面向数字经济的宽口径区块链教材建设研究

区块链相关专业人才不足,成为我国驱动数字经济发展的严重桎梏。当务之急是迅速开发能够满足新兴专业人才培养需求的教材和课程。除了传统的计算机类专业广泛开设区块链系列课程外,目前大量的工学、理学和经管类专业对区块链课程都有迫切需求。针对这种需要和区块链教材现状,以“着眼新工科工程教育要求、面向数字经济”为出发点,以面向电子电气等相关专业的应用为目标,兼顾一般理工科、管理与金融等专业需求,介绍了通用性和侧重性兼顾的宽口径区块链教材建设。首先,介绍了建设面向数字经济特色教材的时代背景,然后,从教材现状、教材建设思路和教材建设实践几个方面阐述了区块链教材建设过程和一些心得体会,以期为区块链教材建设提供一定借鉴和参考。

基于Creator与Vega Prime的虚拟奥运场馆漫游系统

以奥运羽毛球场馆为三维虚拟场景,采用建模工具软件Creator与三维图形高级开发环境Vega Prime为基本开发平台,结合Visual C++与OpenGL语言,改进计算机图形学边折叠网格简化算法,实现了具有不同复杂度的虚拟奥运羽毛球场馆三维模型简化,搭建了具有真实感的可以实时绘制的虚拟场馆三维模型;并根据Vega Prime绘制界面的不足,构建了具有友好用户界面的虚拟漫游系统,使得人们可以在进入奥运羽毛球馆观看比赛之前,提前了解场馆内座椅分布情况,同时方便管理人员更好的组织场馆内人群运营.实验证明,本系统具有很好的交互性和实时性.

企业危机管理中信息预警能力评价指标构建

危机信息预警能力是企业的一项重要能力,是企业能够进行危机防范的重要素质。结合文献研究和专家咨询,从投入大小、环境支撑、管理控制和信息活动四个方面进行企业危机信息预警能力评价指标的构建,并认为企业领导的危机意识、信息预警人员的素质、信息分析与预测的技术水平对企业危机信息预警能力影响较大。

校园文化与图书馆人文气质

本文阐述了校园文化和人文气质的概念、研究现状及两者相互关系 ,探讨了校园文化建设和高校图书馆人文气质营造的方法。作者认为 ,高校图书馆人文气质的塑造要从环境设施和管理服务两方面入手 ,精心构筑宁静、舒适、优雅的阅读环境 ,着力打造文明、开放、亲和的服务氛围 ,为读者提供高品位的文献资源 ,努力满足读者的需要 。

走合作研究与开发网络课件之路

网络课件是开展网络教育不可缺少的条件之一 ,本文分析了现阶段我国网络课件开发中存在的问题 ,阐述了合作开发网络课件的必要性 ,探讨了合作开发网络课件的模式 。

数字化教学支撑体系的研究与实践

数字化教学支撑系统作为数字化、网络化教学的基础条件,主要由计算机网络、多媒体教学设施、网络课件教学平台、教学资源制作与存储平台和教育教学管理平台等构成。南京农业大学从2003年开始启动数字化教学支撑系统建设项目,大大推动了学校教学内容的数字化和教学手段的现代化。但是投资经费、人才问题、管理水平和资源建设仍是制约数字化教学支撑系统建设和效应发挥的主要因素。

基于时空信息的作物光谱图像相关模型挖掘方法（英文）

作物病害表现在叶片形态上,且外观和内部结构发生变化,生长环境也对病害有一定的影响。将生长环境、叶RGB图像和光谱图像融合,研究并提出一种作物光谱图像相关模型的时空信息挖掘方法,从时间维度、空间维度和光谱维度分析作物病害的光谱反射特征与作物发育、健康状况和生长条件的相关性,建立典型病害特征模型。实验结果表明,图像处理和光谱成像技术的融合方法可以在疾病的早期阶段实现快速、准确和无损诊断。

混合场景绘制的光照一致性研究(英文)

光照计算是真实感图形绘制的重要的研究问题之一,调整光照效果是增强真实感效果最关键的一步,特别是在基于几何与图像混合绘制的系统中,调整图像的光照适应当前虚拟环境的光照是一个复杂的过程。利用三维模型在GPU中的绘制流程,在混合场景绘制系统中,提出了一种简单的光照一致性方法,生成虚拟场景绘制系统中动态光照下的图像模型,图像的光照随着虚拟光照环境的改变,与几何模型的光照具有一致性。

基于2维滤波的图像定位

图像定位处理是图像识别的一个重要的前端处理模块,在对2维卷积定位研究的基础上,提出一种用2维滤波对图像定位的方法,并将其实际应用到文字定位上,实践证明该方法能够准确的实现图像定位.

