学习通平台在生物化学理论教学形成性评价体系中的应用

在生物化学教学中利用超星学习通平台等多种教学模式,将形成性评价体系贯穿整个教学过程,不仅可评价学生相关知识和技能的掌握情况,并且更加重视学生获得相关知识和技能的情感态度、方式方法,通过有效反馈机制,促进学生的学习。     

盈亏平衡点分析法在确定木材产量和采伐量中的应用

该文通过盈亏平衡点分析法,在采伐限额内来确定林场的采伐量,使森林永续利用,既发挥了森林生态效益,又确保了林场的经济效益。     

生物有机肥复配对辣椒促生提质及根结线虫病防控的研究

为了了解不同生物有机肥处理对辣椒生长、品质、产量和根结线虫病防控的影响,本试验采用辣椒田间种植的方法,通过底肥施入不同用量生物有机肥和复合微生物菌剂复配处理,测定辣椒田间生长、品质、产量以及100g 土根结线虫种群数量,筛选最佳生物有机肥复配处理。结果表明:使用不同生物有机肥复配对辣椒的株高增加4.87%~8.59%;茎粗较对照增加3.86%~25.99%;单果重增加16.66%~50%;横径增加6.87%~26.58%;纵径增加8.65%~23.21%;可溶性固形物增加17.63%;可溶性糖含量增加12.26%~38.68%;维生素C 增加4.41%~27.12%,根结线虫病防控效果达到了49.00%~83.00%。因此,适宜用量的生物有机肥底肥处理能够起到促生抑病的效果,可以用于赤峰地区设施辣椒的生产种植中。     

基于单片机控制的马铃薯质量分级系统的研究

设计了一种基于单片机控制的马铃薯质量分级系统,主要由摄像头、光照箱、红外对射检测模块、称重模块、单片机控制模块、步进电机模块和分级执行机构等组成。该系统可以完成马铃薯图像的实时采集、称重、显示、报警和分级等多项功能。研究表明,此系统可以完成对马铃薯的质量分级,分级的准确率和效率较高,符合实时检测的需要。     

基于Zernike矩的马铃薯薯形检测

目前基于机器视觉的马铃薯薯形检测的形状特征单一,相关研究较少,为了进一步探索合适的形状特征参数及检测方法,该文将Zernike矩作为特征参数并利用支持向量机实现了马铃薯薯形的检测分类,准确度较高。首先用截取最佳图像的方法对马铃薯图像进行归一化,使得归一化后的图像具有平移和尺度不变性,然后从归一化的图像中计算具有旋转不变性的Zernike矩参数,通过特征筛选确定分类的19个Zernike特征参数,最后将这些特征输入到支持向量机中,用高斯径向基核函数（RBF）和Sigmoid核函数构建混合核函数,完成马铃薯薯形检测分类,对薯形良好和畸形的检测准确率达93%和100%,能够准确剔除畸形马铃薯并满足实际检测的要求。     

基于无人机技术的小五台山保护区黑鹳巢穴监测研究

为了科学监测小五台山自然保护区黑鹳的巢穴,制定切实可行的保护措施,2018年和2019年连续2a利用无人机技术监测黑鹳巢穴。监测结果表明:金河口管理区的金河口沟有1处黑鹳巢穴,金河口管理区郑家沟有1处黑鹳巢穴,辉川管理区松枝口沟有1处黑鹳巢穴。通过观察得知:2018年金河口管理区金河口沟的黑鹳巢穴内有4只幼鹳,郑家沟的黑鹳巢穴是空巢,辉川管理区松枝口沟的黑鹳巢内有2只幼鹳;2019年金河口管理区金河口沟的黑鹳巢内有3只幼鹳,郑家沟的黑鹳巢穴仍然是空巢,辉川管理区松枝口沟的黑鹳巢内有3只幼鹳。这3处巢穴的选址都是在悬崖峭壁上,离地面高度至少在30m以上,工作人员很难从俯视的角度观察其内部的情况,利用无人机则很好地解决了这一问题。利用无人机技术对保护区黑鹳巢穴的监测,对黑鹳的科学研究和保护起到了极大的促进作用。     

