人工智能相关文章

SEC-YOLO：一种高效的中草药复杂背景识别模型

针对中药材图像识别中存在的复杂背景、遮挡及光照变化等问题，构建了一个涵盖76种中草药、两万余张图像的大规模数据集，并通过多种数据增强提升模型泛化能力。在YOLO11n基础上，提出改进模型SEC-YOLO，引入C3k2_Star模块、ECA_SR注意力机制及C2PSA_CGLU模块，提升复杂环境下的识别性能，并优化特征融合结构与检测头设计，增强对小目标与混叠药材的检测能力。改进模型平均精度均值（mAP）达98.0%，权重文件3.7 MB，计算量4.7G，参数量1.80M，相较于YOLO11n，权重文件大小降低了30.1%，计算量下降了28.7%，参数量下降了31.0%。其检测精度和检测速度均满足实时检测要求。实验结果表明，SEC-YOLO在保证轻量化的同时实现高精度、实时性识别，为中药材自动化识别提供了有力支持。

发表于：2026/6/17

中国正在加紧筹建世界人工智能合作组织

6 月 17 日消息，据央视新闻今日报道，中国正在加紧筹建世界人工智能合作组织，欢迎各方加入，共促智能向善。

发表于：2026/6/17

高通推出个人AI设备上市加速计划Snapdragon START

6 月 17 日消息，Qualcomm（高通）当地时间 17 日在 AWE USA 2026（增强现实世界博览会）上宣布推出 Snapdragon START (Scalable Turnkey AI-Ready Toolkit)。这一计划旨在帮助品牌更快、更灵活地将自己的个人 AI设备推向市场。

发表于：2026/6/17

英伟达宣布携手Coherent扩产AI光互联

英伟达昨日（6 月 16 日）发布博文，宣布其战略投资的高意（Coherent）在美国得州 Sherman 为扩建工厂奠基，聚焦 6 英寸磷化铟晶圆与光互连产能，支撑 AI 数据在机架间以光速传输。

发表于：2026/6/17

曝DeepSeek非常规交易架构完成逾70亿美元融资

据报道，DeepSeek在首轮融资中筹得逾500亿元人民币（74亿美元），估值超500亿美元，并采用了旨在维持创始人控制权的交易结构。

发表于：2026/6/17

溢价近4倍 传高通拟100亿美元收购Tenstorrent

在AI芯片赛道竞争白热化的当下，芯片巨头高通（Qualcomm）似乎正试图通过一桩重磅收购来弥补自身在AI领域的短板，以加速向数据中心AI芯片市场扩张。

发表于：2026/6/17

思科：网络基础设施成企业规模化应用AI潜在瓶颈

6月16日下午消息，思科近日指出，人工智能的部署给企业网络带来了越来越大的压力，并警告称，园区和分支基础设施正成为企业规模化应用AI技术的潜在瓶颈。

发表于：2026/6/17

国产GPU四小龙之一燧原科技科创板IPO成功过会

6月15日消息，上海证券交易所上市审核委员会今日发布审议结果，燧原科技科创板IPO申请正式过会。燧原科技拟募资60亿元，主要用于第五代、第六代AI芯片研发及产业化项目。

发表于：2026/6/16

国产最强通用计算平台发布：中国高精度算力底座迈入“百核时代”

6月15日，中科曙光发布新一代通用高性能计算平台。该平台以国产百核级通用CPU为核心，通过“算存网”全栈协同优化，整体规格首次达到国际厂商旗舰级水平，实现了国产通用计算性能的历史性突破。

发表于：2026/6/15

基于TQWT-MSPCA-GNN多模态特征的混合神经网络EEG情绪识别

脑电图 （EEG） 信号能客观反映情绪状态，是情绪研究的重要工具。基于EEG信号的情绪识别算法的开发已经取得了显著进展。然而，脑电信号的非平稳、低信噪比特性以及情绪表征的复杂时空依赖性，对模型的识别性能带来了困难。传统方法难以在时间和空间两个维度捕捉到远距离时间序列数据的相关性，从而影响情绪分类的效果。为了解决上述问题，提出了一种通过可调Q因子小波变换（TQWT） 对原始EEG信号进行多尺度分解，并在各尺度上采用多尺度主成分分析（MSPCA）进行去噪和降维。将分解后的多频带信号构建为动态脑功能网络，并引入图神经网络（GNN）来挖掘脑区之间与情绪相关的连接特征。最后，将TQWT提取的时频特征与GNN提取的空间关系特征进行融合捕获时间和空间特征进行分类。在SEED数据集上的实验结果表明，特征重构后的数据在EEG情绪分类任务中是有效的，对3种情绪的识别准确率达到了98.15%±0.63%。

