低风险疾病情境下农村居民健康信息规避行为研究

[目的/意义]本研究旨在揭示低风险疾病情境下农村居民健康信息规避的程度、策略、成因及其关联。[方法/过程]研究采用理论抽样方法和半结构化访谈法收集了江苏省45位农村居民的相关数据。研究采用开放式编码和主轴编码方法对访谈数据进行分析,同时采用社会网络分析软件对规避策略和成因之间的关系进行可视化展示。[结果/结论]（1）农村居民在低风险疾病情境下存在全面型和选择型两种不同程度的健康信息规避。其中,全面型健康信息规避主要发生在信息需求阶段,具体的规避策略为完全不治疗;而选择型信息规避发生在信息获取阶段,具体的规避策略为自己治疗或者拖延治疗。（2）该情境下农村居民健康信息规避的成因主要包括感知风险、对信息源的信任、健康信息素养水平、文化水平、情绪、经济水平、小世界、时间和医疗资源的可及性。（3）农民健康信息规避的成因与规避策略存在特定的关联。文化水平和医疗资源的可及性只对完全不治疗规避策略有影响;情绪因素只对拖延治疗规避策略有影响;健康信息素养水平只对自己治疗规避策略有影响。该研究可为改善农村居民的健康状况提供指导建议。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

“四念四化”构建校企合作育人模式的探索与实践——以内蒙古商贸职业学院食品加工技术专业为例

食品加工技术专业是典型的应用型专业,人才培养目标是应用型高技能人才,其培养目标的关键是强化实践教学,搭建好校企合作平台,从而达到实践育人、协同育人的目的。内蒙古商贸职业学院食品加工技术专业以选择具有管理水平一流、生产工艺先进、研发能力领先的食品制造类高端企业,通过引企入校、工学交替、理实一体教学提高了学生的培养质量,同时创新形成了“四念四化”的教育教学模式。     

我国稻米加工工艺的沿革与展望

我国稻米加工起步于大规模采集野生稻的时期,最初是采用稻谷直接制成米的“稻出白”工艺,后来采用稻谷先制成糙米、糙米再制成米的“糙出白”工艺,两者构成了沿用几千年的古代稻米加工工艺;19世纪60年代开始,增加稻谷清理、白米整理等工段,构成了近代稻米加工工艺;到20世纪末,增加稻谷分级、下脚整理、稻壳整理、副产品整理、糙米精选、白米精选、白米色选、白米抛光等工序,构成现代稻米加工工艺;进入21世纪以来,新增了回砻谷净化、糙米净化、刷米与抛光组合、多道色选、留胚粒分选等工序,构成了当代稻米加工工艺;今后通过增加多等级大米联产、多等级大米与留胚米联产等专利加工工艺,将构成加工过程更加精准且智能化、低破碎、低能耗和环境友好的未来稻米加工工艺。     

信息化时代大学生信息素养教育实践研究——以沈阳理工大学图书馆为例

[目的/意义]信息素养是人们在现实生活中就信息应用方面的综合表现,信息素养是大学生必备的基本素质,对其未来发展具有重要意义。[方法/过程]以沈阳理工大学图书馆信息素养教育为例,从大学生教育、教师教学和科研发展等需求多样性出发,开展多元化信息素养教育实践,形成了“课程整合教学—资源系列讲座—学科化服务—营造书香校园”的多层级、系统化信息素养教育体系。[结果/结论]建立一支学科知识齐全的信息素养专职师资队伍,发挥新媒体技术优势,积极开展线上教育新模式,加强与国内外知名大学图书馆交流与协作,引领高校师生信息素养教育沿着正确道路稳步发展。     

“试验设计与数据处理”教学改革探讨——基于本科生毕业论文常见问题的分析

“试验设计与数据处理”是食品类专业的一门重要课程。在分析毕业论文存在问题的基础上,找出这些问题存在的原因并寻求解决办法,为提高“试验设计与数据处理”课程的教学质量和教学效果提供参考和依据。     

