合箱打包的三维装箱算法优化：从贪心到遗传算法的演进
本文介绍日本海外仓合箱优化方案：针对NP-hard三维装箱问题，对比贪心算法（68%利用率、<10ms）与遗传算法（200代达84%利用率、约1秒）。后者通过顺序编码、锦标赛选择、顺序交叉与变异，兼顾效果与实时性，显著提升纸箱空间利用率。
让数字水印不怕“剪裁旋转”：一种抗几何攻击的鲁棒图像水印提取方法
合肥高维数据提出“几何先验水印提取”专利（CN202410551307.5），首创“先定位后解读”范式：通过Encoder-MLP-U三模块协同，精准预测旋转、裁剪等几何变换参数，并驱动自适应卷积与两阶段训练，显著提升裁剪/翻拍/缩放等攻击下的水印恢复率，赋能AIGC确权、电商打假与社交溯源。（239字）
光伏面板状态1674张光伏分类数据集分享
本数据集含1674张真实光伏电站场景图像，精细标注为干净、积灰、清洁后、损坏4类状态，覆盖多地形、多天气与光照条件，专为图像分类任务设计，支持ResNet、MobileNet等模型训练，适用于智能巡检、故障识别与运维决策等智慧能源应用。
纺织瑕疵检测5595张YOLO纺织质检数据集分享
本数据集含5595张真实纺织产线图像，YOLO格式，精细标注4类瑕疵（其他线头、脱出线头、其他瑕疵、污渍），覆盖多材质、多纹理、多光照场景，适配YOLOv5-v11等主流模型，支持自动化质检、智能分拣等工业落地应用。
养殖场鸡只计数监控9000张YOLO智慧养殖数据集
本数据集含9000张真实养殖场场景下精细标注的鸡只图像，采用YOLO标准格式，覆盖雏鸡至成鸡、多种姿态/光照/遮挡及密集群体，专为智慧养殖中的自动计数、健康监测与精准饲喂等任务设计，适配YOLO系列及Faster R-CNN等模型。
校园异常行为目标检测数据集：5类别 | 目标检测
本数据集含7000+张真实校园监控图像，涵盖暴力斗殴、棍棒凶器、人员跌倒、火灾火焰、管制刀具5类高危异常行为，YOLO格式标注，适配YOLOv5/v8/v11等主流模型，支持智能安防实时预警与应急响应。（239字）
