“1+X”证书制度下高职计算机专业课程的优化研究

在“1+X”证书制度推行过程中,也应加强改革计算机专业课程体系,以《国家职业教育改革实施方案》为依据,重视调整计算机专业课程与职业技能培训的关系,培养具备综合素养和专业能力的计算机应用人才。在“1+X”证书制度背景下,高职院校需要谋求计算机专业发展的新路径,保证计算机专业学生顺利通过计算机等级考试,逐步掌握更多的技能。因此,高职院校更应重视计算机专业课程优化问题。文中从实际出发,指出了“1+X”证书制度下计算机专业“课证融合”的重要性,分析了目前高职计算机专业人才培养存在的问题,提出了计算机课程优化的科学对策。

基于拉曼光谱结合CNN-LSTM深度学习方法的铁皮石斛总黄酮含量快速检测研究

铁皮石斛具有很高的商业价值和营养价值,将云南文山、广西金秀、安徽霍山、浙江台州四个产地共130个样品作为研究样本,在785 nm激光下利用便携式拉曼光谱仪获得了铁皮石斛拉曼光谱,采用NaNO_(2)-Al(NO_(3))_(3)-NaOH比色法测定铁皮石斛总黄酮含量。以每条经过归一化后的拉曼光谱数据作为输入,利用Savitzky-Golay卷积平滑(SG平滑)、标准正态变量变换(SNV)、多元散射校正(MSC)等不同预处理方法对光谱数据进行处理,以偏最小二乘(PLS)、支持向量机(SVM)和卷积神经网络-长短期记忆神经网络(CNN-LSTM)模型作为比较,竞争自适应重加权采样(CARS)作为波长选择方法,对不同的机器学习模型进行比较研究。采用以下预测质量指标:校正集、测试集相关系数(R_(c)、R_(p)),校正集、测试集均方根误差(RMSEC、RMSEP),评价铁皮石斛总黄酮含量预测模型的性能。结果表明:光谱在经过SNV预处理之后,CNN-LSTM方法预测铁皮石斛总黄酮含量准确率最高,R_(c)、R_(p)分别为0.983和0.964,RMSEC、RMSEP分别为0.032和0.047 mg·g^(-1)。结合拉曼光谱建立的SNV-CNN-LSTM深度学习模型准确可靠,具有很强的鲁棒性,优于传统的机器学习模型(PLS、SVM)。利用拉曼光谱结合CNN-LSTM模型对铁皮石斛总黄酮含量进行预测,克服了传统的理化鉴别法的缺陷,具有快速无损的特点。该方法能对铁皮石斛的品质进行区分,并加快药食同源植物市场铁皮石斛产业化,构建自主品牌并增加其影响力,同时此项技术也可应用于消费者和市场监管部门。

基于高光谱成像技术的猪肉新鲜度评价

该文研究利用高光谱成像技术预测猪肉新鲜度参数,挥发性盐基氮(TVB-N)和pH值。在470～1000nm波长范围内,从高光谱图像中提取的反射光谱,分别经过2次Savitzky-Golay(S-G)平滑、多元散射校正(MSC)处理后,建立PLSR(偏最小二乘法)的预测模型。对TVB-N的预测,使用2次S-G平滑处理、MSC光谱建立的PLSR预测模型相关系数分别为0.90和0.89,预测模型标准差分别为7.80和8.05。对pH值的预测,经过MSC处理比2次S-G平滑处理的结果好,相关系数为0.79,预测模型标准差为0.37。同时综合2个参数利用MSC处理后的预测模型对猪肉新鲜度进行评定,准确率达91%。研究结果表明,高光谱成像技术可以用于猪肉新鲜度快速无损检测。

