当前位置: 首页 > news >正文

珈和科技:无人机技术赋能智慧农业,精准施肥与病虫害监控全面升级

无人机技术在农业领域的兴起,是现代技术发展为传统农业带来的重要变革。目前, 无人机已成为农业生产中不可或缺的关键工具,在提高粮食产量、改善土壤健康和保护生态环境等方面提供了新的解决方案。珈和科技从无人机的类型、特点和监测系统入手,刨析无人机 技术在农田精准施肥与病虫害监控方面的应用,期为农业管理者提供决策支持。

一、无人机技术:智慧农业的核心引擎

无人机(UAV)凭借灵活高效、成本低廉的特性,已成为农业生产的“空中管家”。根据结构与功能差异,农业无人机主要分为固定翼与多旋翼两大类型:

1. 固定翼无人机

续航时间长、飞行距离远,适合广域监测与高效运输,但需跑道辅助起降,操作复杂度较高。

2. 多旋翼无人机

成本低、操作简单,可垂直起降,适应复杂地形,但续航时间与载荷能力有限。

在硬件层面,无人机平台搭载高分辨率摄像头、多光谱传感器等设备,结合数据处理与分析软件,形成“感知-决策-执行”的闭环系统。其中,多光谱传感器通过捕捉近红外、红光等波段反射信息,可精准解析作物生长状态,为精准施肥与病虫害监控提供数据支撑。

二、精准施肥:从数据采集到智能作业

1. 土壤养分信息采集

无人机搭载高精度传感器,通过低空飞行快速获取土壤湿度、pH值、有机质含量及氮磷钾等养分分布数据,生成高分辨率的土壤养分分布图。相比传统人工采样,其覆盖面积更大、效率更高,可精准定位养分富集与匮乏区域。

2. 精准施肥方案制定

基于土壤养分数据,结合作物生长阶段与根系分布特征,制定差异化施肥策略。例如,对氮素需求高的作物补充氮肥,对磷钾需求大的作物施用复合肥,并通过无人机智能喷洒系统精准控制施肥量与位置,实现养分供给与作物需求的动态匹配。

3. 施肥作业实施

无人机喷洒系统可根据预设方案自动调节喷洒量与速度,确保肥料均匀覆盖作物根部或叶片。实践表明,该技术可减少30%以上的肥料浪费,同时降低人力与机械成本,提升农业生产效率。

三、病虫害监控:从特征识别到精准防控

1. 病虫害特征识别

无人机搭载高分辨率相机与多光谱传感器,可实时捕捉农田病虫害图像与光谱信息。例如,通过分析叶片颜色、形状及光谱反射特征,可识别病害类型(如腐烂、变色)与害虫形态、数量及活动范围,为后续防控提供依据。

2. 病虫害监测与预警

基于无人机采集的数据,构建病虫害暴发与扩散模型,预测发生时间、面积及危害程度。同时,通过动态监控病虫害分布变化,及时调整防控策略,避免病害扩散。

3. 精准防控措施

无人机智能喷洒系统可根据病虫害分布自动调节喷洒量与速度,确保农药精准施用于目标区域。例如,在虫害高发区加大喷洒密度,在病害初期实施靶向防治,显著提升农药利用率与防治效果。

四、技术创新:AI赋能遥感数据处理的“智慧大脑”

在珈和科技,人工智能技术被深度应用于无人机遥感数据处理,显著提升了数据处理的精度和效率,为农业决策提供了坚实的数据支撑。

1. 数据预处理与图像增强

无人机在飞行过程中受气候、环境和传感器限制,采集到的数据往往存在噪声、畸变等问题,影响后续分析的准确性。为此,珈和科技采用了一系列先进的数据预处理技术:

(1)去噪技术:通过中值滤波、高斯滤波和小波变换等方法,有效消除图像中的随机噪声,同时保留图像的边缘和细节信息,使图像更加清晰。

(2)几何校正与辐射校正:针对飞行轨迹、传感器特性等因素引起的畸变和误差,采用几何校正和辐射校正技术,确保数据的精度和可信度,为后续分析提供可靠的数据基础。

2. 基于深度学习的农业目标识别与分类

利用卷积神经网络(CNN)和递归神经网络(RNN)等深度学习模型,珈和科技实现了对农作物、病虫害、杂草等目标的精准识别,为农业生产提供了科学依据。

(1)CNN的应用:通过多层卷积和池化操作,CNN能够自动提取图像的局部特征(如边缘、纹理、颜色等),并结合强化学习算法,实现高效的作物分类和病虫害检测。例如,在作物分类中,CNN可以准确区分不同种类的农作物,为农户提供精准的种植建议。

