基于新时代文旅融合的基地场景特色研学实证研究 ——以浙江省淳安县千岛湖为例

浙江省淳安县千岛湖近年来开发了生态环保探索、农事研学活动、红色国防教育3大主题6 个典型研学基地场景,对其自然条件、师资队伍、场所条件进行分析,研究其相应课程设计、研学路 线,教育性、体验性路径和目标。结果表明,研学不仅是生态红利的新引擎,也是创新发展的催化 剂,更是文化精神的感召力。提出要以新发展理念指引研学发展,深化研学内涵认知,多样化、多层 次、多方面开展研学活动。     

农科大学生英语听力教学现状分析及其改革对策探讨

采用问卷调查法,以103名农科大学生和25名大学英语教师为对象,调查了河北农业大学农科大学生大学英语听力教学现状及其影响因素,发现制约其听力水平提高的障碍因素主要为语音、文化背景知识和听力学习策略和技巧等,在此基础上提出了“课中、课外两条线,强化语音训练,补充英语文化背景知识,注重学习策略学习及应用”的农科大学生英语听力教学改革方略及“听前背景知识热身＋听时反复训练至听懂＋听后总结、巩固和提高”的具体改革方法。     

“学为中心”视域下动物解剖学教学方法的反思

由于信息技术的快速发展和动物医学专业需求的变化,动物解剖学教学在内容和方法方面发生了重大变化。动物医学专业教育已从被动和以教师为中心向积极、以临床为基础和以学生为中心转变。本文在“学为中心”背景下分析各种教学模式在动物解剖学教学中的作用和有效性。     

基于无人机RGB影像的染条锈冬小麦花青素含量监测

小麦植株感染条锈病后叶片花青素含量会发生明显变化。为了在地块尺度上利用冬小麦花青素值实现条锈病害的直观、快速监测,通过监测叶片花青素含量评估小麦条锈病严重程度,2021年获取感染条锈病的小麦田块的无人机RGB影像和采集地面病害区域的花青素含量数据,利用影像提取采样点感兴趣区的光谱特征参数和基于灰度共生矩阵的纹理特征参数,采用连续投影算法(SPA)结合相关性分析优选特征参数,分别采用单一光谱特征参数和组合参数,结合主成分回归(PCR)、拉索回归(LR)、随机森林回归(RFR)、梯度提升回归(GBR)和误差反向传播神经网络(BPNN)等方法构建了小麦花青素含量估算模型,并利用最优模型反演了田块的花青素含量。结果表明,图像光谱特征结合纹理特征后,花青素估算模型的R²增大,RMSE减小,模型精度显著提升。基于组合特征参数构建的随机森林模型精度最高,验证集R²、RMSE和MAE分别为0.801、0.026、0.021。该模型具有良好的花青素含量估算能力,得到的花青素值分布图与条锈病的空间分布具有一致性,能够定量化、可视化地反映病害严重程度。     

基于机器学习算法的奶牛疾病预测模型的研究

【目的】评估建立奶牛疾病预测模型的6种机器学习(machine learning, ML)算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树(Decision Tree, DT) C5.0、CHAID算法、人工神经网络(Artificial Neural Network, ANN)、随机森林(Random Forests, RF)、贝叶斯网络(Bayesian Networks, BN)和逻辑回归(Logistic Regression, LR)6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT...     

农业院校计算机素质教育的发展及任务

本文立足于广东一全国改革开放的试验区,对农业院校非计算机专业的计算机素质教育的演变及如何与世界计算机教学接轨进行了分析与探讨,提出本世纪计算机中心的任务,仅供同行专家参考.     

专题学习网站建设初探

随着高校教育信息化步伐的逐步推进,专题学习网站的建设成为广大教育工作者探究的新热点,本文基于分析专题学习网站特性上.结合网站开发的实用技术,探讨如何开发高质量的专题学习网站.     

基于卷积神经网络的小麦产量预估方法

小麦产量是评估农业生产力的重要指标之一,针对小麦产量人工预估困难,提出将卷积神经网络运用于小麦产量预估,为农业生产力的预估提供参考,指导农业生产管理决策。利用无人机分别在河南省新乡、漯河两地进行图片采集,并以之构建麦穗数据集,分为正样本(麦穗)和负样本(叶子和背景)。针对小麦常规的生理形态和生长环境,设计卷积神经网络识别模型,以图像金字塔构建多尺度滑动窗口,以非极大值抑制(NMS)去除重叠率较高的目标框,实现对单位面积内麦穗的计数,并利用随机采样的方式对大田麦穗进行单位面积图像采样,以采样图像中麦穗数量的平均值作为产量预估基准,进一步实现麦穗产量预估。随机抽取100幅不同小麦图片进行测试,与人工计数结果进行对比,准确率达到97.30%,漏检率为0.34%,误检率为2.36%,误差率为2.70%。试验结果表明,此方法能够克服环境中的多种噪声干扰,能够在不同光照条件下对麦穗进行计数和产量预估。     

Learning the BN Structure Based on the Sum of Mutual Information

The Crossing Entropy is defined to scale the similar level of two probability distribution. In many papers on learning BN structure,the Crossing Entropy was used as an indicator of measuring the learning accuracy of an algorithm.The known scoring metrics for learning BN structure is analyzed in this paper,then a new scoring metrics Sum of Mutual Information is proposed based on the information theory.At last,two algorithm for learning BN structure by SIM is represented.