基于YOLOv8的鸟类智能识别系统设计与实现
鸟类是生态系统中非常重要的物种，对生物多样性保护和生态研究具有重要意义。
传统的鸟类识别需要人工观察与分类，不仅效率低，而且容易受限于专家经验。
随着深度学习的发展，基于 YOLOv8 的鸟类检测系统 能够在自然场景中高效、准确地完成多物种识别，为生态监测、科研和教育提供有力工具。
FreeMQTT Plus: 一个新型 MQTT Broker 集群的实现
FreeMQTT Plus 是一款基于 MQTT 协议的高性能消息中间件，采用分布式架构解决单点瓶颈问题。其核心由 Nginx 负载均衡器、黑（A）节点（MQTT Broker）、白（B）节点（消息路由）和日志（L）节点组成。通过无主从设计，支持高可用性、负载均衡与灵活扩展。针对会话同步、消息路由等挑战，FreeMQTT Plus 利用 MQTT5 特性定义元命令，实现节点间高效通信，无需依赖第三方组件。适用于物联网海量设备接入与高并发场景，为未来边缘计算和多级集群部署提供坚实基础。
EdgeShard：通过协作边缘计算实现高效的大语言模型推理——论文解读
EdgeShard是一种基于协作边缘计算的大语言模型（LLM）推理框架，旨在解决LLM在云端部署面临的延迟高、带宽压力大和隐私泄露等问题。通过将LLM分片部署在多个边缘设备上，结合云边协同与设备间协作，EdgeShard实现了高效的模型推理。其核心创新包括：联合设备选择与模型划分优化、支持流水线并行与微批处理、提出EdgeShard-No-Bubbles策略以减少设备空闲时间，从而显著提升推理吞吐量并降低延迟。实验表明，EdgeShard在异构边缘设备上可实现高达50%的延迟降低和2倍的吞吐量提升，支持全精度模型推理而无精度损失，为资源受限的边缘环境提供了高效的LLM部署方案。