- 综合排序
- 最热优先
- 最新优先
- 来自专栏粮食检验
科技实弹丨酿酒企业原料收购如何实现“靶向”智能化升级
科技实弹1 桁架智能扦样机器人多谷物智能化采样系统，攻克传统需由人员操作的机电式机构的技术难题，彻底解决利用车型规律、扦样死角作弊的顽疾。 ，目前行业内唯一对稻壳实现全自动扦样的产品。 图片科技实弹2 多谷物自动在线检验采用一体化设计，全流程谷物种类智能判断，以自动化机械与多维度控制系统，按执行标准与扦样环节形成联动的数字化流程，参照国标以机器建立统一的检测标准，实现多谷物杂质、容重、 水分、不完善粒自动在线检验，减少以往因两套系统而造成的瓶颈效应，从扦样到以上主要指标检验完成仅需5分钟，最大限度地“去人化”，所有检验指标均实现溯源。 特别是在不完善粒检验方面，根据国标实现了任何谷物和粮食以颗粒数和重量两种不同方式的在线检测，同时得出小麦千粒重数据，具备深度学习功能，实时动态提升检验准确度。
39580编辑于 2022-11-09 - 来自专栏DeepHub IMBA
通过强化学习和官方API制作《星露谷物语》的自动钓鱼mod
目标的结果是使用官方 Stardew Valley 的 modding API 用 C# 编写一个自动钓鱼的mod。该模块加载了一个用 Python 训练的序列化 DQN 模型。 通过API我们可以查看并从游戏内存中读取特定属性的代码，对于自动钓鱼，需要在钓鱼小游戏期间跟踪的 4 个变量。“钩子”中心的位置、鱼的位置、钩子的速度和绿色条的填充量（这是奖励！）。 训练 训练过程是“自我驱动的”，首先要自己玩游戏收集状态和奖励数据，然后训练一个初始化的效果很差的模型让它自动玩游戏，并为我们收集新的数据。 所以模型的目的是数据彻底探索这个状态空间，无论是你（人肉）还是模型玩游戏都没有关系，当然如果能够全部自动化看起来肯定更加的高大上。
1.2K10编辑于 2022-03-12 - 来自专栏数说工作室
【学点统计学·非参数检验汇总】3. 多独立样本的非参数检验
飞扬 / 撰写 整理 数说君 / 编辑 ---- 本系列为【学点统计学·非参数检验汇总】 1. 回顾 单样本非参数检验 两独立样本非参数检验 2. 多独立样本的非参数检验 多独立样本的非参数检验是通过分析多组独立样本数据，推断样本来自的多个总体的中位数或分布是否存在显著差异。 方法包括：中位数检验、Kruskal-Wallis检验、Jonckheere-Terpstra检验等。 比如，对北京、上海、成都、广州四个城市的码农月收入进行比较。 （2）Kruskal-Wallis检验 Kruskal-Wallis检验实质是两独立样本的曼-惠特尼U检验在多个样本下的推广（什么是曼-惠特尼U检验？ （3）Jonckheere-Terpstra检验 Jonckheere-Terpstra检验也是检验多个独立样本来自的多个总体的分布是否存在显著差异的非参数检验方法.