(2)RNN的拓展:RNN则通过捕捉时间序列数据中的动态变化,预测作物的生长趋势和病虫害传播情况。结合历史数据和实时监测数据,RNN能够为农户提供前瞻性的决策支持,帮助农户提前采取措施,减少损失。

五、未来趋势:智能化、多源数据融合与跨领域创新

1. 技术创新方向

(1)智能化与自主飞行:无人机将具备自主规划航线、识别作物生长状态及病虫害的能力,通过人工智能实现精准作业。

(2)多传感器融合:集成高分辨率相机、多光谱传感器与激光雷达,提供多维农田信息。

(3)边缘计算与能源管理:实现数据实时处理,开发高效电池技术提升续航能力。

2. 多源数据融合趋势

(1)数据融合与大数据分析:整合无人机、卫星遥感及地面物联网硬件数据,挖掘农田管理规律。

(2)云计算与物联网:实现数据共享与动态更新,提升决策效率。

(3)跨领域合作:推动农业、信息技术与遥感领域的协同创新,加速技术落地。

在数字化转型的浪潮中,农业正经历一场由科技驱动的深刻变革。作为智慧农业领域的创新引领者,珈和科技依托自主研发的无人机遥感与人工智能技术,持续攻克无人机大范围监测中的数据处理及应用难题,为农业生产注入高效、精准的“智慧基因”,推动农业向智能化、精准化方向迈进。深耕精准施肥与病虫害防治领域,以智能化、数据融合为突破口,为农业生产提供更高效、更精准的解决方案,助力全球农业可持续发展。

相关文章:

珈和科技:无人机技术赋能智慧农业,精准施肥与病虫害监控全面升级

无人机技术在农业领域的兴起,是现代技术发展为传统农业带来的重要变革。目前, 无人机已成为农业生产中不可或缺的关键工具,在提高粮食产量、改善土壤健康和保护生态环境等方面提供了新的解决方案。珈和科技从无人机的类型、特点和监测系统入手…...

UR5e机器人动力学

机器人动力学研究力与运动之间的关系,核心目标是建立关节力矩与关节位置、速度、加速度的数学关系。动力学模型通常分为: 正向动力学:已知关节力矩,计算末端执行器的运动(加速度)。 逆向动力学:已知期望的运动(位置、速度、加速度),计算所需的关节力矩。 https://www…...

【go】什么是Go语言的GPM模型?工作流程?为什么Go语言中的GMP模型需要有P?

Go语言GMP调度模型详解 一、GMP模型核心概念 Go语言的GMP模型是一种高效的轻量级线程管理调度系统,由三个核心组件构成: G (Goroutine): 轻量级协程,初始栈仅2KB(可动态扩容)用户态调度,创建成…...

X-AnyLabeling开源程序借助 Segment Anything 和其他出色模型的 AI 支持轻松进行数据标记。

一、软件介绍 文末提供源码和程序下载学习 使用 X-AnyLabeling开源程序可以 导入、管理和保存数据。用户可以通过多种方式导入图像和视频文件,包括快捷方式或菜单选项。此外,它还涵盖数据删除、图像切换以及标签和图像数据的保存,以确保高效…...

简易 Python 爬虫实现,10min可完成带效果源码

目录 准备工作 编写爬虫代码 运行爬虫 查看结果 遇到的问题及解决 总结 前言和效果 本文记录了使用 Python 实现一个简单网页爬虫的过程,目标是爬取 quotes.toscrape.com 的名言和作者,并将结果保存到文本文件。以下是完整步骤,包含环境…...

全志H5,NanopiKP1lus移植QT5.12记录

移植步骤 机器环境下载QT5.12.0源码安装交叉编译器修改qmake.conf文件配置编译选项qt5的configure选项说明基本配置选项编译器和链接器选项功能模块配置第三方库集成注意事项 配置过程报错解决配置完成编译过程报错解决编译完成将arm-qt文件夹传送到开发板配置板子环境变量运行…...

