农业院校信息类学科竞赛与相关专业教学互长模式的构建

针对当前农业院校教学模式存在的弊端和社会中创新性人才缺乏的现状,提出了一种以学科竞赛为载体,将学科竞赛与专业教学相结合的教学模式。在该模式的推动下,山西农业大学在课程改革、专业培养和开放实验室等方面取得了丰硕的成果,为培养学生的实践与创新能力打下了坚实的基础,促进了学生知识、素质和能力的全方面发展。     

以机器人大赛为契机的农业院校工科专业实践创新模式探索

随着素质教育和高校改革的推进,大学生实践和创新能力的培养显得尤为重要。针对农业院校学生实践创新能力的不足,以机器人大赛为契机,提出了增强农业院校实践创新能力的模式。该模式以综合机器人实验室为平台,立体化实践教学体系为主线,机器人创新梯队为主体,探索了农业院校学生实践创新能力的培养。实践表明"以赛促教、以赛促学、以赛促改"的教育模式对于提高教师业务能力和培养学生创新能力具有较好的促进作用。     

基于改进YOLOV4网络模型的番茄果实检测

果实识别是视觉检测技术重要的环节,其识别精度易受复杂的生长环境及果实状态的影响。以大棚环境下单个、一簇、光照、阴影、遮挡、重叠6种复杂生长状态下的番茄果实为对象,提出一种基于改进YOLOv4网络模型与迁移学习相结合的番茄果实识别方法。首先利用ImageNet数据集与VGG网络模型前端16卷积层进行模型参数预训练,将训练的模型参数初始化改进模型的权值以代替原始的初始化操作,然后使用番茄数据集在VGG19的卷积层与YOLOV4的主干网络相结合的新模型中进行训练,获得最优权重实现对复杂环境下的番茄果实进行检测。最后,将改进模型与Faster RCNN、YOLOv4-Tiny、YOLOv4网络模型进行比较。研究结果表明,改进模型在6种复杂环境下番茄果实平均检测精度值mAP达到89.07%、92.82%、92.48%、93.39%、93.20%、93.11%,在成熟、半成熟、未成熟3种不同成熟度下的F1分数值为84%、77%、85%,其识别精度优于比较模型。本文方法实现了在6种复杂环境下有效地番茄果实检测识别,为番茄果实的智能采摘提供理论基础。     

马铃薯缺陷电阻成像阵列数据获取方法

该文针对目前马铃薯缺陷检测方法费时费力、仪器设备昂贵和涉及强磁场等问题,提出了基于电阻层析成像方法实现对马铃薯缺陷检测,研究了马铃薯缺陷电阻成像物场阵列数据获取方式。该文在对成像物理场建立建模基础上,研究不同电极形状对物场电势、等值线等电学特性的影响,以及激励电极形状、电极覆盖率、激励方式对敏感场电势分布仿真研究。最终确定物场阵列数据获取方式,电极结构优化。      

涉农工程类研究生创新复合型人才培养

研究生教育复合型高素质人才培养工程是顺应人才强国战略加速实施和大学制度创新深化发展战略。其意义在于：提升研究生培养质量,增强研究生的适应性、灵活性和创新性。面对全国高等院校研究生教学培养工作模式变革创新改革的发展潮流,山西农业大学农业工程研究生教育教学实践也需要进行改革的创新。农业工程研究生是充分利用学科自身独特的学科优势,培养体现出的理论知识掌握与专业实践工作能力运用兼具结合的高级复合型人才。