粒子群算法(MSMOPSO)进行求解。仿真结果表明，该方法能有效预测目标漂移轨迹，实现多平台协同路径规划，提升搜救效率。
为弥补人工巡检实时性的不足，提出一套基于YOLOv8n的工业危险行为检测系统。该系统利用公开个人防护装备(personal protective equipment, PPE)数据集，并以1 000张现场样本微调，融合压缩-激励模块(squeeze-and-excitation, SE)或卷积块注意力模块(convolutional block attention module, CBAM)与“Vote-Cool”10帧滑动投票-50帧冷却策略，在轻量前提下提升小目标和遮挡场景鲁棒性。试验结果表明，在综合PPE基准集上改进模型取得平均精度均值(mAP@0.5)为40.2%,人员/PPE检测精度为94.1%/86.3%,RTX3080单卡全流程推理165 FPS(每秒传输帧数)。结果验证了方案在无大规模私有数据集条件下也能满足工业安全监控的实时性与可靠性，为基于公开数据的检测系统的快速落地提供了可行路径。
城市应急指挥中心的多源高清视频监控对实时传输稳定性与时延控制提出了更高要求。为应对高码率视频在复杂网络环境下的传输难题，构建基于5G传输架构的实时视频压缩通信体系。系统以城市级应急监控为应用场景，形成采集、编码、传输、误差校正与解码重构五级结构链路，结合5G专网进行多场景测试。结果表明，在4K与8K信号并发传输条件下，平均时延维持在毫秒级区间，画面质量与压缩效率随负载变化呈线性稳定趋势，验证了体系在高分辨率视频回传中的实时性与鲁棒性。研究成果可为5G专网条件下的城市应急视频通信提供可供参考的技术路径与工程依据。
为确保变电站周边区域安全，提出变电站周边区域小动物入侵告警方法。通过合理布设高清红外摄像机构建监控感知网络，并基于门控卷积网络(gated convolutional network, GCN)构建小动物识别模型，实现多阶空间特征的交互提取与复杂场景下的小动物精准检测。识别结果经AI边缘计算盒分析后，联动声光告警与驱离设备，形成“感知—识别—响应”的自动化闭环防控体系。试验结果表明：该设计方法在26 d监测周期内实现了站内小动物密度由62%降至0,最终实现完全驱离，有效提升变电站运行的可靠性与安全性。
聚焦政府主导的农业科技服务体系数字化建设，梳理当前国内外农业科技服务体系研究现状，以四川省“科技兴村”在线、天府科技云、益农信息社为研究对象，剖析其运行模式、核心优势和借鉴意义，针对基础设施建设不均衡、农民数字素养与接受度偏低、数据共享与平台互通性不足、技术创新与产业链整合欠佳、资金投入与政策支持有限等方面问题，提出完善政策制度与基建布局、构建精准化数字素养提升体系、深化前沿数字技术融合应用、健全创新转化与数据共享机制、优化多元化金融保障体系等优化路径，为西部农业大省数字化转型及“天府粮仓”建设提供参考。
随着物联网与边缘计算技术的快速发展，分布式微控制单元(MCU)网络在智能家居、工业自动化、智慧农业等领域的应用日益广泛。这些网络经常面临节点动态加入或退出的场景，即动态组网需求。传统地址分配方法不仅增加了硬件成本、需要大量人工干预，更难以在网络拓扑动态变化时实现地址的自动重构，严重制约了系统的可维护性、扩展性与鲁棒性。针对上述挑战，提出一种基于串联电阻分压原理的分布式地址自动分配方法，通过建立“物理拓扑-模拟电压-逻辑地址”的确定性映射模型，将节点在网络链路上的连接顺序编码为唯一的模拟电压值，并通过模数转换(ADC)与本地计算实现地址的自识别。实验结果验证了该方法的有效性。研究成果为资源受限的嵌入式动态组网系统提供了一种低成本、自适应的地址分配解决方案，具有一定的工程应用价值。
针对短期电力负荷预测任务，提出了一种基于经验模态分解和双向长短期记忆网络(BiLSTM)的混合模型。该模型首先通过经验模态分解对电力负荷数据进行信号分解，将复杂的负荷序列转化为多个本征模态函数；然后利用双向长短期记忆网络建模每个模态成分，捕捉其中的时序依赖关系。最后，通过加权重构将各个模态的预测结果合并，得到最终的负荷预测值。试验结果表明：该方法在测试集上的均方误差(MSE)为0.035,均方根误差(RMSE)为0.187,较仅使用BiLSTM分别降低了约46%和27%,显著优于传统的单一方法，具有较强的实际应用价值。
针对液压启闭机多源监测数据量纲不一致、采样异步与工况非平稳导致的预警滞后及处置对象不明确问题，构建面向预防控制的“数据治理-因果推理-深度预测-风险融合”方法。对压力、流量、阀芯位置、位移、电流与油温等信号进行缺失/尖峰修正、关键时刻对齐与去趋势分离，并通过滚动标准化形成统一表征；将标准分数偏离经Logistic映射为系统层风险估计。基于故障树到贝叶斯网络的映射实现顶事件风险评估与根因后验排序；基于卷积神经网络-双向长短期记忆网络(convolutional neural network-bidirectional long short-term memory, CNN-BiLSTM)建立局部特征与长时依赖的联合表征，并以麻雀搜索算法优化超参数输出多类故障概率；进一步融合系统风险、根因后验与退化速率形成风险评分接口，支撑阈值触发与分级处置。数值模拟表明，麻雀搜索算法优化的卷积神经网络-双向长短期记忆网络(sparrow search algorithm optimized convolutional neural network-bidirectional long short-term memory, SSA-CNN-BiLSTM)相比CNN-BiLSTM在准确率、F1分数与曲线下面积上有所提升，并将预警提前量提高至28 s;风险融合在2类典型异常下实现更早越阈触发。结果验证了所提方法兼具可预测性与可执行性，可用于启闭机预警与状态检修决策。
为解决城市大气与水环境协同治理中监测系统智能化不足、跨介质污染溯源滞后的问题，以某化工园区为例，通过构建“感知层-传输层-平台层-应用层”4层架构的智能化监测系统，建立大气-水环境耦合动力学模型和多目标协同优化算法，实现污染物精准识别与智能调控。研究结果表明，该系统能够有效提升污染溯源效率、优化污染物削减效果，为城市环境综合治理提供了技术支撑。
在高安全通信场景下，现有用户识别模块(subscriber identity module, SIM)卡仍存在存储可靠性不高、容易遭受侧信道攻击，以及生产过程追溯性不足等问题。传统SIM卡研究多集中在软件加密和通信协议安全，但对其硬件制造精度、密钥注入流程以及物理防护设计关注不足。从芯片结构优化、制造精度提升入手，提出加强密钥注入环节的安全机制，并建立覆盖全生命周期的安全控制体系。试验结果表明，该方案在写入可靠性和抗攻击能力方面表现良好，可弥补传统技术在硬件防护能力、密钥保护强度和高等级通信适配性方面的短板，进一步提升SIM卡在安全通信领域的可信程度和防护能力。