Spring Boot 依赖注入与Bean管理:JavaConfig如何取代XML?

大家好呀!今天我们来聊一个超级实用的技术话题 —— Spring Boot 中的依赖注入和Bean管理,特别是JavaConfig是如何一步步取代XML配置的。我知道很多小伙伴一听到"依赖注入"、"Bean管理"这些词就头大,别担心!我…...

AUTOSAR图解==>AUTOSAR_SWS_E2ETransformer

AUTOSAR E2E Transformer详解 基于AUTOSAR标准的端到端通信保护变换器技术解析 目录 1. E2E Transformer概述 1.1 E2E Transformer的作用1.2 功能特点1.3 应用场景限制 2. 模块架构 2.1 架构设计2.2 与其他模块的关系 3. 初始化与状态机 3.1 模块状态流转3.2 初始化与去初始化…...

从Archery到NineData:积加科技驱动数据库研发效能与数据安全双升级

积加科技作为国内领先的企业级数字化解决方案服务商,依托自研的 A4X 数字化平台(https://a4x.io/),专注于为全球范围内的视觉物联网(IoT)设备提供 PaaS/SaaS 服务。致力于运用 AI 技术赋能物联网世界的各类…...

hadoop和Yarn的基本介绍

Hadoop的三大结构及各自作用? Hadoop是一个由Apache基金会开发的分布式系统基础架构,主要用于处理大规模数据集的分布式存储和计算。Hadoop的三大核心结构是HDFS(Hadoop Distributed File System)、MapReduce和YARN(Y…...

神经接口安全攻防:从技术漏洞到伦理挑战

随着脑机接口(BCI)技术的快速发展,神经接口设备已从实验室走向消费市场。然而,2025年曝光的某品牌脑机接口设备漏洞(CVE-2025-3278)引发了行业对神经数据安全的深度反思。本文围绕神经接口安全的核心矛盾&a…...

云轴科技ZStack入选中国人工智能产业发展联盟《大模型应用交付供应商名录》

2025年4月8日至9日,中国人工智能产业发展联盟(以下简称AIIA)第十四次全体会议暨人工智能赋能新型工业化深度行(南京站)在南京召开。工业和信息化部科技司副司长杜广达,中国信息通信研究院院长、中国人工智能…...

SpringBoot项目异常处理

一、异常问题描述 进行添加员工测试的时候,服务端报错, 报错信息如下: java.sql.SQLIntegrityConstraintViolationException:主要就是因为在 employee 表结构中,我们针对于username字段,建立了唯一索引,添…...

机器学习05-CNN

CNN(卷积神经网络)学习文档 一、引言 卷积神经网络(Convolutional Neural Network,CNN)是深度学习中的一种重要网络结构,在图像识别、计算机视觉等领域取得了巨大成功。CNN 的设计灵感来源于生物视觉系统…...

Java Web 之 Servlet 100问

Filter 是什么? 在Java Web开发中,Filter(过滤器)是一种用于在请求到达目标资源(如Servlet、JSP)之前或响应返回客户端之前进行预处理和后处理的组件。Filter可以拦截请求和响应,执行特定的操作…...

z-library电子图书馆最新地址的查询方法

对于喜欢读书的伙伴们,应该都听说过z站(z-library),优点多多,缺点就是地址不稳定,经常会变化网站地址。然后我最近发现了一个工具,可以不间断更新官方可用的z站地址:电子书最新地址...

PyCharm入门导览

一、项目视图 项目视图位置如下所示: 项目视图是主要工具窗口之一。它包含项目目录、SDK特定的外部库和临时文件。点击带条纹的按 钮可以预览演示项目。也可以按Alt 1 打开。 二、Python解释器 点击右下角项目的名字,可以快速进入【Python解释器】界面…...

算法题(127):最大子段和

审题: 本题需要我们找到n个整数中连续且非空的最大子段和 思路: 方法一:前缀和 我们的思路是将每个索引位置的最大子段和求出,然后用answer进行max维护,最后输出answer即可 最大子段和怎么求? 子段和 f[i]…...

物联网分层架构全解析:从感知到应用的智能生态构建

物联网分层架构一般可细分为感知层、网络层、平台层和应用层,以下是各层更详细的介绍: 一、感知层 1.功能 数据采集:利用各类传感器对物理世界的各种信息进行采集,包括环境参数(如温度、湿度、光照、气压等&#xf…...