村镇宜居社区与小康住宅评价信息的数据融合技术

为确保宜居社区与小康住宅评价信息更加可信,本研究在分析村镇宜居社区与小康住宅评价信息概况的基础上,以生活环境、村容村貌、基础设施、公共服务4个因素作为评价村镇宜居与小康住宅的指标,充分利用各种时空条件下多种信息源的信息,进行关联、处理和综合,构建评价模型,最终实现异构信息的融合,获得关于宜居社区与小康住宅更完整、更准确的评价信息。

现代教育技术的应用

文章从更新观念 ,理顺体制 ,资源建设和人员培训等方面介绍了我校近几年在大力发展现代教育技术方面的实践与体会 。

劳动价值新论——广义劳动价值论

通过对劳动实体、劳动组合体、社会价值形态和大经济观的分析,对价值创造和价值分享的研究,从经济哲学的维度,阐明了劳动价值新论及其价值观:价值就是财富,就是文明,为人类共创,为世人共享。进而,为构建和谐多元化的人类社会共同体提供科学的理论依据。

逐像素偏移纹理坐标的视差映射改进方法

视差映射技术可以通过沿着视点方向平移纹理坐标来实现纹理图像的真实感绘制,然而不正确的纹理坐标偏移量将导致纹理图像的滑动现象.根据视差映射技术原理,通过定义纹理坐标值与高度值之间的映射函数得到偏移量与当前视点坐标的对应关系;利用GPU技术计算得到正确的纹理坐标偏移量,使得在视点动态变换时纹理图像的绘制不会产生滑动现象.实验结果表明,与传统视差映射方法及现有GPU技术校正纹理坐标偏移量方法相比,在没有增加算法复杂度的前提下,采用文中方法可改善纹理图像真实感绘制的效果.

风送喷雾辅助气流对雾滴粒径影响规律研究

风送喷雾技术被广泛运用在果园喷雾机研究中,辅助气流能够对雾滴进行二次雾化以进一步降低雾滴粒径。为进一步研究扇形喷头与辅助气流的角度和距离对雾滴粒径的影响,设计了一种喷头角度和喷头距离可调的喷雾装置,研究了喷头角度、喷头距离和喷雾压力对雾滴粒径的影响规律。结果表明:在辅助气流作用下,喷雾压力增大,雾滴粒径呈现降低趋势,但雾滴粒径均匀度先减小后增大;当喷雾压力0.3MPa、喷头角度10°~20°、喷头距离约为95mm时,雾滴粒径明显降低但雾滴粒径均匀度变大,雾滴粒径相对无辅助气流作用降低了10.35%。

多结构参数集成学习的设施黄瓜病害智能诊断

单一特征已不能很好的描述作物病害典型特征,而生长环境参数(土壤温湿度、pH值、空气温湿度等)与病害密切相关,多结构数据学习向量化与特征最优组合能够有效提升病害诊断准确性。该研究以黄瓜白粉病、角斑病、炭疽病、菌核病4种病害50个样本为实例,融合结构化作物生长环境参数与非结构化图像特征,通过智能化物联网,对实时采集到的环境参数进行监测、分析,并将其与图像特征融合,构建多结构病害特征最优组合模型。试验结果表明,样本识别率在79.4%~93.6%,对比卷积神经网络图像识别识别率,卷积神经网络由于需要对病害图像数据进行降维,后台识别时间较高;深度迁移学习的图像识别方法,需要大量图像数据输入深度网络学习,而现实中病害图像数量不足以满足深度学习要求,因此识别率会因为样本不充分而降低;该方法借助少量图像数据,同时结合环境与专家知识资源,采用多结构参数集成学习的方法进行病害识别,在较少识别时间的基础上确保识别的准确性。

