工程教育专业认证指导下《食品机械与设备》课程思政体系建设

工程教育专业认证是培养新时代工程人才的重要举措,其教育理念与专业课“课程思政”目标不谋而合。本文在我校食品科学与工程专业工程认证的背景下,结合《食品机械与设备》的课程特点,挖掘了该课程的思政元素,基于学习产出的教育模式(Outcomes-based Education,OBE)理念分析了课程目标与课程思政之间的关系,并探讨了课程思政与工程认证体系的融合策略,制定了一套基于OBE理念的课程思政目标评价和持续改进方案,为进一步提升我校专业课“课程思政”水平、落实立德树人根本任务提供依据和支撑。

面向对象技术的智能插秧机控制系统设计研究

以插秧机智能控制系统为研究对象,基于面向控制对象技术设计一种无人驾驶插秧机智能控制系统,并在水泥路面和水田两种不同环境中对插秧机进行性能试验测试。试验结果表明:在水泥路面上插秧机行进过程最大横向偏差小于50mm,最大航向偏差小于2°;在水田内插秧机行进过程最大横向偏差小于60mm,最大航向偏差小于3°,表明智能控制系统在使用过程中具有较高的可靠性和稳定性。

一种改进Oriented RepPoints的遥感图像有向目标检测

为解决Oriented RepPoints算法在遥感图像有向目标检测中因遥感图像背景干扰信息较多和目标尺度大小不一所导致的检测精度不高、易漏检误检等问题,提出一种改进Oriented RepPoints的遥感图像有向目标检测方法MA-RPDet(Mixed Attention RepPoints Detector).首先,采用了PVTv2作为主干网络,该网络利用线性空间缩减自注意力机制提取出更具局部连续性的特征图,并保持与卷积运算类似的线性复杂度.其次,在特征融合阶段设计了串联性混合注意力模块,进一步强化了重要特征,促进了多尺度特征的高效交互.最后,引入平滑GIoU损失函数对模型学习策略进行优化,提高了检测精度.在两个遥感图像目标检测数据集DOTA和HRSC2016上的实验结果表明,所提方法的检测精度mAP分别达到了77.19%和90.3%,均高于其他对比算法,证明了本文方法的有效性.

论先秦文献中时间概念的多重隐喻

中国人自古以来就善于从生活中的事物入手,用具体普遍的事物来表达不可言说的抽象概念。在认知能力有限的条件下,中国早期先民借助空间方位、客观实体实现了对抽象时间概念的具体化表达,并逐渐内化为人们对时间的自觉认知,这一实现过程正是隐喻作为思维方式的结果。先秦文献中对时间的隐喻主要包含对动态时间推移的表达,以及对静态历法、时令、四季节气的描述,形成“时间是空间”与“时间是客观实体”两个根本性隐喻。

面向流程制造的数字孪生车间可视化监控系统研究

为了解决流程制造过程监控实时性差、准确性不足的问题,在数字孪生技术迅速发展且与制造业结合愈发紧密的背景下,提出基于生产要素数据、生产工艺流程与多工序设备实体对象的数字孪生车间可视化监控系统架构。从要素、状态、运行逻辑等多个维度对多工序耦合生产线实体对象进行孪生建模,基于OPC UA统一架构的数据采集传输,虚拟车间的实时驱动等关键技术,实现了流程制造设备状态、生产要素工艺全流程三维可视化监控。基于某流程制造企业制丝生产试验线开展了应用验证,为提升流程制造过程中全生产要素的预见性、联动性、自治性提供了方法和实现途径。

基于Gaofen-2影像和面向对象的椰子林分类研究

椰子是重要的热带经济作物,海南椰子种植面积占全国的90%以上。快速获取椰子种植面积及其空间分布信息对热带作物产业规划具有十分重要的作用。本研究基于国产Gaofen-2高分辨率卫星影像,以文昌市东郊镇为试验区,开展椰子林遥感分类研究。基于最优分割尺度的面向对象分类方法,选取4个光谱特征、5个植被指数和32个纹理特征为辅助参量,构建了4种不同的面向对象分类组合(光谱特征、光谱特征+纹理特征组合、光谱特征+植被指数组合、光谱特征+纹理特征+植被指数特征组合)进行椰子林分类提取,并与基于像元的椰子林分类结果进行对比分析。结果表明:(1)仅采用基于像元分类方法,椰子林的总体分类精度(overall accuracy,OA)和用户精度(user’s accuracy,UA)分别达到87.05%和85.21%。(2)相比基于像元分类,4种面向对象分类组合的OA值提高了5.51%~8.72%。(3)光谱特征和纹理特征组合提取椰子林分类结果最优,OA值和UA值分别达到95.77%和97.15%;光谱特征和植被指数的组合也得到了较好的分类结果,OA值和UA值分别为94.88%和94.42%;所有的光谱特征、植被指数和纹理特征全部参与分类得到的OA值和UA值分别为94.67%和94.17%,低于仅使用光谱特征或者植被指数的组合。综上,国产高分辨率Gaofen-2影像在椰子林遥感精准识别中具有很大的潜力,结合纹理特征的面向对象分类方法可以更准确地提取椰子林分类信息,研究结果可为多云多雨地区大尺度椰子林遥感识别提供技术参考。