2000—2015年西南区县域土地利用变化特征及驱动力分析——以重庆市奉节县为例

综合分析重庆市奉节县土地利用格局时空演变及其驱动力,为优化西南区县域尺度的土地利用规划、生态大保护和区域可持续发展提供理论参考和数据支持。基于RS和GIS技术,利用四期（2000、2005、2010和2015年）土地利用基础数据,从土地利用动态模型和地学信息图谱等方面出发,揭示区域2000—2015年的土地利用动态变化特征及时空演变规律。依据主成分分析模型和线性回归分析模型,并基于奉节县社会经济统计数据,探究研究区土地利用驱动机制。研究期内,研究区土地空间格局呈现以林地和耕地为主体,同时交错分布其它土地类型的特点。耕地、草地和未利用地土地面积分别减少 78.84 km²、3.73 km²、2.54 km²,而林地、水域和居民工矿用地面积分别增加23.36 km²、46.67 km²、9.03 km²。受三峡移民影响,区域土地利用分布格局由整体无序向局部有序的方向发展。研究期的前10年间,土地利用类型转移主要发生在林地、草地和耕地之间,林地→耕地和草地的面积总和分别为849.38 km²和425.17 km²;2010—2015年间林地和居民工矿用地新增面积分别为9.93 km²和7.09 km²。从产业结构调整、政策影响和社会发展等方面探究区域城镇化的驱动机制,城镇化因素、政策因素、经济因素、社会发展因素和农业因素是影响奉节县土地利用类型变化的主要驱动力。     

河南省农业干旱脆弱性分析

为减轻旱灾损失,根据2005、2015年河南省统计与气象数据,采用10项指标和灰色关联分析法,以最劣值为参照系列分析了该省农业旱灾脆弱性。结果表明,豫西的济源、三门峡、洛阳,豫东的开封、漯河与豫北的鹤壁是河南省干旱脆弱性较强的区域,而豫东南的商丘、驻马店、信阳,豫北的新乡、豫西南的南阳则脆弱性较弱,其他地区居于两者之间;2005—2015年河南省干旱脆弱性呈明显的增加趋势。河南省是中国粮食生产核心区,首先要依靠科技创新,大力发展节水农业、循环农业;其次要重视水资源的节约与保护、加大农业投入以降低干旱的脆弱性,确保粮食安全。     

基于机器视觉的温室番茄裂果检测

该文通过对温室番茄果实进行定位及裂果检测,可为番茄裂果率预估及后续裂果自动筛选提供参考。针对自然光照下采集的各类番茄图像,在相关颜色空间中进行阈值预分割,利用前期支持向量机训练得到的纹理特征分类器对预分割区域进行二次判别;之后在前景区域利用显著性角点分割构造边缘轮廓集,利用基于最小二乘法修正的改进霍夫变换拟合单个番茄目标;最后利用二维Gabor小波算子对拟合的单个番茄区域进行纹理特征提取及裂果判别。文中共采集82幅番茄图像,其中50幅图像作为训练集图像,32幅图像作为验证集,所提算法对测试集中总共128个番茄的果实正确检出率为91.41%,对其中35裂果的正确判别率为97.14%,裂果判别部分平均耗时21 ms。试验结果表明,该方法具有较好的鲁棒性与可靠性,对成熟期番茄裂果率的估计研究及采摘过程中裂果的自动分级筛选具有较好的指导意义,为未来实现温室番茄果实生长状态在线监测提供参考。     

Cotton Image Segmentation Algorithm Based on Fusion Method of Markov Random Field and Quantum Particle Swarm Cluster

[Objective] The aim of this study was to improve the cotton image segmentation accuracy in a picking robot image processing system. [Method] An image segmentation algorithm based on a fusion method of Markov random field and quantum particle swarm optimization clustering was proposed. The process of the proposed algorithm is as follows: first, transform the RGB (red, green, blue) images into grayscale; second, use it to segment these images; finally, the threshold of the connected area is set on the basis of the segmented image to obtain the target area. Then, the cotton front image and the cotton side image are selected from the images collected from different angles. The segmentation experiment was carried out by using this algorithm, and compared with the Otsu algorithm, the fuzzy C-means algorithm, the quantum particle swarm image segmentation algorithm and the Markov random field image segmentation algorithm. [Result] The results showed that the segmentation accuracy and peak signal to noise ratio of the proposed algorithm were 98.94% and 77.48 dB. When compared with the Otsu algorithm, fuzzy C-means algorithm, quantum particle swarm optimization algorithm and Markov random field algorithm, the average segmentation accuracy and peak signal to noise ratio of the proposed algorithm increased by 2.47%–4.56%, and 9.81–13.11 dB, respectively. [Conclusion] The proposed algorithm had higher segmentation accuracy and higher peak signal to noise ratio than the other algorithms tested.