💻 computer science

YOLO-Based Deep Learning for Citrus Fruit Detection, Counting, and Yield Estimation in Complex Orchard Environments: A Systematic Review

Deze systematische review van 88 studies die gebruikmaken van YOLO-gebaseerde deep learning voor de detectie en opbrengstschatting van citrusvruchten onthult dat, hoewel het vakgebied is geconvergeerd naar een gemeenschappelijke technische toolkit die een hoge gemiddelde precisie bereikt, het kritiek tekortschiet aan gestandaardiseerde benchmarks, diverse datasets en rigoureuze statistische validatie, wat resulteert in een hoog algemeen risico op bias.

Paola D'Antonio, Luis Alcino Conceição, Danilo Travascia, Lucas Santos Santana, Josiane Maria da Silva, Francesco Toscan (…)2026-08-24
💻 computer science

Transaction Intent Graph: Semantic Cross-LayerDefense Orchestration for Microservices PaymentSystem

Dit artikel introduceert TIG-CDO, een semantisch cross-layer defensie-orkestratieframework dat transactie-intentiegrafen construeert om Composite Slow-Degradation Attacks (CSDA) in microservices-betalingssystemen te detecteren en te mitigeren door de analyse te verschuiven van individuele HTTP-verzoeken naar causaal geordende multi-step transacties, waarbij een SLA-naleving van 99,9% wordt bereikt en het aantal foutieve positieven aanzienlijk wordt verminderd in vergelijking met traditionele gelaagde defensies.

Amit Rangari2026-08-24
💻 computer science

Detection and Safeguarding of Chinese Toxic Content from Users and LLMs: A Survey

Dit artikel presenteert een uitgebreid overzicht dat systematisch onderzoek naar het detecteren van door gebruikers gegenereerde giftige inhoud op Chinese sociale media en het beschermen van Chinese grote taalmodellen tegen door LLM's gegenereerde giftigheid onderzoekt, met als doel de gefragmenteerde vooruitgang te consolideren en de belangrijkste uitdagingen voor toekomstige ontwikkeling te identificeren.

JunYu Lu, Weiming Wang, Deyi Ji, Lanyun Zhu, Bo Xu, Liang Yang, Hongfei Lin, Roy Ka-Wei Lee2026-08-24
💻 computer science

Integrating Random Number Generation with the Rabin Cryptosystem for a Robust Two-Way Authentication in RFID

Dit artikel stelt een kosteneffectief, robuust tweerichtings authenticatieprotocol voor voor goedkope RFID-systemen in IoT-omgevingen dat het Rabin-cryptosysteem integreert met willekeurige getalgeneratie om de privacy te verbeteren, replay- en brute force-aanvallen te voorkomen en informatieversheid te waarborgen.

Yuanjia Ma, Jikun Guo, Canpeng Zheng, Qiujin Zhang, Yang Zhang2026-08-24
💻 computer science

Visual Foundation Models with Adapter Learning for Parkinson’s Disease Recognition based on OCT Images

Dit artikel stelt een parameter-efficiënt raamwerk voor voor de herkenning van de ziekte van Parkinson dat gebruikmaakt van voorgetrainde visuele fundamentele modellen met drie lichtgewicht adapters (globaal, lokaal en token-gewijs) om competitieve prestaties te behalen op OCT-beelden, terwijl het aantal trainbare parameters aanzienlijk wordt verminderd in vergelijking met traditionele diepe neurale netwerken.

Jianwei Zhang, Tongyao Wang, Dandan Shao, Yuting Yang, Jiasheng He, Mingzhe Zheng, Zhuoyan Yang, Jianyong Wang, Zi Jin (…)2026-08-24
💻 computer science

Harmonic Field-Point-Line Framework for Precise Dental Mesh Segmentation

Dit artikel stelt een driestaps, holtebewust harmonisch punt-lijn-veldraamwerk voor dat een nauwkeurige en efficiënte 3D-tandsegmentatie voor orthodontische CAD bereikt door adaptieve ellipsoïdale afsnijding, een metriek voor locatiestuctuur en grensbewuste graafzoekopdrachten te combineren, waarbij de robuuste klinische toepasbaarheid op de Teeth3DS-benchmark wordt aangetoond.

Shaoxiong Wang, Renjie Li, Dongmei Cai2026-08-24
💻 computer science

Spatiotemporal prediction of unsafe road conditions using weather and infrastructure proximity information - A comparative study across model learning paradigms

Deze studie benchmarkt negen machine learning-modellen op Nederlandse snelwegdata om vijf soorten onveilige wegomstandigheden te voorspellen, waarbij wordt vastgesteld dat Random Forest en XGBoost beter presteren dan deep learning-benaderingen, terwijl wordt aangetoond dat weerkenmerken voorspellender zijn dan de nabijheid van infrastructuur, hoewel gegevensschaarsheid en grove kenmerken de betrouwbaarheid van de modellen voor gekalibreerde risicovoorspelling momenteel beperken.

Nirmal Sitaldin, Bart van Arem, Maaike Snelder, Shadi Sharif Azadeh2026-08-24
💻 computer science

SimGrowNet: Efficient Neural Growth with Similarity-Based Redundancy Control

SimGrowNet is een efficiënte neurale groeimethode geïnspireerd door menselijke neurogenese die compacte modellen tijdens de training progressief uitbreidt terwijl neuronale redundantie wordt geminimaliseerd door op gelijkenis gebaseerde beperkingen, waardoor de diversiteit van kenmerken wordt vergroot, shortcut learning wordt verminderd en bestaande baselines op meerdere beeldherkenningsdatasets wordt overtroffen.

Taigo Sakai, Kazuhiro Hotta2026-08-24