2.9K121发布于 2018-04-08 - 来自专栏运维
多磁盘自动分区自动挂载脚本
起源： 准备测试tfs分布式存储，发现一台服务器24块大盘，还有好几台服务器， 想想那么碰分区格式化，UUID自动挂载，还好有自动脚本。 1，yes能在你需要输入y时帮你操作，要不一台服务器不间断24次y还不知道什么时候敲击 2，UUID也能自动获取，这样才能自动挂载且盘符能固定 #! /bin/bash #mkfs.ext4 mkdir /data/disk{1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24} mount -t ext4 /dev/sdj /data/disk9 mount -t ext4 /dev/sdk /data/disk10 mount -t ext4 /dev/sdl /data/disk11 data/disk10 ext4 defaults 0 0"}' >>/etc/fstab blkid /dev/sdl |awk '{print $2 " /data/disk11
2.1K20发布于 2018-11-14 - 来自专栏SAP S4HANA研习（2025年度）
SAP QM 事务代码QE01为检验批录入检验结果后自动评估和关闭？
SAP QM 事务代码QE01为检验批录入检验结果后自动评估和关闭？在SAP QM模块中有一个基础设置，在工厂代码级别上。 执行事务代码QE01,为某个检验批录入检验结果，回车，进入如下界面，为检验特性录入结果，回车，系统不做任何特别反应。保存，执行事务代码QE03看结果，检验结果录入后，系统没自动完成评估和关闭动作。 2, 如果将Recording configuration 栏位值被设置为X - All background function.重新执行事务代码QE01为检验批录入结果，录入结果，回车，系统自动弹出Manual 窗口，回车，回到如下界面，系统不会自动保存。 2024-11-15 写于上海市浦东新区。
47910编辑于 2024-11-15 【农作物谷物识别】系统实现~Python+深度学习+人工智能+算法模型+图像识别+TensorFlow
项目介绍本项目设计并实现了一套基于深度学习的农作物谷物智能识别系统。系统主要涵盖大米、小米、燕麦、玉米渣、红豆、绿豆、花生仁、荞麦、黄豆、黑米和黑豆共11类常见农作物谷物的精准图像识别。 通过对大量谷物图像数据的预处理、数据增强及迭代训练，实现对输入谷物图片的毫秒级快速分类与高精度识别。选题背景与意义中国是农业大国，谷物作为国民饮食的基础与农业经济的支柱，其产量与质量的把控至关重要。 传统的谷物种类鉴定和质量检测主要依赖人工目视筛查，这种方式不仅耗费大量的人力物力，而且容易受到质检人员经验水平、视觉疲劳等主观因素的影响，导致效率低下且误判率较高，难以满足现代农业规模化、自动化生产的现实需求 本项目选取的11类常见谷物涵盖了我国居民日常消费的主要粮食品种。 开发此套自动化智能识别系统，一方面能够大幅提升农业生产、粮食加工与仓储物流等环节的检测效率，显著降低人力与时间成本；另一方面，通过高精度的机器识别算法，可以有效规范农产品的质量分级标准，助力智慧农业的高质量发展
16910编辑于 2026-03-06- 来自专栏好奇心Log
python绘图 | 国家气象局开源预报检验库（多图预警）
目前该程序提供了可供复用的函数达200多个，集成了开展检验所需的基础函数（包括数据的读写、插值、累加、平均、选取、分组等）、检验算法（包括各类二分类、多分类、连续型变量、概率预报和集合预报的检验等）和检验图形产品 有无预报检验 综合检验图performance() 绘制二分类预报的综合检验图，其横坐标为成功率，纵坐标为命中率，并绘制了等bias和等ts曲线辅助线，检验结果以圆点方式显示在图中，从而可以直接浏览成功率 连续型预报检验 散点回归图scatter_regress() 绘制观测-预报散点图和线性回归曲线，横坐标为观测值，纵坐标为预报值，横坐标和纵坐标取值范围自动设为一致，在图形中间添加了完美预报的参考线。 图中横坐标和纵坐标取值范围自动设为一致，并在图形中间添加了完美预报的参考线。 ? 时间序列对比 多模式多时效对比图time_list_line() 将不同时刻起报的预报和实况在同一张图中进行显示对比，便于及时发现问题，以曲线的方式叠加显示。 ?
