福州第三中学水土保持综合实践活动总结

本主要通过对福建省水土流失现状的调查及学习水土保持治理措施，针对目前水土保持工作中把主要的财力、物力和人力放在对水土流失的监测和治理上，但宣传工作力度不够这一问题，特别创作了福建省水土保持科普网站“水土流失生命流失”(www．fzsz．net／地理组／水土流失、生命流失，或www．fzsz．net／comp／luse)，确定了以研究性学习为主，网络协作学习为辅的主题思想，制定了由初步学习→野外考察→社会实践→归纳整理→总结探究→网络创新这六大部分组成的主体框架结构。目的是：展示最新水土保持案例和学生学习成果，为广大中小学生和社会各界人士提供水土保持研究性学习的网络平台。     

高职财务会计专业教学面临的问题与对策

当前财务会计教学中面临诸多问题,如,课程内容设置不合理、学生学习动机和学习目的不明确等,如何在高职财务会计教学中实现以人为本,激发学生学习兴趣,提高学生专业实践动手能力,培养其成为高素质技能型人才,进行了分析和探索,试图找到一些积极有效的思路与对策。     

小麦面条和面过程不同阶段面絮的划分与自动识别

和面是小麦面条加工过程中重要的一道工序,主要依据人工经验判断和面终点,缺少基于客观分析的自动化评价方法。为了实现和面过程的自动化,该研究依据小麦面条和面过程中面絮颗粒宏观状态,通过面絮状态图像的数据分析,并且从面条质构、水分状态及分布、蛋白质分子特性及微观结构揭示和面阶段划分的依据。结果表明,和面过程可以划分为初始面粉（阶段1）、润湿黏连（阶段2）、聚集成形（阶段3）、破裂分散（阶段4）和稳定平衡（阶段5）5个阶段,阶段5占和面总时间的50%左右;从阶段2到稳定平衡阶段初期（阶段5-1）,面片的硬度、弹性和咀嚼性逐渐增加并达到最大,在稳定平衡阶段中后期（阶段5-2、5-3）,面片硬度等指标数值下降;低场核磁共振与核磁共振成像分析结果表明,阶段2的水分自由度高,和面过程加速了水分在固、液、气三相之间的交换,并在阶段5达到稳定;所有和面阶段中氢键、离子键的强度明显低于疏水相互作用的强度,游离巯基含量在阶段5-2、5-3逐渐降低至稳定,二硫键含量在此阶段逐渐增多并保持稳定,蛋白质实现充分交联,决定了面条微观结构和宏观状态。构建基于深度学习的Transfer-ResNet50网络模型,实现和面阶段面絮图像的自动识别,模型识别准确率达98.5%,具有良好的可靠性,可以实现和面终点的自动判断。综上所述,面絮宏观颗粒状态可以作为和面过程划分的可靠依据,深度学习也为小麦面条和面过程自动控制提供新的思路。     

基于姿态与时序特征的猪只行为识别方法

生猪行为监测是生猪养殖管理过程中的一个重要环节。该研究提出了基于姿态与时序特征的猪只行为识别方法。首先采集和标注猪栏内猪只图像,分别构建了猪只目标检测数据集、猪只关键点数据集和猪只行为识别数据集;利用构建的数据集,分别训练了基于YOLOv5s的猪只检测模型、基于轻量化OpenPose算法的猪只姿态估计模型和基于ST-GCN算法的猪只行为识别模型,并搭建了猪只行为识别系统。经测试,文中训练的YOLOv5s猪只检测模型mAP（mean Average Precision）最高达到0.995,姿态估计模型平均精度和平均召回率达到93%以上,基于ST-GCN的猪只行为识别模型的平均准确率为86.67%。文中构建的猪只行为识别系统中基于LibTorch推理猪只检测模型和猪只姿态估计模型的单帧推理耗时分别约为14和65 ms,单只猪行为识别推理耗时约为8 ms,每提取200帧连续姿态进行一次行为识别推理,平均17 s更新一次行为识别结果。证明提出的基于姿态与时序特征的猪只行为识别方法具有一定可行性,为群养猪场景下的猪只行为识别提供了思路。     