职教本科数控技术专业行动体系课程开发建设路径

随着全球市场竞争加剧,以智能制造为代表的先进制造技术已在企业逐步推广应用。面对产业高端和高端产业的智能制造职业岗位,中、高职毕业生的岗位职业能力适应性明显不足。岗位职业能力适应性是职教本科的本质特征,职教本科数控技术专业课程的开发应遵循职业本位逻辑,根据人才市场需求的变化进行持续的自我革新,为主动融入地方产业发展及提升地方经济综合实力,提供高层次技术技能数控技术专业人才教育保障。

基于无人机影像深度学习的滑坡灾害智能识别

为精确识别和预警露天矿滑坡灾害,提出一种基于面向对象的标注数据集和Res-U-Net模型相结合的露天矿滑坡智能识别方法。首先,以无人机航测获取研究区矿山滑坡影像数据;其次,采用多尺度-光谱差异分割方法和阈值分离原理,对露天矿滑坡数据进行分割和分类,完成基于面向对象方法的滑坡数据集构建;然后,以U-Net网络作为基础架构,在每个卷积层融入ResNet的残差模块,构建基于Res-U-Net的滑坡识别语义分割模型;最后,识别不同方法构建的滑坡数据集,并对比Res-U-Net模型与主流的语义分割模型全卷积神经网络(FCN)、U-net。结果表明:基于面向对象标注的滑坡数据集相比于传统人工标注数据集具有更好的滑坡识别效果,在准确率、召回率、F 1分数和kappa系数上都有12%以上的提升;Res-U-Net模型的滑坡识别精度均在0.8以上,实现露天矿山滑坡灾害精准识别。

一种面向对象方法的智能采棉机控制研究

以智能采棉机行驶速度控制为研究对象,对采棉过程中输棉管路流量进行监测,当满足输棉管路负荷堵塞条件时,调整采棉机行进速度,保持最优输棉管路流量。基于面向对象技术,以输棉管路流量是否堵塞为控制目标,采用PID模糊控制器对采棉机行进速度进行自适应调整。仿真与田间试验结果表明:此控制方法能够有效实现采棉机的行驶速度自适应调节,且能够根据输棉管路流量负荷程度自主进行行进速度调节,保证采棉机高效作业。

基于面向对象编程的Java语言程序设计方法分析

阐述面向对象编程方法和Java语言的特点,通过案例分析和实践验证Java语言在程序设计中的灵活性和扩展性,讨论Java语言的封装、继承和多态特性,在设计和实现Java程序中的应用。

超越大语言模型:物导向哲学路径下的意义生成

人类创造是人们通过构建关系之网以确证自身在世界之中的位置,塑造意义世界的基础,此种构建需要某种“超越”的外部之物作为支撑。目前,大语言模型已经在智能生成方面表现出巨大的创造潜力,甚至在部分原创性任务中可以取代人类创造,这或将对人类的意义世界造成潜在性威胁。究其症结在于,大语言模型的底层生成逻辑是建立在相关主义基础之上的,而这种基础预设在激进化演绎的同时不可避免地暴露出其深层局限。一方面,大语言模型以“相关主义循环”的方式将自身封闭于字面主义的符号表征与现有的固定范式之内,使得“超越”之维不再可能;另一方面,大语言模型的智能生成功能对于现实架构的渗透性影响又转而超越了相关主义的可理解范畴。从长远角度来看,这种深层矛盾必将冲击一直以来人类从单一主体视域出发建构而成的意义世界。人类何以突破相关主义的内在生成逻辑,维护自身意义世界,这是智能技术时代人类必须直面的问题。立足“物导向哲学”,实现对大语言模型生成逻辑的“超越”,其意义在于这种“超越”的双重性,既能更包容地将大语言模型类智能机器及其功能纳入“物”的可阐释范畴,又能以去中心化的方式突破相关主义束缚,借助“联合实在”的美学活动,通向超越性的外部,为人类创造添注活力,为人类意义世界提供支撑,以此开辟出“超越”大语言模型的意义生成之路。