冷却肉微生物污染和肉色变化的Vis/NIR光谱无损检测

利用可见/近红外光谱技术对冷却肉菌落总数和颜色进行快速、无损检测。采用400~1 100 nm可见/近红外光谱成像系统,获取54个冷却肉样本表面的光谱图像,采用主成分分析结合马氏距离方法对异常光谱进行判别及剔除。通过Gompertz分布函数对散射特征曲线进行拟合,得到表征光谱信息的Gompertz参数,结合支持向量机算法建立冷却肉菌落总数和肉色L*的预测模型。α、β、θ、δ组合和α、β、δ组合建模对细菌总数预测效果最好,预测相关系数分别为0.937和0.935,预测标准差为0.600 lg CFU/g和0.702 lg CFU/g。β、δ组合建模对肉色L*预测效果较好,预测相关系数达到0.930,预测标准差为1.515。研究结果表明利用Vis/NIR光谱散射特征结合支持向量机可以实现冷却肉品质的快速、高效、无损伤检测。

肉品挥发性盐基氮的高光谱无损快速检测

目的 建立利用高光谱成像技术对生鲜猪肉的挥发性盐基氮含量进行快速无损伤检测的方法.方法 利用400～1100 nm光谱范围的高光谱成像系统,获取猪肉表面的高光谱图像信息,通过洛伦兹函数对其表面的扩散信息进行拟合,结合偏最小二乘回归和多元线性回归两种方法,分别建立预测猪肉TVB-N含量的预测模型.结果 利用洛伦兹三参数组合[abc]结合MLR方法建立预测猪肉TVB-N含量的模型效果优于PLSR模型,预测相关系数达到0.90,标准差为4.67.结论 高光谱成像技术可以快速无损伤检测肉品挥发性盐基氮.

计算机技术在智能校园体系中的应用

智能校园管理体系以计算机技术为基础,主要应用物联网、大数据、云计算等技术整合校内外资源。智能校园管理体系依靠计算机技术搭建模块化管理平台,将先进技术融入校园智能管理中,将教学管理、后勤管理、学生管理融入智能化校园管理中,因此有必要探讨计算机技术在智能校园体系中的具体应用。基于此,笔者首先对智能校园体系进行了简要分析,进而分析了其中应用的计算机技术,并提出了具体的优化对策。

物联网技术在智能家居系统中的应用

我国社会经济不断发展,科学技术不断进步,人们的生活水平也在日益提高,人们越来越追求便利、快捷、高质量的居家生活。随着“互联网+”时代的到来,计算机技术、网络技术、数字信息技术等飞速发展,人们生活中随处可以见到智能技术的应用,物联网技术随之应运而生。智能家居系统中广泛应用物联网技术,可以实现对生活家居系统进行远程控制、监控、报警等操作,解除人们与家居系统之间的空间障碍,为人们提供更加舒适、便捷、实用的居家体验,使家居生活更加舒适、更加安全、更加智能,人们的生活环境更加优质。笔者简要阐述了智能家居系统中物联网技术的概念,分析了当前物联网技术在智能家居应用中存在的不足,并就物联网技术在智能家居系统中的应用做了简单的研讨,旨在为物联网技术在智能家居系统的应用提供参考。

从高校教学团队的建设浅谈辅导员的学生教育工作

在经济、科技和社会高速发展的今天,高校将占据愈来愈重要的地位。新时期社会对高校培养的人才质量提出更加严格的要求。近年来,各大高校迎来了我们所说的"90后学生"。如何做好"90后学生"的思想政治工作,这为从事这一工作的高校辅导员提出了新的挑战。现就新时期高校辅导员如何做好学生工作进行简要分析。

浅谈计算机技术在高校智能化管理中的应用

近年来,我国计算机技术及经济的发展,我国对高校建设力度加大,本文对计算机技术在高校智能化管理中的应用做了几点研究。

我国农业数据库建设存在的问题及解决策略

要建设社会主义新农村,信息化是一种有效的途径。而作为农业信息化承载基础的农业数据库,它的发展水平时刻都反映着某个国家或地区农业信息化的程度,同时也是促进该地区发展进步的重要因素。本文将针对我国农业数据库建设中存在的问题,提出相应的解决策略。