4.7K32发布于 2020-10-15 - 来自专栏SAP S4HANA研习（2025年度）
SAP QM 对09类型检验批做处置后系统自动更新批次的下次检验日期
SAP QM 对09类型检验批做处置后系统自动更新批次的下次检验日期SAP QM的09检验类型用于支持复验场景，即某些物料每隔一段时间需要检验一次。 对于这些物料，业务人员需要指定其复验周期，比如每半年检验一次，每3个月检验一次。当某次检验的检验批完成处置(Usage Decision)之后，SAP系统会自动计算下次检验日期。 1, 如下的09类型的检验批.物料号是355，复检间隔期是90天，即每90天复验一次。 该检验批上的批次号是2024112701，MSC3N查看批次主数据，Next Inspection日期是2024.11.272, 执行事务代码QA11，对该检验批执行使用决策.保存，系统提示说是否要修改成新的检验日期 ，点击’New:25.03.24’，3,再次执行MSC3N显示该批次主数据.Next Inspection被改为2025.03.24 (笔者执行QA11的日期是2024.12.24, 90天后就是2025.03.24
44900编辑于 2024-12-24 - 来自专栏Laoqi's Linux运维专列
Ansible 多机房自动部署发布
在只有少量服务器的情况下，大多数运维人员会选择手动更新，减少自动化部署发布的开发成本。 在我们发布风控情报服务的时候，就遇到了自动化部署发布的问题。 由于风控服务在用户场景中处于非常重要的地位，对SLA要求极高，需要提供毫秒级别的访问质量，为了达到这一点，消除掉公网的消耗，需要支持多机房服务，而同时带来的问题就是，如何保持各机房的软件版本统一，能够做到快速的统一发布 二、如何解决问题 目前自动化部署发布领域已经有了比较成熟的方案，中小公司会维护一些自动化脚本或开源软件，而大公司由于复杂的网络环境更多会选择维护一套专属的部署发布系统。 简要说明下我们的项目如何使用ansible实现了多个环境的自动化部署发布。
2K30发布于 2018-05-31 - 来自专栏站长的编程笔记
ThinkPHP6.0 自动多应用部署、多应用智能识别
本文前提：在多应用模式中 1. 自动多应用部署 官方手册原文 多应用模式 2. 自动多应用模式的URL地址默认使用 3. 多应用智能识别 1. 自动多应用部署 官方手册原文 多应用模式 ---- 通过index.php入口文件访问的话，并且没有设置应用name，系统自动采用自动多应用模式 如果没有指定访问的应用，自动访问默认应用 http:// 自动多应用模式的URL地址默认使用 ---- 访问admin应用 http://serverName/index.php/admin 访问shop应用 http://serverName/index.php 多应用智能识别 ---- 应用不存在时，系统会自动切换到单应用模式，并进行全局路由（route/*.php）匹配检查 如果希望应用不存在的时候，直接访问默认应用的路由 在全局配置文件 config/app.php
88520编辑于 2023-02-18 - 来自专栏林德熙的博客
dotnet X11 获取多屏 edid 信息
具体的方法如下 通过 XRRGetMonitors 方法获取当前设备的每个显示器屏幕信息，其方法定义代码如下 const string libX11Randr = "libXrandr.so .2"; [DllImport(libX11Randr)] public static extern XRRMonitorInfo* XRRGetMonitors(IntPtr \Screens\X11Screen.Providers.cs public class Randr15ScreensImpl { public Randr15ScreensImpl(nint 0, 0, 1, 1, 0, IntPtr.Zero, IntPtr.Zero); return win; } [DllImport(libX11 /FelocerebeWirolerco 文件夹，即可获取到源代码 更多 X11 技术博客，请参阅 博客导航
35410编辑于 2025-08-12 多领域对话自动评估技术突破
自动评估与Alexa的对话随着与Alexa的交互越来越多地涉及多轮对话，Alexa使用这些对话来填充请求的细节或协调多个技能。与所有已部署的AI模型一样，对话模型需要定期评估以确保满足客户需求。
19710编辑于 2025-10-13多领域对话自动评估技术突破
自动评估与语音助手的对话交互随着与语音助手的交互越来越多地涉及多轮对话，评估这些对话模型的质量变得至关重要。传统方法依赖人工评估，既缓慢又昂贵。
14710编辑于 2025-10-16- 来自专栏企鹅号快讯
波音展示无人电动货运飞机原型 借机检验自动驾驶技术
