基于云平台的便捷快修服务系统设计

随着科技的发展,人们生活水平的提高,各类电器给人们的生活带来了极大的便利,但是在电器使用过程中会出现质量问题,因此需要专业的维修人员来确保电器恢复正常运行。基于此现象设计出基于云平台的便捷快修服务系统,为有维修需求的用户提供维修等功能性服务,该平台采用微信客户端自带的云平台系统作为前端交互,代替原生Android应用程序,省去安装等一系列问题,并且可以运用于IOS平台设备上运行,不仅减少了系统开发人员的工作量,也节省了开发与后期维护成本。采用云平台作为交互端对于快修系统运行的安全性、功能性、稳定性也有一定的保障。相较于传统的线下维修交易与产品原生保修服务,该系统不仅扩大了客户端的应用范围,也给用户提供更具性价比的服务。云系统平台整合了社会可利用资源,提供了一定量的劳动岗位,对于环境的保护也具有一定意义。5G通信时代网络快速发展,广大用户迫切需要一个方便、快捷的上门维修服务,故可以在互联网发达的年代,设立一个同城便捷快修网络平台。

基于高光谱的油茶籽含水量检测方法

为了快速精准检测油茶籽含水量,解决传统烘干检测法费时费力等问题,提出一种基于高光谱技术的油茶籽含水量无损检测方法。以油茶籽为研究对象,测定油茶籽含水量,建立光谱模型,对油茶籽光谱分别进行Savitzky-Golay(S-G)卷积平滑、一阶微分、二阶微分和多元散射校正(MSC)预处理,通过逐步回归提取有效敏感波长,并采用偏最小二乘回归(PLSR)、BP神经网络和径向基(RBF)神经网络方法分别建立预测模型,对模型进行外部验证,选出最优预测模型。研究表明:相关系数较高的光谱敏感波段为410~450、600~620、780~880、940~971 nm。基于MSC预处理光谱建立的PLSR模型,在校正集上的相关系数为0.9534、均方根误差为0.22%,在验证集上的相关系数为0.9399、均方根误差为0.27%,优于BP神经网络模型和RBF神经网络模型。结果说明,采用高光谱技术检测油茶籽含水量是可行的,研究内容可为油茶籽含水量的在线无损检测提供有效依据。

基于参与式教学的“电气照明技术”课程教学研究

针对应用型本科中“电气照明技术”课程在传统式教学模式下存在的问题,本文提出了基于参与式教学方法在该类课程中的应用研究。该方法让学生主动参与其中,在学习理论知识的同时发挥主观能动性,提升学生动手实践能力,发挥学以致用的效能,激发学生的潜能。调查研究表明,利用参与式教学法能够增强课堂教学效果,提升学生的积极性和学习效率。该教学法提升了学生的动手思考能力,为以后的毕业设计及工作奠定了基础。