资源描述领域的新模型LRMoo

面向对象的图书馆参考模型(LRMoo)是图书馆和博物馆领域合作与协调的产物,是对IFLA LRM的面向对象定义的全面描述。本文在回顾资源描述领域概念模型发展变化的背景下,阐述LRMoo研发过程、版本变化以及工作方法,重点阐析模型结构和类、属性、关系等主要内容,同时结合源模型相关内容以及有关本体的映射,阐释新模型如何做到兼容和互操作,最后总结和剖析新模型的特点,指出新模型为从书目领域向跨文化遗产领域在更广范围合作、交互以及标准化方面提供了更多可能。

新工科背景下面向对象程序设计课程的教学实践

根据新工科建设对学生的培养要求,分析了目前面向对象程序设计课程教学中存在的问题,从教学内容重构、教学方式转变、课程考核多元化等方面进行了教学实践,最后通过课程考核效果说明教学实践的成效,以期为应用型本科计算机类专业的同类课程提供参考与借鉴。

基于视觉图像的飞行区大型目标监视方法改进研究

机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标的检测速度和准确度;提出了一种基于优化特征点提取的改进定向快速旋转简报(Oriented FAST and Rotated BRIEF,ORB)算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。试验结果表明:MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5百分点,在效率方面提升14张/s;同时在0~60 m的范围内,轮廓估计误差仅为2.9%;体现了所提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。

数字孪生在空间结构生命周期管理中的应用与挑战

数字孪生是推动空间结构生命周期数字化、智能化管理的关键技术.为实现空间结构生命周期的智能管理,首先,分析数字孪生在“面向对象”和“面向过程”中的含义,给出基于数字孪生的空间结构生命周期管理新内涵;其次,分析空间结构在设计、建造和运维等结构生命周期管理各阶段的应用范式,以此建立数字孪生驱动的空间结构应用架构;最后,对数字孪生在空间结构生命周期管理应用中存在的挑战进行阐述和展望.研究表明,数字孪生是空间结构生命周期管理的技术保障,而高保真孪生体是实现数字孪生功能的重要前提.

以目标管理为导向的健康教育 在初发2型糖尿病患者护理中的应用效果分析

目的:分析以目标管理为导向的健康教育在初发2型糖尿病患者护理中的应用价值。方法:抽取2022年1月—2023年6月于滨州市中心医院确诊的初发2型糖尿病74例作为观察样本,通过随机数字表法分为对照组、观察组,各37例。对照组采用常规护理,观察组在对照组基础上采用以目标管理为导向的健康教育。比较两组护理效果。结果:护理后,两组空腹血糖、餐后2 h血糖、糖化血红蛋白水平以及体质量指数下降,且观察组较对照组低(P<0.05)。护理后,两组饮食管理、运动锻炼、血糖监测、自我足部检查、遵医嘱用药评分升高,且观察组较对照组高(P<0.05)。护理后,两组躯体功能、物质生活、社会功能、心理职能评分升高,且观察组较对照组高(P<0.05)。结论:以目标管理为导向的健康教育在初发2型糖尿病患者护理中的应用价值较高,能够有效提升患者的自我管理能力以及生活质量,更好地控制其血糖水平。

深度学习的遥感图像旋转目标检测综述

遥感图像中目标具有方向任意性和排列紧密性的特点,在检测任务中使用倾斜边界框可以更加精确定位和分离目标。目前遥感图像旋转目标检测已经广泛应用于民用和军事国防领域,具有重要的研究意义和应用价值,已逐步成为研究热点。鉴于此,对遥感图像中旋转目标检测方法进行了系统性总结。首先,介绍了三种常用的倾斜边界框的表示形式。其次,重点阐述全监督学习下的特征错位、边界不连续、度量值与损失不一致性、旋转目标定位四个挑战。然后,根据不同的动机和改进策略,详细阐述了每种方法的核心思想及其优缺点,归纳出旋转目标检测方法框架。接着,列举了旋转目标检测在遥感领域常用数据集,给出了经典方法在不同数据集上的实验结果,并对不同方法的性能进行了评估。最后,结合深度学习应用于遥感图像旋转目标检测任务中存在的挑战,对该方向的未来发展趋势进行了展望。

