面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

社会工作视野下高校和谐教育的构建

基于对我国当前高校不和谐现状的分析,秉持社会工作的理念和视角,探索了我国高校和谐教育的含义,并就社会工作作为一种专业方法在建设高校和谐教育中的策略进行了探讨与创新.     

钢支撑代替混凝土支撑可行性分析

在地铁深基坑施工中，围护结构对基坑的安全起着至关重要的作用。本文依据合肥地铁一号线明光路站，施工过程中，由于车站3号出入口为出土口，原计划的第一道钢筋混凝土支撑无法实现，更改为钢支撑，通过有限元分析软件MIDAS-GTS\NX，建立二维模型进行数值模拟，对围护结构的变形和地表沉降进行分析，结果表明：第一道支撑采用钢支撑代替钢筋混凝土支撑对围护结构的侧移值影响不大，钢筋混凝土支撑控制地表沉降的效果要比钢支撑好，对今后类似工程变更提供依据。     

信息与计算科学专业《数据结构》教学实践与思考

结合信息与计算科学专业设置,本文分析了数据结构课程教学现状,从整合教学内容、设置教学梯度和完善教学手段等方面进行研究与探索。本课题针对交叉学科的特点强调学以致用和知识的融会贯通,搭建了开放的专题学习平台,提高了学生的自主学习和研究能力,初步取得了较好的教学效果,为数据结构课程的教学改革提供了参考。     

思澜二级公路改建工程石拱桥加固利用

公路改建工程主要依托老路进行,旧桥加固利用是公路改建工程中重要的环节,对降低工程造价、缩短施工周期、缓解施工中的保通压力有其现实意义,针对思澜公路石拱桥加固利用,对老石拱桥加固技术和经济效益进行探讨。     

农民大学生移动学习探索

通过调查分析农民大学生的特征以及移动学习的特点和优势，发现移动学习能够对农民大学生的课程学习起到促进作用，提高学习效率，是一种重要的远程教育方式。     

基于卷积神经网络马铃薯叶片病害识别和病斑检测*

针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F₁为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F₁值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。     

试论微型学习之于传统学习的优势

微型学习是以微型内容为特点,微型媒体为支撑的非正式学习模式。它适应了当代生活语境下人们对知识获取方式创新的要求,倡导了学习者尊重自身生命体验的情感回归,体现了人作为受教育者的社会性发展的重要路径,同时也为培养学习者综合能力提供了重要平台。     

Detection of Ecballium elaterium in hedgerow olive orchards using a low-cost uncrewed aerial vehicle and open-source algorithms

BACKGROUND

Ecballium elaterium (common name: squirting cucumber) is an emerging weed problem in hedgerow or superintensive olive groves under no tillage. It colonizes the inter-row area infesting the natural or sown cover crops, and is considered a hard-to-control weed. Research in other woody crops has shown E. elaterium has a patchy distribution, which makes this weed susceptible to design a site-specific control strategy only addressed to E. elaterium patches. Therefore, the aim of this work was to develop a methodology based on the analysis of imagery acquired with an uncrewed aerial vehicle (UAV) to detect and map E. elaterium infestations in hedgerow olive orchards.

RESULTS

The study was conducted in two superintensive olive orchards, and the images were taken using a UAV equipped with an RGB sensor. Flights were conducted on two dates: in May, when there were various weeds infesting the orchard, and in September, when E. elaterium was the only infesting weed. UAV-orthomosaics in the first scenario were classified using random forest models, and the orthomosaics from September with E. elaterium as the only weed, were analyzed using an unsupervised algorithm. In both cases, the overall accuracies were over 0.85, and the producer's accuracies for E. elaterium ranged between 0.74 and 1.00.

CONCLUSION

These results allow the design of a site-specific and efficient herbicide control protocol which would represent a step forward in sustainable weed management. The development of these algorithms in free and open-source software fosters their application in small and medium farms. © 2022 The Authors. Pest Management Science published by John Wiley & Sons Ltd on behalf of Society of Chemical Industry.