采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

基于迁移学习的GoogLeNet果园病虫害识别与分级

为提高果树病虫害危害程度分级精度进而更好地指导果园病虫害防治，采用迁移学习技术与GoogLeNet模型相结合的方法，对6种果园作物的25类病虫害样本进行识别与危害程度分级研究；同时，探究不同数据集大小以及不同优化算法对模型性能的影响；基于MATLAB平台设计了一款可视化的病虫害识别与分级系统。结果表明:1)基于迁移学习的GoogLeNet模型，对病虫害识别精度可达99.35%，危害程度分级精度可达92.78%；2)在相同训练参数下，本研究模型比AlexNet、VGG-16、ResNet-18、SqueezeNet、原GoogLeNet及MobileNet-v2模型验证精度提高了2.38%~11.44%，并且收敛速度最快；3)本研究模型识别精度随着数据集的增大而提高；在3种优化算法中SGDM算法耗时最短且精度最高，更适合本研究模型。通过拍摄果树叶片病害区域图像，本研究设计的系统能够在0.43 s左右准确识别出果树种类、病害类型以及危害等级等信息。     

新学期帮孩子养成几个好习惯

刚过完美好的假期,习惯了多日的悠闲,很多孩子一时难以适应新学期紧张的节奏,出现懒散、拖延、晚上不睡早上不起、无精打采、学习积极性不高等情况。如何改变呢?专家建议可通过以下几种方式帮孩子养成生活学习好习惯。改变拖延习惯有些孩子做事喜欢磨蹭拖延,常常让父母很着急。为什么孩子会有"拖延症"呢?奥地利心理学家阿尔弗雷德·阿德勒在《儿童人格教育》里写道:"一个有拖延习惯的儿童背后,总有一个事无巨细为其整理收拾的妈妈"。     

基于云班课平台《动物生物化学》线上线下混合式教学模式探讨

为了研究基于云班课平台的线上线下混合式教学模式,进行了《动物生物化学》线上线下混合教学实践,对获得的云班课数据和教学效果进行了分析,结果表明:64.71%的学生云班课资源学习低于60%;云班课测试分数46.16%学生在60分以下,作业/小组任务分数33.33%学生测试成绩在60分以下,教师需进一步研究增加学生自主学习积极性的方法,达到更优的教学效果。     

基于超星学习通的混合式教学模式应用研究——以发酵工程课程为例

为了提高发酵工程课程的教学质量和教学效果,针对发酵工程课程的内容和特点,将互联网+技术与教学相结合,进行了基于超星学习通平台的混合式线上线下教学方式的改革,结果表明:在增强了学生自主学习能力的同时,也促进了教师的自我提升。     

碎甘薯秧离散元仿真参数测量与标定*

针对甘薯秧蔓机械化回收过程中离散元仿真研究缺乏准确参数值的问题,采用直接测量和虚拟标定相结合的方法对碎甘薯茎秆和叶片离散元仿真参数进行研究。采用物理试验法获得碎甘薯秧的本征参数、碰撞恢复系数等参数值及碎甘薯秧颗粒的静摩擦系数参数范围,并为离散元法仿真设计了不同的参数组合。通过堆积角优化仿真试验确定甘薯叶片本征参数及其他不易直接测量的离散元仿真参数。Plackett-Burman试验表明,甘薯茎秆—甘薯茎秆和甘薯茎秆—45钢的静摩擦系数、甘薯茎秆—甘薯茎秆和甘薯茎秆—甘薯叶的滚动摩擦系数均显著影响堆积角。运用最陡爬坡试验和Box-Behnken优化试验标定了对碎甘薯秧堆积角有显著影响的参数值,以得到的参数进行颗粒堆积仿真试验,测得堆积角平均值为40.51°,与实测值相对误差为0.972%,说明物理试验加优化仿真试验来标定离散元参数是可行的,标定所得的参数可作为甘薯秧茎叶离散元仿真参数。     

基于微课的翻转课堂在生物防治技术课程中的应用——以河北北方学院为例

生物防治技术是高等农业院校植物保护专业一门实践性很强的专业选修课。本研究将微课与翻转课堂结合运用于课程实践之中,针对前期调研结果对课程教学设计、教学资料、互动平台、评价方式等方面进行详细分析,最终能够增加学生学习兴趣,提高学生参与度,使学生专业基础扎实,实践能力强,对课程的掌握程度高。     

智能采摘机器人自动化系统研究 —基于交互式视音频技术

为了提高采摘机器人的作业质量,模仿英语移动教学交互式视音频技术,在采摘采摘机器人控制系统中引入了视音频交互技术,通过远程视频监测机器人的作业状态,然后利用声控技术对采摘机器人的作业姿态进行调整,实现了管理员和采摘机器人的视音频交互,可以有效地提高采摘机器人的作业质量,降低采摘机器人的故障率。为了验证方案的可行性,对采摘机器人自动化控制系统进行了测试,并引入了MIMO通信原理,以提高视音频信号传输的质量。测试结果表明:采摘机器人可以准确地识别远程端的声控信号,且根据指令信号动作的准确率较高,可以满足高精度采摘机器人的设计需求。     

从星球化到在地性：基于克莱因四元群模型的风景园林思潮研究计划

随着人类观察世界的能力大幅提升,设计与研究的尺度得到了极大拓展,星球化(planetarization)与在地性(locality)同时成为空间设计学科重点关注的议题,近年来涌现出多个新思潮。基于克莱因四元群模型构建的风景园林思潮研究计划旨在建立一套理论框架以对不同研究实践进行更系统的讨论分析,为国内风景园林学科与行业带来新的思考,并运用新理论框架重点介绍了4个风景园林思潮,包括星球城市化背景下的风景园林理论、新地理视角中的空间叙事、关注本土议题的风景园林研究以及直觉导向的在地探索。