基于计算机视觉技术的玉米植株高度检测的研究

玉米植株高度的检测对于玉米生长期间的营养调控有着非常重要的意义,玉米植株高度也是玉米种植密度的重要参数,更是玉米产量的影响因素之一。大范围地种植玉米,在玉米植株长势的整体控制上就会存在空白区,而引用计算机视觉技术可以全面、快速地检测玉米植株高度,提高检测数据的正确率,减轻测量工作需要的劳动强度和缩短测量时间。为此,基于计算机视觉技术来检测玉米植株高度,利用事先安装在田间的带有红外照明的摄像头采集白天和夜晚的玉米植株图像,通过图像分割、边缘轮廓计算、图像增强等方法处理图像后,测得玉米植株白天和夜晚两个时间段的高度,分析出植株的生长情况,控制其长势。研究结果表明:相较于人眼粗略的判断或是人工采用直尺测量,利用计算机视觉技术来测量玉米植株高度,可以大范围测量,且测量的速度快、测量结果误差小,最大程度地降低了人工的投入。

计算机视觉信息处理技术在苹果自动分级中的应用

苹果在水果消耗中占有较大份额,对其进行分级销售可提高经济效益。在以往的苹果分级中,大都采用人工方法进行,只考虑大小、色泽方面的影响,导致分级精度低和人工消耗大。计算机系统现今已被广泛应用在精细农业中,如水果和蔬菜的自动收获及农产品的分级。为此,利用计算机视觉系统采集提取苹果图像,采用边缘检测、图像改善、图像二值化等图像数据处理方法对采集的图像前处理,设定等级区分参数,再依据特征参数对苹果进行自动分级。采用机器视觉进行苹果等级分离,提高了苹果分级的正确率,节省了劳动力,可以广泛地推广应用。

大数据时代下高职院校招生管理研究

最近几年我国的高校招生规模不断地扩大,从高职一直到研究生的招生都有很大规模的增长,但是对于高考生来讲,本科高校的招生规模逐年递增,但是我国的总体生源却逐年降低,这种情况就会使得我国的高职院校的生源越来越少,加上很多高职院校的招生存在很多的技术问题,无法制定合理的招生计划。目前计算机信息技术的发展使得现在已经进入了大数据时代,利用大数据来进行招生信息的管理已经成为目前比较先进的招生模式。文章全面分析了高职院校目前的招生现状,然后分析了大数据时代下高职院校招生的管理和策略,希望能够帮助我国高职院校摆脱招生难的现状,推动高职院校招生的良性发展。

网络环境下的协同学习模式探索

目前,网络环境下的教学模式趋向于系统性和可操作性,这一特点引起了很多教师的关注,随着课改的不断进行,很多学科的教学模式存在的问题也逐渐被发现,正是因为这些问题才导致学生的学习积极性下降。因此,必须在网络的大环境下,找出一种适合我国学生学习的学习模式,来提高学生解决问题的能力,帮助学校培养出适合市场需求的人才。文章对网络环境下的协同学习模式基本现状进行了简单的阐述,对这种模式进行了深入的探索,其中主要是针对教学策略,通过一些实践可以看出,协同学习的模式可以帮助学生在知识—能力—素质方面有更大的进步,能够促进学生全方面的发展。

自动答疑系统中文自动分词模块设计与实现

随着科技的进步,自动答疑系统开始广泛的应用在了网络教育平台中,作为网络教育平台的重要组成发挥着非常重要的作用,它不但可以帮助加强师生之间的交流,还能够让学生认识到问题的本质,通过本质看问题迅速得到正确的答案信息。本文主要介绍了中文自动答疑系统中的FAQ库、领域文本知识库组织方式;并且阐述了问题的理解、检索、求解等模块的设计方案,通过这些方案力求满足网络教育平台的需求,本系统在实际的应用中也起到了非常重要的作用。