系统架构师2025年论文通用模板

搭建自己的模板 1、项目选择与实施建议整理 ‌一、项目选择标准‌ ‌金额与周期要求‌:优先选择金额在 ‌200万以上‌ 的中大型商业项目,研发周期建议 ‌不少于8个月‌‌。避免选择小型项目(如金额低于100万、周期短于1年)‌。 …...

Flink 2.0 编译

文章目录 Flink 2.0 编译第一个问题 java 版本太低maven 版本太低maven 版本太高开始编译扩展多版本jdk 配置 Flink 2.0 编译 看到Flink2.0 出来了,想去玩玩,看看怎么样,当然第一件事,就是编译代码,但是没想到这么多问…...

Java线程的几种状态

线程状态我们在此介绍六种线程状态 1.NEW 2.RUNNABLE 3.TIMED_WAITING 4.BLOCKED 5.WAITING 6.TERMINATED 1.初始状态 (NEW) 当一个线程对象被创建但尚未调用 start() 方法时,线程处于初始状态。此时,线程还没有开始执行。 通俗的讲就是安排了工作但是…...

2025年03月中国电子学会青少年软件编程(Python)等级考试试卷(一级)真题

青少年软件编程(Python)等级考试试卷(一级) 分数:100 题数:37 答案解析:https://blog.csdn.net/qq_33897084/article/details/147335019?spm1001.2014.3001.5501 一、单选题(共25题&#xff0…...

「数据可视化 D3系列」入门第十章:饼图绘制详解与实现

饼图绘制详解与实现 一、饼图绘制核心知识1. d3.arc() 弧形生成器2. d3.pie() 布局函数3. arc.centroid() 中心点计算4. 颜色方案 二、饼图实现代码小结核心知识点下章预告:力导向图 一、饼图绘制核心知识 1. d3.arc() 弧形生成器 功能: 生成圆形、扇形…...

三维点拟合平面ransac c++

理论 平面的一般定义 在三维空间中,一个平面可以由两个要素唯一确定: 法向量 n(a,b,c):垂直于平面的方向 平面上一点 平面上任意一点 p(x,y,z) 满足: ( p − p 0 ) ∗ n 0 (p - p0) * n 0 (p−p0)∗n0 即 a ( x − x 0 ) …...

第六章:6.6输入以下的杨辉三角形,要求输出10行

//输入以下的杨辉三角形&#xff0c;要求输出10行 #include<stdio.h> int main() {int a[10][10] { 0 };int i 0, j 0;for (i 0; i < 10; i){for (j 0; j < 10; j){if (j 0){a[i][j] 1;}else if (i j){a[i][j] 1;}else{a[i][j] a[i - 1][j - 1] a[i - …...

初识Redis · C++客户端string

目录 前言&#xff1a; string的API使用 set get&#xff1a; expire: NX XX: mset,mget&#xff1a; getrange setrange: incr decr 前言&#xff1a; 在前文&#xff0c;我们已经学习了Redis的定制化客户端怎么来的&#xff0c;以及如何配置好Redis定制化客户端&…...

React 事件处理基础

React 中最常见的两个需求&#xff0c;一个是列表渲染&#xff0c;另一个就是绑定点击事件。 这一篇就是从最基础的按钮点击开始&#xff0c;分四个阶段&#xff0c;逐步理解 React 中事件的写法和参数传递方式。 &#x1f4cd;阶段一&#xff1a;最简单的点击事件 function A…...

插入排序和希尔排序

今天给小伙伴们分享两个比较基础的排序算法&#xff0c;插入排序和希尔排序&#xff0c;这两个排序算法之间联系还是挺多的&#xff0c;所以放在一起。希尔排序可以看作是插入排序的升级版&#xff0c;在面对一些更为复杂的场景时&#xff0c;希尔排序的效率往往要比插入排序高…...

Model Context Protocol (MCP) 开放协议对医疗多模态数据整合的分析路径【附代码】

Model Context Protocol (MCP) 作为一种革命性的开放协议,正在重塑医疗领域多模态数据整合的方式。本文将深入分析MCP协议在医疗多模态数据整合中的具体路径、技术实现、应用场景及未来发展方向,揭示这一协议如何成为连接AI与医疗数据的关键桥梁。 MCP协议概述及其在医疗多模…...