腾讯科技讯 1月11日消息，波音公司周三展示了一台无人电动垂直起降货运飞机（CAV）原型，对此，波音方面表示，这一原型还将用来检验类似飞机的自动驾驶技术。 波音负责研发无人电动垂直起降货运飞机部门Boeing HorizonX的副总裁史蒂夫-诺德伦德（Steve Nordlund）表示，“我们的新CAV原型，体现了自动驾驶货运飞机的最新可能性，而且这种飞机还可能承担物流和其它运输业务 去年11月，空客、劳斯莱斯以及西门子等公司汇聚一堂，共商研发混合电动引擎事宜。根据协商结果，空客负责推进系统和电池的控制结构研发业务。
73360发布于 2018-02-06 - 来自专栏十二惊惶的网络安全研究记录
数学建模：全球食品系统再优化
我们试图分析中国粮食作物总量与化肥消耗，谷物耕地面积，农村人口，农机具保有量等多参数的影响。建立多变量的优化模型。 4. 中国谷物耕地面积至2002年的低点逐年上升 表1为中国谷物耕地面积，表2为中国农业GDP，表3为化肥消费数,表4为中国农业机械数量列表。 这些主成分系数可以通过SPSS进行计算 5.2 模型在软件中的实现 将数据放入SPSS中并进行主成分分析，就可获得我们想要的数据 5.2.1 检验各元素之间的关联程度 KMO和巴特利特检验 KMO 取样适切性量数 .686 巴特利特球形度检验 近似卡方 90.887 自由度 6 显著性 <.001 一般情况下，KMO值应大于等于0.6，Sig值应小于等于0.05，元素之间关联程度。 所给的特征值和成分矩阵算出主成分系数 设成分i中对应的第j个变量的主成分为pij,第i个特征值为ri, aij表示yi中xi前的系数, ki表示特征值的累计（占比），x`i为标准化后的变量，yi为主成分得分，所以由结论可得： y1=a11x
37010编辑于 2024-02-28 - 新添加一篇文章（这样才能触发 save 方法，此前添加的文章不会自动生成摘要来自专栏HelloGitHub
第 11 篇：自动生成文章摘要
因此我们来实现如果文章没有输入摘要，则自动摘取正文的前 N 个字符作为摘要，这有两种实现方法。 通过覆写模型的 save 方法，在数据被保存到数据库前，先从 body 字段摘取 N 个字符保存到 excerpt 字段中，从而实现自动摘要的目的。 span class="meta-nav">→
Win11电脑如何设置每天早上定时自动开机？6大方案详解+多系统攻略
Win11电脑如何设置每天早上定时自动开机？6大方案详解+多系统攻略 Win11电脑如何设置每天早上定时自动开机 想知道Win11怎么设置定时自动开机提升办公效率？ 立即收藏这份全网最全的自动开机设置宝典，让您的电脑每天准时唤醒迎接工作！ 关键参数配置： 开机时间精确到分钟 需保持电源连接状态 主板需支持ACPI唤醒功能 方案二：任务计划程序唤醒（无需进BIOS） 仅在电脑休眠状态有效，关机就失效 适用场景：Windows 10/11 电池需有电（CR2032纽扣电池） 企业版Windows需管理员权限 遇到失效时检查： 电源选项中的快速启动设置 主板CMOS电池电压 第三方安全软件拦截 结尾 通过这7大方案，相信您已掌握Win11 #Win11技巧 #自动开机 #办公效率提升
Win11关闭自动锁屏功能
第五步：分别在下拉菜单中选择“从不”，将两个选项都改成“从不”即可关闭自动锁屏。 完成这些步骤后，您的Win11系统将不再在您离开时自动锁屏。
Oracle 11g DG Broker 自动failover
Oracle 11g DG Broker 自动failover验证： db2主库： SQL> select DATABASE_ROLE,OPEN_MODE from v$database; DATABASE_ROLE database; DATABASE_ROLE OPEN_MODE ---------------- -------------------- PRIMARY READ WRITE 四：自动切换的过程 succeeded, new primary is "db2" 20:16:01.77 Thursday, July 04, 2019 4.2 failover的过程和手工failover一样，不管是自动
dotnet X11 的多屏触摸行为测试
故事的背景是我在给 Avalonia 加上触摸尺寸的支持时，代码审查过程中大佬提出了在多屏上的 X11 行为问题，为此我找了两个触摸屏进行测试 X11 的多屏触摸行为。 /etc/debian_version 获取 debian 版本号，输出信息如下 >$ cat /etc/debian_version bullseye/sid bullseye 是 debian 11 18950.00/10000 = 1.895 米 由于 CVT 的设备报告的逻辑值和物理值都是相同的最大值最小值，因此以上代码我不确定拿到的是逻辑值还是物理值 通过以上代码也可以看到，我无法直接获取到正确的多屏不同尺寸的设备的多个屏幕的物理尺寸 文档，所获取的是椭圆长轴，将其当成触摸宽度是不准确的 校准屏幕 在我的设备上，发现触摸屏的触摸输入和对应的屏幕显示没有对齐，需要根据以下大佬们的博客进行修复 Linux处理多触屏的终极解决方案 香风家的火柴盒 github.com/lindexi/lindexi_gd.git git pull origin dedfc0ec3a3c8d04e7bec5276fe5bcaa926fe6e9 获取代码之后，进入 X11
