多层次多元化电学科精品资源共享课教学模式的研究与实践

针对学时压缩和学习内容相对不变的矛盾,信电学院电学科专业通过加强省级精品资源共享课程的建设,提出了多层次多元化精品资源共享课教学新模式,即"理论教学多元立体化、实验教学多元立体化、实践教学多元立体化、创新大赛多元立体化"。教学实践证明,利用现代信息技术手段推动电学科优质课程教学资源共建共享,能够激发学生的学习兴趣,培育学生创新意识,有效提高高校创新人才培养质量,是当前推进教学方法改革的一种重要模式。     

县级农电企业线损管理新模式的研究

为强化线损管理,降低电能损耗,提出了县级农电企业线损管理的新模式,建立了线损管理“三大体系”,即线损管理体系、线损管理技术体系和线损管理保证体系。通过内蒙古赤峰市克什克腾旗农电局的应用实践,结果表明：这一新模式能有效降低线损,提高企业的经济效益和社会效益。     

基于统计模式识别的植物病害彩色图像分割方法

根据植物病害彩色图像的特点，提出了用颜色空间作为特征空间，利用统计模式识别的监督分类方法。采用基于Fisher准则的线性判别函数来对彩色图像进行真彩色二值化分割。结果表明：该方法具有快速、有效、准确等优点，对彩色植物病害图像的分割处理十分有效。     

《电力网继电保护》MCAI系统的设计与实践

本针对传统教学的缺陷，论述了《电力网继电保护》课程的MCAI系统的优势及总体设计，并探讨了MCAI课件的具体实现方法。     

微机继电保护的研究现状及展望

对微机继电保护硬件中的处理器和数据采集系统的研究现状作了阐述。以及对软件中的传统算法和新算法作了综述。并讨论今后微机继电保护的发展趋势。     

复杂背景下黄瓜病害叶片的分割方法研究

利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。     

高光谱成像技术无损检测水果缺陷的研究进展

水果缺陷无损检测是水果分级的重要依据。随着图像技术与光谱信息的发展、高光谱成像系统硬件成本的下降和性能的提升,高光谱成像技术在水果缺陷无损检测方面获得了越来越多的应用。为了能充分利用最新研究成果,从高光谱成像技术在水果的缺陷无损检测方面,综述了水果损伤、病害、虫害等缺陷无损检测的研究进展,并对其发展方向进行了展望。     

微机继电保护的研究现状及展望

微机继电保护装置自20世纪80年代在我国首次投入运行以来，由于它具有常规继电保护装置不可比拟的优越性，在电力系统中得到了广泛应用。伴随着集成电路、通讯技术、计算机技术、信息技术、人工智能的飞速发展，微机继电保护结构更加合理，性能更加完善，功能更加全面，有效地承担起确保电网安全可靠的重任。     

基于支持向量机的葡萄病害图像识别方法

应用计算机图像处理技术和支持向量机识别方法研究了葡萄叶部病害的识别，以提高识别的准确性和效率。首先对采集到的葡萄病害彩色图像采用矢量中值滤波法去除噪声，然后采用统计模式识别方法和数学形态学对病叶图像进行了分割。最后提取了葡萄病叶彩色图像的纹理特征、病斑的形状特征和颜色特征，并用支持向量机的模式识别方法来识别葡萄病害。试验结果表明：支持向量机识别方法能获得比神经网络方法更好的识别性能；综合形状特征和纹理特征的支持向量机识别方法对葡萄病害的正确识别率优于只用形状特征或纹理特征的病种识别，综合颜色特征和纹理特征     

基于DIQA的腐烂蓝莓高光谱特征波长图像选取方法

目前高光谱成像技术已成为蓝莓品质自动检测的重要手段,其中提取特征波长是一个重要步骤。为获得最佳的腐烂蓝莓高光谱特征波长图像,提出一种基于深度学习的高光谱图像特征波长图像选取方法。首先提取腐烂蓝莓高光谱各波长图像的高频分量图像,然后提出利用深度学习图像质量评价网络（DIQA）选取腐烂蓝莓高光谱图像中的最佳图像。在DIQA第一阶段对腐烂蓝莓高光谱图像的高频图学习误差图。在DIQA第二阶段将第一阶段能够预测误差图的网络作为对腐烂蓝莓高光谱图像质量评价的骨干网络,并对网络做全局平均池化,最后引入两个特征以弥补信息量损失,通过评分评价图像质量。结果表明：通过对400～1000nm的472个波长下蓝莓高光谱图像进行质量评价,得到最佳图像质量的5个波长(664,721, 836,854,884nm)。与PCA提取的特征波长(454, 607, 699,913,967nm)图像相比较得知,所提取的腐烂蓝莓特征波长图像具有较多优势。另外采用卷积神经网络ResNet50对DIQA与PCA构建的蓝莓特征波长图像数据集进行学习,得出DIQA选取的腐烂蓝莓特征波长图像构建的数据集,损失能较快的收敛,并且在验证集...