基于高光谱成像技术的苹果内外品质同时检测

结合高光谱图像处理和光谱分析方法,通过一次图像扫描同时对苹果的表面摔伤和糖分含量进行检测。苹果第一主成分图像与794 nm的图像相减后进行去噪和阈值分割处理,摔伤检测的准确率为92.6%。对感兴趣区域的反射光谱曲线进行多元散射校正、一阶导数和SG平滑处理后利用偏最小二乘回归方法建立糖分含量的预测模型,校正集相关系数Rc为0.93,SEC为0.47°Brix,验证集相关系数Rv为0.92,SEV为0.67°Brix。结果表明:利用高光谱成像技术可以实现苹果内部品质和外部品质的同时检测。

冷却猪肉表面菌落总数的快速无损检测方法研究

研究了4℃冷链条件下,冷却猪肉在1-14 d贮藏期间,表面菌落总数与400-1 100 nm光谱范围内相应高光谱图像的关系,提出了一种基于高光谱技术的冷却猪肉表面菌落总数的快速无损检测方法。并采用多元线性回归和偏最小二乘回归两种统计分析方法分别建立预测模型,均得到较好的预测结果,其预测集相关系数RV分别为0.886和0.863。实验结果表明,利用高光谱技术可以较好地定量分析冷却猪肉表面的菌落总数,应用该技术对冷却猪肉品质安全进行快速无损评价是可行的。

基于偏最小二乘投影的可见/近红外光谱猪肉综合品质分类

针对全波段光谱技术的生鲜猪肉综合品质快速无损分类存在光谱数据量大、样本数量较少时分类准确率较低等缺点。该文提出了一种基于偏最小二乘(partial least squares,PLS)投影分析算法和支持向量机的生鲜猪肉综合品质分类器。利用基于偏最小二乘投影分析算法对全波段光谱数据进行数据降维,选取了13个特征波长。利用粒子群优化算法优化支持向量机惩罚参数和径向基核函数参数,优化后二者最优为4.939和0.01。利用选取的特征波长和优化后的参数建立了生鲜猪肉综合品质支持向量分类器。研究结果表明,分类器对训练集中白肌肉(pale,soft and exudative,PSE)、正常肉(reddish-pink,firm and non-exudative,RFN)和黑干肉(dark,firm and dry,DFD)的回判识别率分别为为88.46%、94.11%和92.31%;测试集中PSE、RFN和DFD预测正确率分别为84.62%、94.11%和84.62%。该分类器满足模型简单、预测准确率高等优点,为生鲜猪肉综合品质在线分级提供参考。

浅谈高职院校学生职业道德存在的问题及教育策略研究

相对于普通高等教育来说，高职院校的教育具有自身的特殊性。要想在激烈的就业市场获得长足的发展，高职教育就必须不断改善教育质量，提高学生的综合素养。大学生职业道德教育作为高职院校学生德育工作的重点，不仅关系到学生自身素质的发展而且还直接影响到自己将来的就业情况。

基于机器视觉的苹果外观缺陷在线检测

为了能够在分选中正确地检测出表面存在缺陷的水果,提高苹果的分级水平,设计了一套基于机器视觉技术检测水果外观缺陷的系统。该系统主要包括单通道在线传送装置、图像采集装置及分选装置,其中图像采集装置的硬件主要包括一个加有635 nm滤光片的CCD相机和两面平面镜。基于VS2010平台开发了在线控制软件。苹果在传送装置上旋转前行过程中,相机在3个位置上采集包含平面镜中镜像在内的单个样品的9个不同角度的图像信息。利用数字处理方法分析苹果表面的缺陷,提出利用面积比来判断水果缺陷大小。实验结果表明苹果表面缺陷的总检测正确率为92.5%。