基于轻量级神经网络的小尾寒羊面部识别

为实现羊只面部身份快速识别,本文以自建数据集为研究对象,提出了一种基于SSD的轻量化检测算法。首先该算法将SSD的主干网络VGG16替换成轻量级神经网络MobileNetv2,构建了一种轻量化混合神经网络模型。其次在特征提取网络参数量为1122×32的bottleneck层前端和72×160的bottleneck层后端分别引入CA、SE、CBAM和ECA注意力机制,实验结果表明72×160的bottleneck层后端引入ECA注意力机制是最优的。最后将smoothL1损失函数替换成BalancedL1损失函数。最优模型（SSD-v2-ECA2-B）模型大小从SSD的132MB减小到56.4MB,平均精度均值为81.16%,平均帧率为64.21帧/s,相较于基础的SSD模型平均精度均值提升了0.94个百分点,模型体积减小了75.6MB,检测速度提高了5.23帧/s。利用相同数据集在不同目标检测模型上进行对比试验,与SSD模型、Faster R-CNN模型、Retinanet模型相比,平均精度均值分别提升了0.36、2.40和0.07个百分点,与改进前的模型相比具有更好的综合性能。改进模型...     

河北小五台山国家级自然保护区野生有色木本植物资源调查

为清楚了解、掌握河北小五台山国家级自然保护区野生木本植物资源情况,并妥善加以利用,采用野外实地调查的方法对小五台山野生有色木本植物进行研究。调查发现,小五台山内野生有色木本植物资源丰富,许多物种在不同生长季的树叶、树干、花及果实具有极高的观赏性,部分果实还具有可食性;保护区常见的有色木本植物共116种,隶属于33科67属,以蔷薇科、桦木科、榆科、卫矛科、忍冬科为主,其中观叶植物64种、观枝观干植物12种、观果植物37种;观叶树种可在园林绿化中应用,观果树种具有食用和药用价值,部分树种可应用于防护林建设;因此,应加强野生有色木本植物保护,合理利用,建立彩色植物园,加快引种、驯化、繁育基地的建设,丰富彩色木本植物资源,实现野生有色木本植物资源的可持续利用。     

基于声信号特征加权的设施养殖羊行为分类识别

中国西部地区正在发展集约化和规模化的设施养羊业,通过监测羊舍内的声信号可以判别羊只的行为状态,从而为设施养羊的福利化水平评估提取基础依据。梅尔频率倒谱系数（mel frequency cepstrum coefficient,MFCC）模拟了人耳对语音的处理特点且抗噪音性强,被广泛用于畜禽发声信号的特征提取,但其没有考虑各个特征分量表征声信号的能力。该研究构建羊舍无线声音数据采集系统,采集20只羊在设施羊舍内的打斗、饥饿、咳嗽、啃咬和寻伴共5种行为下的声信号,并通过Audacity音频处理软件选出720个清晰且不重叠的声音样本数据。根据MFCC各分量对羊舍声信号表征能力,特征参数提取采用一种熵值加权的MFCC参数,再求其一、二阶差分并进行主成分分析降维,得到优化的19维特征参数。通过对羊舍声信号的声谱图分析,设计了支持向量机二叉树识别模型,并对模型内的4个分类器参数进行网格化寻优测试,该识别模型对羊只5种行为下的声信号进行分类识别,用改进的特征参数与传统MFCC和线性预测倒谱系数（linear predictive cepstrum coefficient,LPCC）进行对比分析。结果表明,该特征参数对5种行为的识别率平均可达83.6%,分别高于MFCC和LPCC参数14.1%和26.8%,羊只打斗和咳嗽行为的声信号属于相似的短时爆发类声音,其识别率分别仅为80.6%和79.5%,啃咬声特征显著不易混淆,其查全率可达到为92.5%,改进特征参数更好的表征了羊舍声信号的特征,提高了羊只不同行为的识别率,为羊只健康和福利状况的监测提供理论依据。