“互联网+”时代教育模式的探讨

教育互联网是决定未来一代思考模式和工作模式的重要领域。互联网+理念提出以后,很多行业都在用互联网+理念来重新思考,云计算走进教育领域。科技还可以帮助教育在——提供新的教具和学习课件上。校园里面安装了虹膜识别的装置进行安全控制,只要学生在虹膜摄像头之前经过,他们的位置,身份便被系统识别出来,所有外来的人员都必须进行虹膜资料的登录才能进入到校园中。考勤软件功能强大,操作简便,采用电脑统计,计算十分方便,几分钟内可以轻松完成几百人甚至几千人的考勤统计工作。     

伽马能谱录井技术及其应用

随着钻井工艺的发展和非常规勘探开发的深入,对录井技术的发展提出了更高的要求,需要开发、推广新的录井技术识别和评价非常规储层。伽马能谱录井技术可测量岩屑中的铀(u)、钍(Th)、钾(K)的含量,能够辅助识别岩性,判识储层中的粘土矿物类型,定量计算泥质含量,为录井非常规储层的评价提供了依据,具有较好地应用前景。     

大豆茎生长习性分类方法的研究--有限型与无限型茎顶的特征与识别标记

大豆有限型与无限型茎生长习性主要区别在于：前茎顶有顶生总状花序（或花序轴、或英簇）、三裂苞片、小苞片；后茎顶有复叶及其托叶（2个，生于复叶基部两侧）。针对大豆有限型和无限型茎顶性状发育的不同特点，提出稳定的识别标记及适用时期。     

高海拔地区日光温室黄瓜霜霉病与角斑病的诊断识别及生态防控

甘肃永登县平均海拔2 100 m, 属冷凉气候区, 依赖此气候特点,近年来该地大力发展高效节能日光温室,进行反季节深冬一大茬黄瓜生产, 取得了显著的经济效益, 一般667 m2效益3万元以上.目前全县每年温室黄瓜保有面积33.35多hm2,集中分布在县城附近的城关、中堡两个乡镇.由于温室温差大、湿度大、光照不足,为黄瓜霜霉病和角斑病的发生创造了有利条件,而因为两病前期症状极为相似,尽管农户有多年种植黄瓜的经验,但对两病仍难以区分,造成用药混乱,尤其是两病常以暴发的形式出现,有些种植户慌乱之中胡乱打药,如药不对路、药量过大、时间不准、方法不当,花了钱不见效或者效果甚微, 有时即使有效但使黄瓜品质也受到损失,失去了防治意义;有些种植户面对扑面而来的病害束手无策,任其自然发展,导致病害蔓延,轻则减产、重则绝收,损失极大.现将生产实践中总结的两病诊断识别方法与生态防控方法介绍如下,以作参考.     

射频识别技术在畜禽养殖中的应用与展望

随着畜禽规模养殖的发展,高度集约化养殖模式将影响畜禽的健康状况、疫病防控和福利水平。一种无接触、无应激的射频识别（Radio Frequency Identifi cation,RFID）技术应运而生,该技术可以在无损状态下采集畜禽的行为、生理生化和养殖环境指标,从而为评估集约化养殖的效果和影响提供基础数据。文章讨论了三种常见类型的RFID系统在畜禽养殖中的应用,系统地比较了各类系统的优缺点及适宜应用场景,进一步提出RFID在畜禽养殖中的未来应用方向,以期为深化畜禽信息采集的研究提供参考。     

假劣兽药外观简便识别法

目前,市场上出售的兽药质量参差不齐,假冒伪劣产品时有发现。那么,如何从外观识别假劣兽药呢?现介绍几种简便的识别方法:一、查兽药生产企业是否经过批准。凡未批准的单位,生产的兽药必然没有领取批准文号,按《兽药管理条例》第二十八条规定,应作假药处理。二、查产品批准文号。兽药产品是否取得批准文号,是判断该药是否可能属于假兽药的重要标志。检查时先看产品有无批准文号,然后看批准文号的格式是否正确。三、查产品规格。查标签上标示的规格与药品的实际是否相符。主要是兽药的标志装量与实际装量是否相符。四、查兽药名称。兽药名称包…     

葡萄假尾孢大褐斑病的症状识别与综合防治

葡萄假尾孢大褐斑病,又称葡萄大褐斑病,是葡萄褐斑病(分大、小褐斑病)中的一种,仅危害叶片,且以危害下部叶片为主(图1)。在我国各葡萄产地多有发生,以多雨潮湿的沿海和江南各省发病较多,干旱地区或少雨年份发病较轻,管理不好或疏忽管理的葡萄园多雨年份后期可大量发病,若不及时防治,严重时可引起早期落叶,影响树势,造成减产。     

视觉识别技术在智慧农业中的应用和发展

智慧农业的发展将物联网和人工智能带到了农业领域,推动现代农业的发展走向智能化和数字化。视觉识别技术作为人工智能的一个重要分支,也在智慧农业中得到了充分地应用和发展,它能够对农作物的生长情况和农业生产环境进行精准监测,对于农产品的加工和销售也能做到良好的质量管控,进而实现了现代化农业生产的低耗高效以及农产品的优质高产。     

基于残差卷积神经网络模型的勺嘴鹬动作识别

为开启海南热带地区鸻鹬类涉禽的动作识别以及其他野生鸟类行为学自动识别的研究,建立了基于野外采集影像的勺嘴鹬(Eurynorhynchus pygmeus)动作图像数据集。该数据集由表达勺嘴鹬主要行为模式的9种动作标签组成;同时利用ResNet50、ResNet101和ResNet152共3种残差卷积神经网络模型尝试对勺嘴鹬的动作进行自动识别。结果表明,ResNet50、ResNet101、ResNet152测试集准确率分别为96.90%、96.94%和96.90%,说明3种模型都能对勺嘴鹬图像进行快速准确的动作识别。