节能技术探索与应用

抽油机作为采油的主要设备,一直担负着原油开采的主要任务。但由于油田开采是滚动开发,在生产设计之初,对抽油机所用的电力系统的设计,一般选择配电变压器容量过大,而抽油机主转动电机功率偏小,即出现"大马拉小车"的现象,导致运行极不经济,电能损耗大、平均功率低的问题长期存在。为保证电力网络运行的经济性,达到节能高效的目的,本文从电机节能技术原理及应用情况入手,评价出适合延长油田低产井的高效节能电机,为油田更好地降本增效提供科学依据。

基于弹性动量深度学习神经网络的果体病理图像识别

为了实时预警果蔬病害和辅助诊断果蔬疾病,实现无人值守的病虫害智能监控,设计了深度学习神经网络的果蔬果体病理图像识别方法,基于对网络误差的传播分析,提出弹性动量的参数学习方法,以苹果为例进行果体病理图像的识别试验。结果表明,该方法召回率为98.4%;同其他同源更新机制相比,弹性动量方案能显著改善学习网络的果蔬病害识别准确率;其收敛曲线平滑,5 h时耗能实现收敛,对不同数据集也有良好泛化性能。

基于融合图像与运动量的奶牛行为识别方法

为从海量监控视频中快速、准确识别影响奶牛繁殖与健康的行为,以小育成牛舍与泌乳牛舍中400头奶牛为研究对象,分析了奶牛在活动区与奶厅匝道的运动行为,提出了一种基于图像熵的奶牛目标对象识别方法,通过最小包围盒面积计算与目标对象轮廓图,实时捕获奶牛爬跨行为与蹄部、背部特征,融合被识别奶牛连续7 d的运动量,判断影响奶牛健康繁殖的异常行为。试验结果表明,利用本文方法对监控视频内奶牛目标对象、运动行为进行实时监测,有效监控识别奶牛发情、蹄病行为准确率超过80%,发情漏检率最低为3.28%,蹄病漏检率最低为5.32%,提高了规模化养殖管理效率。

改进注意力机制的多叉树网络多作物早期病害识别方法

在作物染病早期,及时获取作物病害信息,判别染病原因和严重程度,从而对症下药,能够及时防治病害扩散造成的作物产量下降。针对传统深度学习网络对作物早期病害识别方法准确率低的问题,基于病害特征图像各通道包含的信息量不同,及多层感知机(Multilayer Perceptron,MLP)能逼近任意函数的特点,提出了一种改进注意力机制的多叉树网络作物早期病害识别方法,将注意力机制融合残差网络对病害特征重校准(SMLP_Res);同时结合多叉树结构对具有较高特征提取能力的SMLP_ResNet(Squeeze-Multi-Layer Perceptron ResNet)网络进行扩展,构建的多叉树SMLP_ResNet网络模型可以简化多作物早期病害识别任务,有效提取早期病害特征。实验中使用Plant Village和AI Challenger 2018两种数据集对18层的ResNet,SE_ResNet,SMLP_ResNet这3种网络模型,以及同等结构的多叉树结构模型进行训练,验证了SMLP_Res和多叉树结构对作物病害识别模型的影响。通过实验分析得到18层的ResNet,SE_ResNet,SMLP_ResNet这3种网络模型在病害特征较明显的Plant Village数据集上病害识别的准确率均达到99%以上,但在早期病害数据集AI Challenger 2018上的准确率均不超过87%,SMLP_ResNet因加入了SMLP_Res模块,故对作物病害数据特征提取较为充分,检测结果较好。多叉树结构的3种早期病害识别模型,在AI Challenger 2018数据集上识别准确率均有明显提升,多叉树SMLP_ResNe较其余两种模型具有较好的性能,其中樱桃早期病害识别准确率为99.13%,检测结果最佳。文中提出的多叉树SMLP_ResNet作物早期病害识别模型,能够简化识别任务,抑制噪声传输,达到了较高的准确率。