Oracle 11g通过dg4odbc配置dblink连接PostgreSQL

1、安装unixodbc 2、安装postgresql yum install -y postgresql17-odbc 3、配置postgresqlodbc数据源 vim /usr/local/etc/odbcinst.ini##添加如下 [mypg] Driver /usr/lib64/psqlodbcw.so Servername localhost Port 5432 Database postgres Username postgres Pas…...

docker 安装prometheus普罗米修斯

prometheus&#xff08;普罗米修斯&#xff09;&#xff1a;天生为采集存储监控数据而生的时序数据库。prometheus通过各种Exporter采集到监控数据&#xff0c;然后存储进prometheus中&#xff0c;以供查询展示 grafana&#xff1a;一个监控仪表系统。grafana的数据来源可以有…...

Ubuntu上安装Mysql

步骤 1&#xff1a;安装 MySQL Server sudo apt update sudo apt install mysql-server -y这将安装最新版本的 MySQL 8.0 以及所有依赖组件。 步骤 2&#xff1a;检查安装是否成功 mysql --version sudo systemctl status mysql如果状态是 active (running)&#xff0c;说明成…...

Spring Boot启动流程深度解析:从main()到应用就绪的完整旅程

&#x1f331; Spring Boot启动流程深度解析&#xff1a;从main()到应用就绪的完整旅程 #SpringBoot核心 #启动原理 #自动配置 #源码解析 一、启动流程图解 (1) 启动类执行 → (2) SpringApplication初始化 → (3) 事件驱动模型启动 ↓ …...

2025TGCTF Web WP复现

AAA 偷渡阴平 <?php$tgctf2025$_GET[tgctf2025];if(!preg_match("/0|1|[3-9]|\~|\|\|\#|\\$|\%|\^|\&|\*|\&#xff08;|\&#xff09;|\-|\|\|\{|\[|\]|\}|\:|\|\"|\,|\<|\.|\>|\/|\?|\\\\/i", $tgctf2025)){//hint&#xff1a;你可以对着键盘…...

交叉注意力层的实质作用:连接编码器和解码器

交叉注意力层的实质作用 在Transformer架构里,交叉注意力层主要作用是连接编码器和解码器,让解码器能够利用编码器输出的上下文信息 。具体来说: 聚焦相关信息:以机器翻译任务为例,在将源语言句子翻译成目标语言时,交叉注意力能使解码器生成的每个词,都聚焦于源语言序列…...

conversation_template | conversation_actors | conversation_line_template

目录 conversation_template conversation_actors conversation_line_template 实例应用 conversation_template id&#xff1a;某段谈话的唯一编号FirstLineId&#xff1a;谈话开始的第一段话的编号&#xff0c;取值来源 ConversationLine.db2 的 ID 字段TextureKitId&am…...

C++ `shared_ptr` 多线程使用

C shared_ptr 多线程使用 一、核心结论 引用计数&#xff1a;shared_ptr 的引用计数操作是原子的&#xff0c;线程安全控制块修改&#xff1a;修改 shared_ptr 指向的对象需要同步被管理对象&#xff1a;若对象本身非线程安全&#xff0c;访问时仍需加锁 二、分场景详解 场景…...

十天借助 Trae 实现 “幸运塔塔屋” 小程序时光记忆功能之旅

在软件开发的广阔天地中&#xff0c;创新与效率始终是开发者们不懈追求的目标。近期&#xff0c;我成功完成了一次极具挑战性与创新性的实践 —— 仅用十天时间&#xff0c;借助 Trae 这款强大的 AI 工具&#xff0c;开发出了 “幸运塔塔屋” 小程序&#xff0c;其中的 “时光记…...

WiFi“管家”------hostapd的工作流程

目录 1. 启动与初始化 1.1 解析命令行参数 1.2 读取配置文件 1.3 创建接口和 BSS 数据结构 1.4 初始化驱动程序 2. 认证和关联处理 2.1 监听认证请求 2.2 处理认证请求 2.3 处理关联请求 3. 数据转发 3.1 接收客户端数据 3.2 转发数据 4. 断开连接处理 4.1 处理客…...

