本技术公开了一种知识引导的基于大语言模型的可信API推荐方法，所述方法的核心思想是利用API知识提升LLM在API推荐任务中的可信性。具体地，针对LLM在API推荐中的不可信问题，本发明提出知识引导的数据增强以提升LLM建立用户指定类型与API序列之间的关联性的能力；提出知识引导的束搜索以引导LLM去生成真实存在且调用条件可以被满足的API；提出知识引导的重排序优化API序列推荐列表，使与接口参数类型匹配的API序列在推荐结果中的排名更靠前。本发明的优势在于能够在接口参数类型约束下实现API推荐，并且能够通过API知识图谱中的高质量先验知识提高大模型在API推荐任务中的可信性。

 本技术公开一种基于深度学习的复杂条件下杂草目标识别方法，该方法首先对数据集通过LabelMe软件完成半自动标注后借助CVAT，即ComputerVisionAnnotation Tool，进行手动标注；然后，改进CoatNet检测网络的Transformer架构，在DCMHA中引入高斯噪声检测层，并引入Dropout正则化技术，提高计算效率；进一步，改进Coatnet网络结构并加深网络层次以提高网络对复杂目标的特征提取能力；再此基础上，设计非对称平滑焦点损失函数，即Asymmetric SmoothedFocal Loss函数，将交叉熵函数换为焦点损失函数，即Focal Loss函数，引入标签平滑策略和非对称性；最后，将原始视频图像输入训练所得的深度网络，得到最终杂草识别的结果。该方法增强细节信息的表达能力，对于复杂条件下杂草目标识别任务有更强的鲁棒性。

 本技术公开了一种包裹多面分布式密集标签视觉特征定位及信息解码方法，涉及图像特征识别技术领域。本发明包括分别提取输入图像与模板标签图像的特征点，创建并启动标签定位线程，提取输入图像与模板标签图像的特征点，并通过特征点匹配对疑似目标标签区域进行定位，获取疑似标签位置并提取疑似标签图像。本发明通过从图像采集、标签定位到信息解码均在独立的流程中进行，实现数据采集处理流水结构，从而提高生产效率，通过利用图像特征检测技术，对产品包裹全方位采集的图像分别进行处理，获取包裹各个面图像中的疑似标签位置，从而实现包裹多面密集标签定位的目的。

 本技术一种固体润滑齿轮副磨损行为的跨尺度分析方法，属于跨尺度分析技术领域；方法步骤包括:基于固体润滑齿轮副在空间环境中的运动特性，建立固体润滑齿轮副的分子动力学模型；所述分子动力学模型包括压头及位于其两侧的上/下基体，其中压头用于模拟齿轮副的从动轮，上/下基体用于模拟齿轮副的主动轮，并在压头与上/下基体表面建立固体润滑涂层的模型；基于所述动力学模型进行模拟运动；对分子动力学模型中的下基体施力，使其带动压头运动，通过模拟得到固体润滑齿轮的摩擦系数；将分子动力学模型得出的摩擦系数引入有限元仿真模型，进行有限元仿真模型的磨损仿真。本发明有效解决了空间环境下固体润滑齿轮副寿命难以预测的问题。

 本技术公开了一种基于多视角知识图谱的问答方法及系统，首先构建多视角知识图谱，生成在不同等级视角下的知识图谱，然后在与用户交互对话的过程中，自动评测用户的等级即知识水平，并调用所对应的等级视角下的知识图谱进行答案搜索，从而在不影响对话质量的前提下，能够有效地节约运算资源，提高响应速度，不仅提高了问答系统的灵活性和适应性，同时也增强了问答系统的智能化，提升了用户体验。

 本技术涉及熔断器技术领域，特别涉及一种熔断器的选型方法及系统、存储介质、终端。具体包括步骤:预设定步骤，建立以弧前焦耳积分值为动作阈值的熔断器模型并设定熔断器选型的约束条件；支路熔断器选型步骤，对各支路的支路熔断器采用逐一短路并判断是否符合约束条件的方式进行选型；母排熔断器选型步骤，对各支路的支路熔断器和母排熔断器采用逐一短路并判断是否符合约束条件的方式进行选型。通过上述设计，能够有效获得一组满足选择性和经济性的熔断器型号，无需人工依靠经验选取，极大节省了熔断器选型所用的时间和耗费的精力，保证型号选择的可靠性。

 本技术涉及计算机视觉与图像处理技术领域。提供了一种大模型‑分形联合辅助的矿物图像智能分割与识别方法，包括步骤:获取矿物图像数据，进行预处理得到矿物图像数据集；基于SAM和分形模型构建初始联合模型，对初始联合模型进行训练，得到联合模型；通过矿物图像数据集对联合模型进行优化处理，得到优化联合模型；对待处理矿物图像进行分割，标注出待处理矿物图像中矿物颗粒的边界；通过优化联合模型对标注后的矿物颗粒进行分形分析，输出矿物颗粒的分割掩码和分形定量信息。解决了传统的矿物图像分析方法依赖于人工观察和手动标注，不仅耗时费力，而且容易受到主观因素的影响，导致分析结果的不一致性和不确定性的问题。

 本技术公开了一种基于YOLOv5n工业零部件表面缺陷检测方法及装置，方法包括:将注意力机制嵌入到主干网络的卷积层中，并引入动态蛇形卷积捕获跨通道的信息，捕获方向感知和位置感知的信息，将工业零部件表面缺陷图像数据集输入到主干网络中进行特征提取，得到三个不同尺度的特征图；引入Gold‑YOLO结构，通过全局融合多层特征并将全局信息注入到更高层次，生成突出全局信息的特征图；将得到的特征图输入特征金字塔网络中，通过下采样方式和上采样方式逐步在不同尺度上对特征图进行加权融合；输出缺陷检测结果，标注检测框、缺陷种类以及置信度。装置包括：处理器和存储器。本发明对工业零部件表面缺陷的检测精度更高，更符合工业生产中对零部件健康情况的监测维护需要。

 本技术提出了基于多尺度特征和混合3D网络的视频篡改检测方法及系统，涉及计算机视觉技术领域，包括:获取待检测的视频帧，并进行预处理；通过采样处理，获取不同尺度的特征图；将不同尺度的特征图输入至多尺度内部级联网络中，分别利用浅层特征提取模块、时间特征提取模块和空间特征提取模块提取浅层特征、时间特征和空间特征；将所述浅层特征、时间特征和空间特征采用多尺度特征的EMA融合模块进行特征融合，得到融合后的特征；利用融合后的特征进行视频帧检测，获取视频篡改检测结果；其中，所述在时间特征提取模块中引入混合三维卷积结构。本发明能够有效地识别视频帧是否经过了非法插入的篡改操作。

 本技术公开了一种基于卷积神经网络的微带阵列天线电磁‑热快速仿真方法，主要解决现有方法需要求解大型全局矩阵方程，导致计算速度慢、内存消耗高的问题。包括:1)搭建基于卷积神经网络的电磁仿真代理模型，将像素化的天线矩阵和频率矩阵作为模型输入，输出电场分布；3)搭建基于卷积神经网络的热仿真代理模型架构，将天线电场分布矩阵作为输入，输出温度分布；4)通过基于有限元作为内核的多物理场数值仿真软件构造电磁仿真和热仿真数据集，并分别对基于卷积神经网络的电磁、热仿真代理模型进行优化训练；5)对训练好的两种仿真代理模型建立耦合关系，实现多物理场仿真。本发明能够有效提升多物理场仿真的速度，并降低内存消耗。