农畜产品品质安全高光谱无损检测技术进展和趋势

高光谱成像技术作为光学无损检测的一种新技术在农畜产品品质安全检测中被广泛关注和应用。综述了高光谱无损检测技术的研发现状。在果蔬品质安全检测上,高光谱成像技术可用于组成分分析、食用指标测定、质量分级评定等内部品质检测和外部形态特征识别、表面缺陷及污染物检测、冻伤检验等外部品质判定,以及农药残留、致病菌污染等安全评定。在生鲜肉检测应用方面,包括营养品质的组成成分分析、食用品质如嫩度、大理石花纹、新鲜度等指标评价以及生鲜肉在微生物污染等安全品质的评定。分析了高光谱无损检测技术的现状及问题,并针对目前农畜产品无损检测的发展趋势进行前景展望。

肉品质光谱检测中探头与样品距离对结果影响的校正

针对畜肉品质光谱检测中光纤探头与样品表面不同检测距离对预测结果影响较大的问题,分析了光谱曲线随检测距离变化的变化规律,提出光谱数据的校正方法。通过猪肉嫩度预测,验证校正效果。分别采集光纤探头固定时和光纤探头与样品表面检测点距离在4-18 mm变化范围内的猪肉背肌可见/近红外光谱。对每种情况下的光谱数据进行相同预处理,建立猪肉嫩度PLSR预测模型。探头固定时,预测集猪肉嫩度预测值和实测值相关系数为0.82,均方根误差为5.82 N。五次多项式拟合光纤探头与样品表面检测点距离在4-18 mm范围内380-1 050 nm各个波段的相对光谱数据,拟合相关系数R均大于0.999,均方根误差在0.018 7-0.242 2范围内。利用拟合方程校正后的光谱数据和最优嫩度预测模型对预测集进行预测,光纤探头与样品表面检测点距离在4-17 mm范围内时预测集嫩度预测值和实测值的相关系数在0.83-0.90之间,均方根误差在4.80-5.75 N之间。结果表明：对不同光纤探头与样品表面检测点距离采集的漫反射光谱数据进行校正,能够较好地克服光纤探头与样品表面检测点距离对猪肉嫩度预测模型的影响。

光谱技术在生鲜肉品质安全快速检测的研究进展

光谱技术作为无损快速检测技术在肉品行业中得到广泛应用。该技术能实现生鲜肉快速、在线、准确、无损检测,是各类生鲜肉品质安全分析的重要技术之一。文章综述了近红外光谱、拉曼光谱、高光谱成像技术、荧光光谱等光谱技术在生鲜肉品质检测和安全评定上的重要应用和研究进展。主要包括水分、蛋白质及脂肪等影响肉类营养品质的组成成分分析,肉品食用品质如嫩度、大理石花纹、肉色及新鲜度等指标的评价,肉品加工品质如保水性并由此实行肉类分级的检测以及生鲜肉在微生物污染等安全品质的评定。同时分析各种光谱技术的现状提出存在的问题,并针对目前发展趋势展望了该技术的前景:光谱技术通过与机器视觉技术等新型无损检测技术的有机融合,将实现在线检测评价生鲜肉品质安全的目标。

农畜产品品质安全光学无损检测技术的进展和趋势

本文综述了国内外农畜产品品质安全无损检测技术的研究状况和发展趋势。在农畜产品检测领域,发现近红外光谱技术、高光谱成像技术、激光拉曼光谱法和X射线荧光光谱法等主要的光学无损检测技术和方法有广泛的研究和应用状况,它们在果蔬的品质成分分析、农药残留检测与在线分级分拣;生鲜肉肉品品质检测、品种鉴别与安全评定;乳品、茶叶等特种农产品的成分分析、品种分类等方面具有重要作用。农畜产品无损检测技术具有广阔的发展前景和应用潜力。

农产品品质检测系统的高光谱成像控制软件设计

利用VS2010与Matlab混合编程方法设计了用于农产品品质指标检测的高光谱成像在线检测系统的控制分析软件,包括仪器参数设置模块、信号检测与控制模块和数据采集与分析模块,完成了图像采集、图像合成、运动控制、数据提取分析及存储、显示功能。该控制分析软件设计提高了高光谱成像技术应用的实用化,实现了对农产品品质指标的无损、实时、快速检测分析。