基于无人机遥感影像和面向对象技术的荒漠草原植被分类

探究适合荒漠草原植被遥感分类方法,明确荒漠草原地区植物物种类型及其分布状况,可以提高荒漠草原精细化生物多样性监测能力,对于荒漠草原的保护管理与生态可持续发展均具有重要意义。以贺兰山东麓洪积扇荒漠草原典型植被短花针茅、松叶猪毛菜、刺旋花、斑子麻黄为研究对象,利用无人机遥感影像,采用面向对象的分类回归树(classification and regression tree,CART)、K最邻近(K-nearest neighbor,KNN)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)分类方法,结合特征优选算法对影像特征进行优选,在此基础上选择最优特征进行荒漠草原植被精细化分类研究。结果表明:1)特征优选能够有效提高分类精度,应予以充分利用,当选取的特征组合为贡献度大于1.00%时,分类精度最高;2)基于无人机遥感影像挖掘的植被光谱、纹理特征,结合面向对象分类方法能有效实现贺兰山东麓荒漠草原典型植被精细化分类,其中RF分类精度最高,分类总体精度达到87.77%,Kappa系数为0.79。研究结果可为荒漠草原植被分类研究提供参考,对荒漠草原生物多样性保护管理与生态可持续发展均具有重要意义。

融合多源地理数据与高分辨率遥感影像的尾矿库识别与监测——以云南省个旧市为例

尾矿库是具有高势能的重大危险源,对尾矿库空间范围开展快速识别与监测,及时掌握尾矿库数量及分布情况,对我国尾矿库的环境监管与治理具有重要意义。现有单纯基于遥感影像识别提取的思路,因缺乏尾矿库潜在目标针对性,易将裸露地表等混淆为尾矿库,给实际的尾矿库监测应用带来较大误差。为此,提出一种融合企业名录与空间分布点位、数字高程模型(digital elevation model,DEM)、道路网等多源地理数据与高分遥感影像的尾矿库提取方法。以云南省个旧市为研究区的应用验证结果表明:融合多源地理数据可有效排除不存在尾矿库的干扰区域,尾矿库提取结果的精确率和召回率分别为83.9%和72.4%。该技术方案在全国尺度的尾矿库高频次、自动化遥感监测中具有广阔的应用前景。

基于HJ-1星和GF-1号影像融合特征提取冬小麦种植面积

为提高基于国产环境与灾害监测预报卫星(HJ-1/CCD)影像大范围提取冬小麦种植面积的精度,以江苏省宿迁市沭阳县为研究区域,对冬小麦拔节期30 m×30 m的HJ-1/CCD多光谱影像和2 m×2 m的高分1号卫星全色影像(GF-1/PMS)进行融合与面向对象分类研究。将GF-1/PMS全色影像进行8、16和24 m重采样,得到4种空间分辨率(含2 m)的全色影像,分别与HJ-1/CCD多光谱影像利用光谱锐化法(Gram-Schmidt,GS)进行融合。通过对融合影像进行质量评价,选择适合研究区冬小麦种植田块格局的适宜尺度影像。将HJ-1/CCD多光谱影像重采样,得到与适宜尺度融合影像相同尺度的影像,在两景影像中分别选取包含光谱、纹理信息的训练融合影像样本(samples of fused image,SFI)和重采样影像样本(samples of resampling image,SRI),采用面向对象分类方法对适宜尺度融合影像(fused image,FI)和重采样影像(resampling image,RI)进行冬小麦种植面积提取。结果表明,16 m×16 m融合影像的效果优于2 m×2 m、8 m×8 m和24 m×24 m融合影像,其均值、标准差、平均梯度和相关系数分别为161.15、83.01、4.55和0.97。面向对象分类后,SFI对重采样影像RI16m分类的总体精度为92.22%,Kappa系数为0.90。SFI对融合影像FI16m分类的总体精度为94.44%,Kappa系数为0.93。SRI对重采样影像RI16m分类的总体精度为84.44%,Kappa系数为0.80。SFI对融合影像FI16m分类效果最好,说明基于融合影像和融合影像提取样本(SFI)结合的面向对象分类方法能准确提取冬小麦种植面积。另外,重采样影像和融合影像提取样本(SFI)相结合的面向对象分类方法也可较好提取冬小麦种植面积。为利用国产中空间分辨率HJ-1/CCD卫星和高分1号卫星融合影像有效提取大区域冬小麦种植面积信息提供了参考。