基于特征迁移学习的变工况下轴向柱塞泵故障诊断

不同工况下的轴向柱塞泵故障数据存在分布差异,现有的基于特征迁移学习的变工况故障诊断方法大多只通过单个传感器信号进行分析,具有一定的局限性和片面性。为了利用多传感器信号提高变工况下轴向柱塞泵故障诊断的性能,该研究提出一种耦合分类器子空间嵌入分布自适应（Subspace Embedded Distribution Adaptation with Coupled Classifiers, SEDACC）方法。该方法利用多传感器信号的频谱数据构造主要数据集和辅助数据集,通过子空间对齐（Subspace Alignment, SA）方法将源域和目标域的主要数据投影到公共子空间中,并采用加权条件最大均值差异（Weighted Conditional Maximum Mean Discrepancy, WCMMD）作为度量进行特征分布的适配。同时,基于结构风险最小化（Structural Risk Minimization, SRM）准则在源域标签数据上学习主分类器,根据主分类器对于目标域的预测结果在目标域辅助数据上学习辅助分类器。通过交替和迭代策略不断优化分类器参数,最后对二者进行加权融合得到最终的诊断模型。通过轴向柱塞泵变工况故障诊断试验进行验证,结果表明,当以垂直于端盖的z方向振动信号为主要数据并使用声音信号（或以平行于端盖的x方向的振动信号）作为辅助数据时,SEDACC方法在6种迁移任务中的平均准确率为99.88%（99.46%）,高于其他方法。此外,所提方法在目标工况样本稀少的情况下仍具有较高的诊断精度,当目标域和源域样本数比值为0.2时,6种迁移任务的平均准确率达到92.66%。研究结果可为更完备与准确的机械故障诊断提供参考。     

基于轻量级神经网络MobileNetV3–large的黄茶闷黄程度判别

以碧香早品种为材料,通过相机采集不同闷黄时长下的闷黄叶图像共675张,建立了3种闷黄程度的黄茶样本数据集,采用位置变换、随机亮度、增加对比度、添加噪声、随机缩放操作对闷黄叶图像集进行数据增强,运用迁移学习方法,在ImageNet数据集取得MobileNetV3–Large的预训练模型,对迁移网络的所有权重信息进行训练,最终建立了针对黄茶闷黄程度的轻量级卷积神经网络MobileNetV3–Large识别模型,并利用Grad–CAM热力图可视化和置信分数监控黄茶品质的变化。结果表明：经训练后的MobileNetV3–Large模型测试的识别准确率达到98.51%,精确率为99.10%,召回率为98.93%,加权分数为98.20%;MobileNetV3–Large模型的识别准确率高于传统机器学习模型SVM、XGBoost和KNN;通过Grad–CAM热力图可视化显示,MobileNetV3–Large模型在不同的识别场景下能够准确定位并提取闷黄叶特征,准确地识别闷黄程度。可见,MobileNetV3–Large模型有较好的泛化性,可以快速、无损地识别黄茶的闷黄程度。     

深度学习环境下香料种植推荐模型的设计研究

为进一步利用人工智能技术服务云南省,促进云南省草果产业不断壮大发展,减少资源和劳动力的浪费,选取最具有代表性的云南省怒江草果种植基地,构建草果病虫害预测模型、草果价格预测模型等多个智能模型,搭建草果产业智能推荐模型群。采用云计算技术搭建草果产业智能推荐平台,助推农户致富、企业发展壮大、科研人员获得显著的研究成果,为种植户、种植企业、销售企业、加工企业、科研人员5类人群提供优质、高效的智能化服务模式,并且在运营的过程中不断壮大平台的规模和影响力,助推云南省乃至全国草果行业的发展。     

百尺竿头 更进一步---------------------------

岁月如梭,白驹过隙。回首2008年的中国,波澜壮阔,悲喜交加:灾难迭至,同舟共济、众志成城的镜头历历在目;捷报频传,群情振奋、举国同庆的场景刻骨铭心。在学习实践科学发展观收获丰硕的喜悦中、在纪念改革开放     

拖拉机田间作业常见问题的处理

拖拉机在田间作业时,常常会遇到过沟渠、爬田埂、越泥泞以及陷车等情况。为保证田间作业安全,驾驶员应能正确掌握这些常见问题的处理方法。     

玉米秸秆饲料加工十大技术

玉米秸秆含有丰富的营养和可利用的化学成分。对玉米秸秆进行精细加工处理,制作成高营养牲畜饲料,不仅有利于发展畜牧业,而且通过秸秆过腹还田,更具有良好的生态效益和经济效益。1.玉米秸秆青贮(?)