排序方式: 共有96条查询结果,搜索用时 31 毫秒
81.
大学生群体是整个社会生活中较为活跃、知识水平较高、思想较为敏锐的一部分,是未来社会发展的主力军。大学生的素质如何,直接影响和决定着中国现代化建设的进程和参与国际竞争的能力,直接影响和决定着历史使命的完成和成才目标的实现。因此,加强当代大学生思想政治教育,提高大学生的各方面素质有着重要的现实意义。 相似文献
82.
83.
84.
通过对学生在武术专项课中的情绪特点分析,提出了调动学生心理活动的积极性,在教学中控制学生的情绪思想,引导端正学习动机,激发教师在教学中的主导作用以及加强学生的心理训练等调整措施。 相似文献
85.
86.
以2000—2020年Landsat NDVI序列数据为数据源,利用时空分析及统计分析的方法,探讨了北疆地区草地植被覆盖度时空变化特征、草地退化时空变化特征,并从气候和人类活动2方面对北疆地区草地退化的驱动力进行分析。结果表明,从草地植被覆盖度时空变化看,2000—2020年北疆地区草地植被覆盖度整体呈增加趋势;北疆地区北部生态系统更脆弱,易受气候变化和人类活动的影响;北疆地区草地在阳坡草地植被覆盖度相对较高,草地植被覆盖度较高的区域主要位于地形位置指数较高、水热条件相对较好的山地,草地植被覆盖度较低的区域主要位于相对缺水、干旱的沙漠边缘等地区。从草地退化时空变化特征看,2000—2020年北疆地区各草地退化等级发生了明显的转移,主要表现为轻度退化、中度退化向未退化草地的转移及重度退化向轻度退化转移,表明北疆地区草地退化现象进一步好转。北疆地区草地退化是气候变化和人类活动共同作用的结果,其中降水量是主要气候因素。 相似文献
87.
88.
89.
地面覆盖对核桃园土壤团聚体分布及其化学计量特征的影响 总被引:2,自引:1,他引:1
为探明地面覆盖对核桃园土壤团聚体特征的影响,研究了地面覆盖后核桃园土壤的微团聚体分布、大团聚体分布及大团聚体化学计量特征。结果表明:在20—40cm土层,覆盖有机肥处理的10~150μm粒径的微团聚体百分含量为84.52%,较对照提高了3.7%;1~5mm粒径的大团聚体百分含量为47.74%,较对照提高了56.8%;5mm粒径的大团聚体百分含量为33.04%,较对照降低了49.5%。覆盖处理显著提高了土壤全效养分含量,在0—20cm土层,覆盖有机肥处理的所有径级团聚体全氮、全磷、总有机碳含量均值分别为1.04,0.81,14.39g/kg,为对照的2.9,5.1,1.4倍;覆盖碎木屑处理的所有径级团聚体全氮、全磷、总有机碳含量均值分别为0.61,0.32,7.42g/kg,为对照的1.7,1.0,2.3倍。覆盖处理在不同程度上提高了土壤团聚体的C/N、C/P和N/P,覆盖有机肥处理的土壤团聚体C/N、C/P和N/P的变化范围分别为8.29~22.65,4.45~27.18,0.44~1.89,而覆盖碎木屑处理的变化范围分别为4.09~29.60,5.32~59.88,1.04~3.29,对照为4.71~12.24,10.08~25.42,0.86~3.10。综上可知,地面覆盖显著提高了较大团聚体百分含量,显著降低了微团聚体百分含量和5mm径级的团聚体百分含量,不同程度提高了各粒径团聚体的有机碳、全氮、全磷含量、C/N和C/P。 相似文献
90.
基于YOLO v4+HSV的成熟期番茄识别方法 总被引:9,自引:9,他引:0
为解决成熟番茄采摘识别中由于藤蔓、叶片、果实遮挡或光照影响而引起的误识别问题,该研究提出了一种基于YOLO v4与HSV(Hue, Saturation, Value)相结合的识别方法,以实现自然环境下成熟期番茄的准确识别。在YOLO v4网络的检测框内通过HSV方法对番茄的红色区域进行分割,并将分割部分面积在检测框中达到一定占比的番茄作为目标输出。通过对比不同占比下该算法对测试集的识别效果,将16%作为成熟期番茄识别算法的占比,该占比下YOLO v4+HSV算法的正确率为94.77%,在工作站中检测单幅图片的速度为25.86 ms。为验证算法的性能,对改进前后算法进行了比较,改进后的正确率比改进前提高了4.30个百分点,说明通过HSV处理能够提高原网络识别成熟期番茄的准确性。此外,为测试算法的实用性,统计了在不同类型设备上该算法从调用深度相机到检测到第一个目标番茄所用的时间,经计算,其在工作站上所用的平均时间为0.51 s,在微型工控机上为1.48 s,均可满足实际采摘需要。该研究直接面向果蔬实时采摘中的目标高效检测问题,其方法可为果蔬采摘的准确高效识别提供借鉴。 相似文献