莫让技能人才成长“脱轨”

<正>编辑同志:用好技术型和专业型人才,让其发挥最大潜能,是企业和员工长期健康、和谐发展的保障。可是,笔者在调查中发现,在有的企业,本来优秀的技能人才,使用中却出现"水土不服"现象。究其原因,一是企业人力资源培训考核的内容与技能人才所从事的岗位不符,调动不了其学习积极性,造成考核不合格,被降级降工资,甚至待岗,使其在工作中产生抵触情绪;二是由于技能人才在上级组织的专业技能比武中取得了优异成绩,企业就将其安排在部门领导的岗位,期间,由于缺乏管理经验,虽然一直很努力地工作,却始终做不出起色,不如在专业岗位工作起来那么得心应手,于是申请从事原专业的工作,企     

网络通识课合作学习模式研究——以河北农业大学渤海校区为例

结合目前网络通识课教育的特点,分析了合作学习模式的优势,在网络通识课中引入了基于学习者在小组中的竞争、沟通、协作的合作学习模式,以期在完成对课程知识构建的同时使学习者的综合素质得到提高。通过河北农业大学渤海校区的教育实践,表明合作学习模式学习效果高于平均水平,并得到了学习者的认可。     

地方高校大学生在线学习行为特点及影响因素分析

教育信息化背景下,在线教育蓬勃发展。文章以在湖南省10所地方本科高校中进行的大学生在线学习行为调查数据为支撑,对"互联网+"背景下湖南省地方高校大学生在线学习行为的特点、影响因素进行了有效分析,为各高校教师、管理者和在线教育平台进一步利用互联网提升大学生在线学习质量提供数据支持。     

基于深度学习的大豆生长期叶片缺素症状检测方法

为了检测作物叶片缺素,提出了一种基于神经网络的大豆叶片缺素视觉检测方法。在对大豆缺素叶片进行特征分析后,采用深度学习技术,利用Mask R-CNN模型对固定摄像头采集的叶片图像进行分割,以去除背景特征,并利用VGG16模型进行缺素分类。首先通过摄像头采集水培大豆叶片图像,对大豆叶片图像进行人工标记,建立大豆叶片图像分割任务的训练集和测试集,通过预训练确定模型的初始参数,并使用较低的学习率训练Mask RCNN模型,训练后的模型在测试集上对背景遮挡的大豆单叶片和多叶片分割的马修斯相关系数分别达到了0.847和0.788。通过预训练确定模型的初始参数,使用训练全连接层的方法训练VGG16模型,训练的模型在测试集上的分类准确率为89.42%。通过将特征明显的叶片归类为两类缺氮特征和4类缺磷特征,分析讨论了模型的不足之处。本文算法检测一幅100万像素的图像平均运行时间为0.8 s,且对复杂背景下大豆叶片缺素分类有较好的检测效果,可为农业自动化生产中植株缺素情况估计提供技术支持。     

基于多核支持向量机的小麦条锈病遥感监测研究

为提高小麦条锈病的遥感探测精度,依据日光诱导叶绿素荧光和冠层反射光谱数据在小麦条锈病遥感探测中的优势及其与病情严重度之间的映射关系,在运用独立分量分析法对光谱数据降维的基础上,利用核学习算法分别确定冠层光谱特征和日光诱导叶绿素荧光特征反映小麦条锈病病情严重度的最优核,同时针对冠层光谱与叶绿素荧光特征组,建立基于不同特征最优核映射的多核学习支持向量机模型,并与基于特征直接拼接的模型结果进行对比。结果表明,对于冠层光谱而言,采用高斯核构建的支持向量机模型可较好估测小麦条锈病病情指数,而日光诱导叶绿素荧光指数则是采用多项式核的效果更优;采用直接拼接法融合叶绿素荧光指数和冠层光谱特征能够在一定程度上改善小麦条锈病病情指数估测精度,决定系数(r~2)最高为0.847,而单独利用冠层光谱信息或者叶绿素荧光信息时,r~2最高仅为0.802;对日光诱导叶绿素荧光和反射光谱特征分别利用其最优核进行映射构建的多核学习支持向量机模型精度最高,r~2为0.915,RMSE为0.090,优于基于特征直接拼接构建的支持向量机模型精度。     

基于迁移学习和改进残差神经网络的黄瓜叶部病害识别方法

针对在黄瓜叶部病害识别过程中使用传统卷积神经网络存在模型训练时间长、识别准确率低等问题，提出一种迁移学习和改进残差神经网络相结合的方法对黄瓜叶部病害进行识别。首先对数据集图像进行预处理，将数据集划分为训练集和测试集；然后对传统残差神经网络进行改进；最后使用迁移学习的方式对网络模型进行训练。利用该研究方法对不同的黄瓜叶部病害进行识别试验，结果表明该方法具有较高的识别准确率，可为其他作物的识别方法研究提供参考。      

多黎曼流形的判别分析与融合

为了得到低维且更具有判别性的流行表示,并进一步融合各种流行判别分析的结果,本研究提出了基于局部重构的黎曼流形判别分析统一框架,在动态纹理分类,物体识别和人脸识别任务中,验证了该框架的有效性。     

基于Citespace的大学生学习投入研究可视化分析

以中国知网(CNKI)中2009—2018年间"大学生学习投入"或"本科生学习投入"为主题的520篇文献为研究对象,运用CiteSpace工具对相关文献数据的发表年份、研究机构、关键词等进行可视化分析,探讨当前大学生学习投入研究现状及热点,以期为未来大学生学习投入方面的研究提供借鉴。研究得出结论:国内学者对大学生学习投入领域的关注度不断增加,关于大学生学习投入研究的文献数量总体呈上升趋势;国内该领域相关学者较多,但高产出作者相对较少;高等院校教育科学研究院是大学生学习投入研究的重要科研平台,各机构间合作较少;学者对大学生学习投入的研究主要集中于对学习投入、专业承诺、学习收获、专业认同等的研究。     

基于机器视觉的奶牛发情行为自动识别方法

及时检测奶牛发情、适时人工授精、减少空怀奶牛，是奶牛养殖场增加产奶量的关键手段。针对基于运动量和体温等体征的接触式奶牛发情识别方法会造成奶牛应激反应且识别准确率不高的问题，提出了一种非接触式奶牛发情行为自动识别方法。该方法首先使用改进的高斯混合模型实现运动奶牛目标检测，然后基于颜色和纹理信息去除干扰背景，再利用AlexNet深度学习网络训练奶牛行为分类网络模型，识别奶牛爬跨行为，最终实现对奶牛发情行为的自动识别。在供试数据集上的试验结果表明，本文方法对奶牛发情的识别准确率为100%，召回率为88.24%。本文方法可应用于奶牛养殖场的日常发情监测中，为生产管理提供辅助决策。     

以学生为中心网络教育平台助推UBL教育模式在电气工程及其自动化专业实践教学中应用研究

通过培养学生的学习兴趣,让学生主动参与学习过程,在兴趣的驱使下自发地获取知识,体现了以学生为中心。在这种模式下,教师主要职责不是进行知识机械灌输,而是引领学生思考方向、激发学生求知的主动性。学生在主观求知意识驱使以及教师引导下可以有选择地获取知识。这样不仅提高了学习内化效率,也培养了学生在问题意识下的主动思考、分析及具体解决问题的能力,达到高阶化学习、活学活用的效果。