资源简介

(共19张PPT)
2026 年 7 月浙江省普通高中学业水平考试
技术
讲解课件
某港口建成"低空智能理货系统"，集成了无人机、北斗定位和人工智能(AI)等技术。无人机巡检时，通过机载智能摄像头精准识别并判断货物情况、车辆作业状态等情况，并将巡检数据实时传输至服务器，系统依据巡检数据有序工作。
1. 下列关于该系统数据与数据处理的说法，正确的是
A. 巡检数据仅为无人机服务 B. 传输至服务器的数据是数字化的
C. 该系统中的数据表现形式只有图像 D. 该系统中的数据全部由系统自动生成
2. 为了保障系统中的数据安全，下列措施不合理的是
A. 及时更新系统补丁 B. 设置系统访问权限
C. 对货物数据进行备份 D. 关闭无人机巡检数据备份功能
3. 若无人机巡检发现"车辆严重拥堵"，但 AI 无法判断是因为"事故"的原因，还是由"正常作业高峰"引起的，下列做法合理的是
AI 完全接管系统，强制所有车辆停车 B. AI 忽略异常情况，让系统继续运行
C. AI 提供辅助建议，由人工做最终决策 D. AI 仅记录拥堵数据，不提示操作人员
B
A，巡检数据供服务器、整套系统使用
B，计算机服务器只能识别数字化信息，传输到服务器的数据都是数字化的
C，系统数据包含图像、定位数值、文字状态等多种形式
D，数据有人工录入、设备采集等多种来源
某港口建成"低空智能理货系统"，集成了无人机、北斗定位和人工智能(AI)等技术。无人机巡检时，通过机载智能摄像头精准识别并判断货物情况、车辆作业状态等情况，并将巡检数据实时传输至服务器，系统依据巡检数据有序工作。
1. 下列关于该系统数据与数据处理的说法，正确的是
A. 巡检数据仅为无人机服务 B. 传输至服务器的数据是数字化的
C. 该系统中的数据表现形式只有图像 D. 该系统中的数据全部由系统自动生成
2. 为了保障系统中的数据安全，下列措施不合理的是
A. 及时更新系统补丁 B. 设置系统访问权限
C. 对货物数据进行备份 D. 关闭无人机巡检数据备份功能
3. 若无人机巡检发现"车辆严重拥堵"，但 AI 无法判断是因为"事故"的原因，还是由"正常作业高峰"引起的，下列做法合理的是
AI 完全接管系统，强制所有车辆停车 B. AI 忽略异常情况，让系统继续运行
C. AI 提供辅助建议，由人工做最终决策 D. AI 仅记录拥堵数据，不提示操作人员
D
D，关闭数据备份会导致数据丢失后无法恢复
某港口建成"低空智能理货系统"，集成了无人机、北斗定位和人工智能(AI)等技术。无人机巡检时，通过机载智能摄像头精准识别并判断货物情况、车辆作业状态等情况，并将巡检数据实时传输至服务器，系统依据巡检数据有序工作。
1. 下列关于该系统数据与数据处理的说法，正确的是
A. 巡检数据仅为无人机服务 B. 传输至服务器的数据是数字化的
C. 该系统中的数据表现形式只有图像 D. 该系统中的数据全部由系统自动生成
2. 为了保障系统中的数据安全，下列措施不合理的是
A. 及时更新系统补丁 B. 设置系统访问权限
C. 对货物数据进行备份 D. 关闭无人机巡检数据备份功能
3. 若无人机巡检发现"车辆严重拥堵"，但 AI 无法判断是因为"事故"的原因，还是由"正常作业高峰"引起的，下列做法合理的是
AI 完全接管系统，强制所有车辆停车 B. AI 忽略异常情况，让系统继续运行
C. AI 提供辅助建议，由人工做最终决策 D. AI 仅记录拥堵数据，不提示操作人员
选项A，AI 不能完全接管强制停车，决策风险过高，不合理；
选项B，忽略拥堵异常，不利于交通拥堵的解决，可能会引发安全事故，不合理；
选项C，AI 提供参考建议，人工最终决策，人机协同合理；
选项D，只记录不提醒操作人员，无法及时处理故障，不合理。
C
阅读下列材料，回答第 4 至 7 题。
某农业科技公司引入"机器人辅助智能灌溉系统"。机器人装备了土壤湿度传感器、摄像头以及显示屏。机器人从服务器下载路径规划图像，按照规划路径巡游于农地，通过摄像头拍摄作物图像，按照设置执行标准。针对一个采样点，通过探针获取土壤湿度，通过摄像头拍摄作物图像，并通过 4G、WiFi 等方式传输到远程终端的服务器上，服务器根据作物图像分析判断农作物缺水指标高低，或检测到土壤湿度低于阈值，则控制水泵进行定点灌溉。