计算机视觉——基于使用 OpenCV 与 Python 实现相机标定畸变校正

概述 相机标定是一种旨在通过确定相机的内参&#xff08;焦距、光学中心、畸变系数&#xff09;和外参&#xff08;相机的位置和方向&#xff09;&#xff0c;提高图像在现实世界中的几何精度的过程。该过程可以纠正相机拍摄的图像中的畸变&#xff0c;使相机能够准确感知现实…...

OOM 未触发 JVM 崩溃的可能原因

1. OOM 未触发 JVM 崩溃的可能原因‌ (1) 未配置 JVM 参数强制崩溃‌ 关键参数缺失‌&#xff1a; 若未添加 -XX:CrashOnOutOfMemoryError&#xff0c;JVM 在 OOM 时可能仅抛出异常并正常退出&#xff0c;而非崩溃&#xff0c;因此不会生成 hs_err_pid.log。 # 正确配置示例&…...

计算机视觉cv2入门之车牌号码识别

前边我们已经讲解了使用cv2进行图像预处理与边缘检测等方面的知识&#xff0c;这里我们以车牌号码识别这一案例来实操一下。 大致思路 车牌号码识别的大致流程可以分为这三步&#xff1a;图像预处理-寻找车牌轮廓-车牌OCR识别 接下来我们按照这三步来进行讲解。 图像预处理 …...

xml+html 概述

1.什么是xml xml 是可扩展标记语言的缩写&#xff1a; Extensible Markup Language。 <root><h1> text 1</h1> </root> web 应用开发&#xff0c;需要配置 web.xml&#xff0c;就是个典型的 xml文件 <web-app><servlet><servlet-name&…...

C++数据结构与二叉树详解

前言&#xff1a; 在C编程的世界里&#xff0c;数据结构是构建高效程序的基石&#xff0c;而二叉树则是其中最优雅且应用广泛的数据结构之一。本文将带你深入理解二叉树的本质、实现与应用&#xff0c;助你在算法设计中游刃有余。 一、二叉树的基本概念 1. 什么是二叉树 二叉树…...

解决6栈6层码头集装箱堆栈翻箱最优解问题

‘’’ con 1 origin_stack = [ [4, 4, 1, 0, 0, 0], # 第一栈 [4, 3, 2, 1, 0, 0], # 第二栈 [4, 2, 2, 1, 0, 0], # 第三栈 [3, 3, 3, 1, 0, 0], # 第四栈 [3, 4, 2, 1, 0, 0], # 第五栈 [4, 2, 3, 2, 0, 0] # 第六栈 ] con 2 origin_stack = [ [4, 4, 3, 0, 0, 0], # 第一栈…...

Java 序列化与反序列化终极解析

Java 序列化与反序列化终极解析 1. 核心概念 (1) 什么是序列化&#xff1f; 定义&#xff1a;将对象转换为字节流的过程&#xff08;对象 → 字节&#xff09; 目的&#xff1a; 持久化存储&#xff08;如保存到文件&#xff09; 网络传输&#xff08;如RPC调用&#xff09…...

YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12的网络结构图

文章目录 一、YOLOv5二、YOLOv6三、YOLOv7四、YOLOv8五、YOLOv9六、YOLOv10七、YOLOv11八、YOLOv12九、目标检测系列文章 本文将给出YOLO各版本&#xff08;YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12&#xff09;网络结构图的绘制方法及图。本文所展…...

leetcode0145. 二叉树的后序遍历-easy

1 题目&#xff1a;二叉树的后序遍历 官方标定难度&#xff1a;易 给你一棵二叉树的根节点 root &#xff0c;返回其节点值的 后序遍历 。 示例 1&#xff1a; 输入&#xff1a;root [1,null,2,3] 输出&#xff1a;[3,2,1] 解释&#xff1a; 示例 2&#xff1a; 输入…...

【Leetcode 每日一题】2364. 统计坏数对的数目

问题背景 给你一个下标从 0 0 0 开始的整数数组 n u m s nums nums。如果 i < j i < j i<j 且 j − i ≠ n u m s [ j ] − n u m s [ i ] j - i \ne nums[j] - nums[i] j−inums[j]−nums[i]&#xff0c;那么我们称 ( i , j ) (i, j) (i,j) 是一个 坏数对 。…...