发表于：2026/6/15

乡村实景影像中动态目标智能剔除与修复研究

实景三维建模是构建数字孪生与智慧乡村数字底座的核心技术。针对无人机倾斜摄影中动态目标导致模型几何畸变与纹理失真的问题，提出一种改进YOLO11s小目标检测与图像修复的协同框架。方法设计了融合空间注意力与金字塔下采样的卷积模块以增强小目标检测能力，并结合基于Transformer结构增强的增量式图像修复算法，对剔除区域进行语义一致与纹理连贯的高质量修复。实验表明，改进模型在VisDrone2019数据集上mAP@0.5达到46.4%，较基线提升8.0%，参数量仅为9.7M。该框架为实景三维建模中动态干扰物的自动化剔除提供了轻量化解决方案。

发表于：2026/6/15

扩散模型的推理端优化：可控性与加速的方法综述

扩散模型在图像、语音与科学计算中表现优异，但工程部署常受两类瓶颈约束：一是推理可控性不足，条件对齐易因随机性与时间步离散误差而波动；二是推理开销偏高，多轮的采样会大量增加时延。聚焦推理端优化，围绕可控性与效率两条主线，对近年代表性工作进行系统梳理，强调在不改动模型与数据的前提下，通过对扩散推理过程的约束与择优，在少步与极少步条件下同时提升条件对齐与细节稳定，并显著降低时延。同时概述了具备迁移性的应用场景。最后，提出面向应用级部署的展望，追求速度、覆盖与质量的统一提升。

发表于：2026/6/15

绿色算力评价指标体系与实现路径研究

近年来，全球数字化转型加速推进，算力需求持续提升，算力中心建设加快推进，为数字经济发展提供了高效的算力资源，但也带来了大量的能耗和碳排。随着全球能源的日益紧张以及碳排放问题日益受到关注，绿色低碳与可持续发展成为产业共识。绿色算力是以最小化能源消耗和环境影响，提供最大化算力资源和服务为目标的算力形式，是未来算力发展的重要形态和方向。对绿色算力基础概念、评价指标体系进行深入剖析，从节能降碳、提效赋能维度构建绿色算力评价指标模型，并提出绿色算力实施路径，以期更好地指导绿色算力的建设和评价。

发表于：2026/6/15

面向电网应急保供的氢能知识图谱构建与优化方法

针对电网应急保供过程中信息分散、状态异构、知识缺失与决策耦合等问题，提出一种面向电网应急保供的氢能知识图谱与协同决策一体化方法。以“氢能为手段、电网保供为目标”为主线，构建氢能侧、电网侧、调度侧三域耦合知识表示框架。在知识抽取层，采用基于LoRA微调大语言模型的问答式联合抽取机制，实现跨句实体关系识别与场景语义增强；在知识补全层，提出融合R-GCN与符号规则推理的混合补全策略；在状态感知层，融合时序传感器流、设备图纸与运行数据，构建可动态更新的多模态知识图谱；在演化层，引入基于熵的不确定度主动学习机制实现知识持续迭代。实验表明，所提方法将NER F1提升至92.0%，RE F1提升至88.9%，跨句RE F1达65.4%，知识补全Hits@10达58.2%，并在关键负荷恢复率、恢复时长及决策时延等指标上优于多种对比方法。论文为氢能参与电网韧性提升与应急供电调度提供了一条兼具知识表达、推理与协同决策能力的技术路径。

发表于：2026/6/15

MMAAF：一种基于多模态视觉特征与机器学习的气道插管困难评估框架

气道插管困难是临床麻醉中的重要风险之一，提出了一种基于患者张口静态图像的自动化、客观化气道评估框架MMAAF（Multi-Modal Airway Assessment Framework），针对患者数据集的张口图像，运用计算机视觉技术自动提取六项关键解剖学特征，与患者真实插管困难标签结合，构建结构化的多模态预测数据集，进行随机过采样技术处理，集成随机森林与梯度提升树两种机器学习算法进行模型训练与评估。结果表明，梯度提升树与随机森林模型在独立测试集上的预测准确率分别达到92%和93%，评估性能良好。同时，在MMAAF框架内进行逻辑回归模型训练，并依据特征重要性权重对特征进行加权，计算得到患者的个体化插管困难概率评分，为临床决策提供了基于多模态特征的直观量化参考。

发表于：2026/6/15