4. 该系统判断作物是否缺水的方式是
A. 通过超声波雷达检测障碍物 B. 通过对作物进行图像分析
C. 通过激光雷达检测土壤 D. 通过显示屏显示作物状态
B
选项A，超声波雷达用于障碍物检测，和判断缺水无关；
选项B，服务器通过分析作物图像判断缺水指标，是系统判断缺水的方式；
选项C，无激光雷达检测土壤的描述；
选项D，显示屏仅展示状态，不能用于判断缺水。
结合题干描述“服务器根据作物图像分析判断农作物缺水指标高低，或检测到土壤湿度低于阈值，则控制水泵进行定点灌溉”
阅读下列材料，回答第 4 至 7 题。
某农业科技公司引入"机器人辅助智能灌溉系统"。机器人装备了土壤湿度传感器、摄像头以及显示屏。机器人从服务器下载路径规划图像，按照规划路径巡游于农地，通过摄像头拍摄作物图像，按照设置执行标准。针对一个采样点，通过探针获取土壤湿度，通过摄像头拍摄作物图像，并通过 4G、WiFi 等方式传输到远程终端的服务器上，服务器根据作物图像分析判断农作物缺水指标高低，或检测到土壤湿度低于阈值，则控制水泵进行定点灌溉。
5. 下列属于机器人上传至服务器的数据是
①作物图像 ②土壤湿度 ③温度阈值 ④路径规划数据
A. ①② B. ①③ C. ②④ D. ③④
A
①作物图像，机器人拍摄后上传服务器；②土壤湿度，探针采集后上传服务器；③温度阈值，系统预设标准，非机器人上传；④路径规划数据，机器人从服务器下载，不是上传
阅读下列材料，回答第 4 至 7 题。
某农业科技公司引入"机器人辅助智能灌溉系统"。机器人装备了土壤湿度传感器、摄像头以及显示屏。机器人从服务器下载路径规划图像，按照规划路径巡游于农地，通过摄像头拍摄作物图像，按照设置执行标准。针对一个采样点，通过探针获取土壤湿度，通过摄像头拍摄作物图像，并通过 4G、WiFi 等方式传输到远程终端的服务器上，服务器根据作物图像分析判断农作物缺水指标高低，或检测到土壤湿度低于阈值，则控制水泵进行定点灌溉。
6. 下列关于该系统功能的说法，正确的是
A. 摄像头拍摄作物图像属于数据的存储
B. 机器人下载路径规划图像属于数据的输出
C. 机器人读取土壤湿度的过程属于数据的输入
D. 服务器判断土壤湿度是否低于阈值的过程属于数据的存储
采集数据（输入）
获取数据（输入）
数据处理
C
阅读下列材料，回答第 4 至 7 题。
某农业科技公司引入"机器人辅助智能灌溉系统"。机器人装备了土壤湿度传感器、摄像头以及显示屏。机器人从服务器下载路径规划图像，按照规划路径巡游于农地，通过摄像头拍摄作物图像，按照设置执行标准。针对一个采样点，通过探针获取土壤湿度，通过摄像头拍摄作物图像，并通过 4G、WiFi 等方式传输到远程终端的服务器上，服务器根据作物图像分析判断农作物缺水指标高低，或检测到土壤湿度低于阈值，则控制水泵进行定点灌溉。
7. 下列硬件中，与系统判断"是否进行定点浇灌"无关的是
A. 土壤湿度探针 B. 摄像头 C. 显示屏 D. 服务器
C
选项A，土壤湿度探针采集湿度，是判断灌溉依据，相关；
选项B，摄像头采集作物图像用于缺水判断，相关；
选项C，显示屏仅展示信息，不参与判断逻辑，无关；
选项D，服务器负责数据分析、下达灌溉指令，相关。综上确定答案为C。
8. 算法的部分流程图如图所示，执行该流程时，若输入 a,b,c 的值分别为 6,8,3，则输出 a,b,c 的值分别为
A. 3, 6, 8
B. 3, 8, 6
C. 6, 8, 3
D. 8, 6, 3
初始：(a=6, b=8, c=3)
第一步判断 (6<8)，条件成立，交换 a、b
此时：(a=8, b=6, c=3)
第二步判断 (8<3)，条件不成立，不交换
数值不变：(a=8, b=6, c=3)
第三步判断 (6<4)，条件不成立，不交换
最终输出： {a=8, b=6, c=3}
D
9. 某 Python 程序如下：
st = [[1, 2.5], [2, 5], [3, 5], [5, 6], [7, 9]]
n = len(st); c = -1
t = 0; i = 0
while i < n:
f = st[i][0]
s = st[i][1]
if f >= t:
c += 1
t = s
i += 1
print(c)
程序运行后，输出的结果是
A. 2 B. 3 C. 4 D. 5
B
9. 某 Python 程序如下：
st = [[1, 2.5], [2, 5], [3, 5], [5, 6], [7, 9]]
n = len(st); c = 0
t = 0; i = 0
while i < n:
f = st[i][0]
s = st[i][1]
if f >= t:
c += 1
t = s
i += 1
print(c)
程序运行后，输出的结果是
A. 2 B. 3 C. 4 D. 5
C
F s t c
1,2.5,2.5,1
2,5,2.5,1
3,5,5,2
5,6,6,3
7,9,9,4
4
10. 某研究小组开发"智能门禁系统"，该系统使用智能摄像头采集并识别人脸图像，也可以采用 RFID 读卡器读取校园卡数据。若人脸识别成功或校园卡识别成功，则开启闸机，否则通过电子屏与扬声器示警。系统会记录每一条识别信息至服务器，失败信息添加时，姓名统一为"***"，卡号为"FFFFFF"。
（1）该系统服务器端程序采用 FlaskWeb 框架编写，若终端设备某次上传识别结果的部分 URL 为 http://192.168.1.50:8080/upload，则服务器 IP 地址是__________。
（2）请从题干所提及的设备中，分别列举一种输入、输出设备的名称，填入划线处。
设备分类 设备名称
输入设备 ① ________________________
输出设备 ② ________________________
摄像头和RFID 读卡器
电子屏、扬声器
192.168.1.50
（3）该系统卡号采用十六进制编码，下列选项中不能作为该系统卡号的是__________（单选）。
A. 3D5F29 B. 7E8A93 C. 2G5B34 D. A9C6D1
由于该系统卡号采用十六进制编码，而十六进制包含的字符为0~9 以及A~F 共16 个字符，选项C 中的字符“G”不符合以上规则，故选C。
（4）研究小组将 3 月份数据导出到文件 data.csv，发现每天都有部分人脸识别失败的情况，部分数据如图 a 所示，统计该月每天门禁人脸识别成功率，并绘制线形图，如图 b 所示。实现该功能的部分 Python 程序如下，请选择合适的代码填入划线处（单选）。
import pandas as pd # 导入 pandas 模块
import matplotlib.pyplot as plt # 导入 pyplot 子库
df = pd.read_csv("data.csv") # 读取文件中的数据
df1 = df[df["识别类别"] == "人脸识别"] # 筛选
df1 = df1[df1["识别结果"] == "失败"]
df1 = df1.groupby("日", as_index = False).count() # 分组计数
df2 = df[df["识别结果"] == "成功"]
① ________________________
② ________________________
③ ________________________
# 设置绘图参数，并显示如图 b 所示的线形图，代码略
①②③处可选的代码有：
A. df2["成功率"]=df2["卡号"]/(df2["卡号"]+df1["卡号"])*100 #新增"成功率"列
B. df2 = df2.groupby("日",as_index = False).count()
C. plt.plot(df2["日"],df2["成功率"]) #绘制线形图
① B ②A ③C
在进行人脸时给摄像头增加补光灯功能或改进人脸识别的算法，以提高光线较暗情况下人脸识别的准确率或其他等效答案
（5）观察图 b 可知，有几天人脸识别成功率较低，研究小组调查后发现，其中一种原因是这几天光线较暗。请针对"光线较暗导致人脸识别成功率下降"这个问题，写出一项解决该问题的措施：__________。
