排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
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。 相似文献
3.
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。 相似文献
4.
5.
1