11. 小明学习某导航软件"通过车辆起步数据推算交通信号灯周期"的算法，研究某路口信号灯固定周期时长（20 秒≤固定周期≤300 秒）的推算，编写程序模拟推算过程。算法步骤如下：
①对该路口某条直行车道的原始车辆起步数据进行预处理；②通过"离停止线距离小于 3 米"的条件筛选出所有首车，计算所有相邻首车的起步时间差，将其中符合固定周期范围的数据组成差值序列；③对差值序列进行处理，计算最终周期。
（1）原始数据预处理后存入列表 data 中，每个元素包含起步时间、离停止线距离（单位：米）两个数据项，并按起步时间先后顺序排列。根据首车的筛选条件"离停止线距离小于 3 米"，下列示例数据中，共有
▲ 辆首车。
示例：[["08:00:01", 2.3], ["08:01:31", 1.2], ["08:01:35", 7.3], ["08:03:03", 1.1]]
逐一判断示例数据的距离值：2.3 米（符合）、1.2 米（符合）、7.3 米（不符合）、1.1 米（符合），共3 辆符合条件的首车。
（2）编写 getdt()函数用于处理上述列表 data，返回各相邻首车符合固定周期范围的时间差序列
def getsec(t):
# 本函数将形如"hh:mm:ss"的参数 t 转化为当日的累计秒数并返回，代码略
def getdt(data):
dt = []; tmp = -1
for i in range(len(data)):
ts = getsec(data[i][0])
if data[i][1] < 3:
if tmp == -1:
tmp = ts
else:
if 20 <= ts - tmp <= 300:
dt.append(ts - tmp) # 追加一个元素
__________▲__________
return dt
tmp = ts
每识别到一辆首车，完成与上一辆首车的时间差计算后，需要更新基准时间tmp 为当前首车的时间，为下一次差值计算做准备。
（3）实际情况中，有些车起步慢、个别周期路口无车等因素会导致差值波动。小明设计了解决方法：先将差值序列从小到大排列，如序列[75, 76, 89, 90, 90, 91, 179, 180]，设置分界阈值为 2，当相邻两数差值大于阈值时，从这两数中间切分序列，可分为[75, 76]、[89, 90, 90, 91]、[179, 180]三个子序列，最终保留长度最长的子序列[89, 90, 90, 91]（若有多个子序列同为最长，取首个），并计算其平均值作为最终周期。根据上述方法，编写 getlt()函数，用于计算并返回最终周期。请在划线处填入合适的代码：
def getlt(dt, thr): # dt 为各相邻首车时间差序列，thr 为分界阈值
dt = sorted(dt) # 将 dt 中的数据从小到大排列
p = 0; c = 0; f = []
for i in range(len(dt) - 1):
if dt[i+1] - dt[i] > thr:
__________▲__________
if c < len(g):
c = len(g)
f = g
p = i + 1
if len(f) < len(dt[p:]):
f = dt[p:]
return int(sum(f)/len(f)) # 计算列表 f 的平均值，取整后返回
当检测到相邻数值差大于阈值时，需要先截取从起始位置p 到当前位置i 的子序列（赋值给g），再将其与当前最长子序列对比，更新最长子序列与长度，最后重置分段起始位置p。
g = dt[p:i+1]
（4）主程序如下，请在划线处填入合适的代码：
# 读取原始数据，完成预处理，返回 data 列表，代码略
k = 2 # 分界阈值
dt = getdt(data)
# 注：处理后，dt 中的元素不少于 100 个
T = __________▲__________
print("经推算，当前路口周期为：", T, "秒")
getlt(dt, k)
最终周期通过getlt 函数计算得到，函数需要传入时间差序列dt 和分界阈值k（值为2），因此直接调用该函数赋值给T 即可。

展开更多......

收起↑