综合教学目标导向的课程教学体系创新——基于BOPPPS方法的探索

立足于人力资源管理课程教学面临的新问题,为实施完成人力资源管理教学的知识、能力与素养培养目标,采用BOPPPS教学方法对人力资源管理课程教学体系创新。以绩效管理章节为例,通过在导言、学习目标/结果、先测、参与式学习、后测、总结和产学研拓展7个阶段针对知识、能力与素养不同教学目标而实施不同的策略,探索人力资源管理课程教学体系创新。期望能够解决人力资源管理教学面临的问题,同时给其他课程改革带来启示。

基于人物交互的学生课堂行为识别研究

深度学习技术促进了学生课堂行为识别研究的发展,为精准刻画学生的课堂学习行为提供了有效途径。然而,该方法面临真实课堂场景下目标多、行为特征复杂等困难,导致行为识别准确率不高。基于此,文章提出了一种基于人物交互的学生课堂行为识别网络,将交互对象作为重要特征引入课堂行为识别,首先将原网络中的检测模块替换为YOLOv5s,然后引入欧氏距离减少冗余人-物节点关系,并设计新特征提取算法优化听课这类无交互物品的学生行为识别,最后通过实验验证了此网络有效性和准确性。文章通过研究,旨在为规模化课堂行为识别研究提供理论参考和实践借鉴,进一步优化课堂教学效果的过程化评价,促进教学质量提升。

基于多尺度目标检测的人机协作装配场景认知方法

人机协作装配场景的快速理解对提高协作机器人认知能力、实现人机协作装配具有重要的现实意义。针对非结构化人机协作装配场景认知过程中目标尺度差异较大、缺少统一场景描述框架等问题,首先构建了一种轻量级多尺度目标检测网络LMS-Net,并在网络训练过程中引入目标检测框聚类机制以提高多尺度目标检测精度;然后将LMS-Net检测结果转换为人物交互图并建立了人机协作装配场景元描述模型,提出了基于多尺度目标检测的人机协作装配场景认知方法。在自建数据集HRC-Action上的实验结果表明所构建多尺度目标检测网络具有较高的准确率(平均89%)和较快的速度(深度学习工作站平均58.7 FPS,Jetson Nano B01嵌入式开发板平均25 FPS),所提人机协作装配场景认知方法具有较好的可行性和实用性。

基于改进YOLOv8n-Pose的轨道作业人员跨轨安全动作识别

针对轨道作业人员跨轨安全动作监督方法存在效率低、漏检率高等问题,引入改进的人体姿态估计算法YOLOv8n-Pose对跨轨安全动作进行识别和监督。对YOLOv8n-Pose算法改进方法为在网络中添加注意力机制并轻量化网络结构,并改进网络的bbox损失函数和关键点损失函数,以提高网络的识别精度和速度。使用高斯滤波和ColorJitter算法对自制数据集增强。在训练前使用遗传算法对训练超参数进行自适应调整,在训练时使用迁移学习和知识蒸馏方法,提高网络训练速度、识别精度和泛化能力。将训练好的模型对轨道现场作业人员图像进行检测,可成功识别出作业人员姿态并根据关键点位置信息识别安全动作,人体关键点识别精确度为94.3%,推理速度为238.1 fps,验证模型改进研究取得了有益效果,提高了模型识别精度、识别速度和鲁棒性。

基于快速局部对比度和目标特征的星图弱小目标检测算法

为了解决局部对比度方法在用于星图空间目标检测时存在运算量大和去除背景噪声困难的问题,提出了一种基于快速局部对比度和目标特征的方法来检测目标。在对比度计算前、对比度计算中和对比度计算后3个环节,分别提高了算法实时性、对复杂背景的抑制和去除噪声。首先,通过中值滤波去除高频噪声;然后,通过快速局部极大值滤波确定目标区域,通过局部对比度计算抑制背景,突出目标成像特征;最后,根据目标成像特征,设置目标能量分布、目标能量集中和目标能量传递3个特征函数,通过设置特征阈值去除噪声,提取真实目标。实验结果表明,本文所提方法在检测率和时间消耗上均具有优越性,对于信噪比为1.5的目标有95%的检测率,平均耗时仅为某些对比方法的1/30~1/6。本文所提方法更适用于星图复杂背景条件下的目标快速检测,满足星图空间目标检测算法鲁棒性强、实时性高的要求。

1起由冷链产品引起的新型冠状病毒Omicron BA.2.3.7感染的传播链和基因序列分析

目的对福建省福州市M区1起由进口冷链产品引起的新型冠状病毒暴发疫情进行溯源及基因序列分析。方法收集2022年9月6日至9月9日期间M区新冠疫情中全部感染者(8名)以及1份阳性冷链产品样本拭子,进行流行病学调查,对采集到的样本进行实时荧光定量PCR检测,对3例阳性感染者和1份冷链产品样本进行全基因组序列测序分析。结果该起疫情共有8人感染,均为无症状感染者,4条全基因组序列高度同源,共享75个的核苷酸突变位点,共享55个氨基酸突变位点,且符合谱系BA.2.3.7的特征。结论本次疫情由未有效防护的工人暴露于污染了新型冠状病毒Omicron BA.2.3.7的进口冷链产品所引起。

对深度学习中目标定位不确定度评定的讨论

得益于深度学习技术的快速发展,高准确率的目标自动定位得以实现,这为各领域的智能化转型提供了极大的助力。然而,尽管大多数情况下基于深度学习的目标定位方法都能够获得较为精确的输出,但一些误差较大的定位结果还是难以避免。正因为缺少规范的不确定度评定,所以那些误差较大的定位结果难以被有效地消除,进而影响了基于深度学习的目标定位方法的工程化应用。从符合计量规范的测量不确定度入手,讨论了当前深度学习中目标定位技术评价指标的意义和不足,并提出了对规范化目标定位技术不确定度评定的建议。

基于改进NSGA-Ⅱ算法的考虑人机系数生产线平衡多目标优化研究

在现代制造加工生产线中,生产设备是制造业生产的重要组成部分。设备的充分利用对于生产需求的匹配度产生直接影响。文章参考“人机系数”的概念,构建了考虑生产线平衡率、平滑指数和人机系数的多目标优化函数问题,采用了改进的自适应NSGA-Ⅱ算法来求解该模型。研究结果表明,在满足客户节拍要求的前提下,调整人机系数可以提高生产线平衡率,降低平滑指数以及生产成本;通过数值算例验证了相比于传统NSGA-Ⅱ算法,改进的自适应NSGA-Ⅱ算法能寻找出质量较高、覆盖更广的近似Pareto解集,为决策者提供选择。证明了本研究方法的有效性和实用性,该研究为现代制造加工生产线提供了一种有效的优化方法,并为其他类似行业提供了借鉴。

基于人-物交互关系检测的带电作业人员行为识别方法研究

为解决现有视频行为识别方法难以区分带电作业过程中某些相似行为、可识别行为种类少、未高效利用人员与物品间交互关系等问题,提出1种基于人-物交互关系检测的配网带电作业人员行为识别方法。利用轻量化姿态估计算法识别人员骨架序列,然后通过时空图卷积网络(spatial temporal graph convolutional networks,ST-GCN)提取人体运动的时空间特征并进行初步分类。对于由骨骼姿态无法有效区分的相似行为,采用目标检测算法识别人员所用工器具及使用状态,并通过融合人体动作与作业工器具所含行为信息,实现视频行为的精确识别。研究结果表明:该方法能有效识别带电作业行为,对相似行为的识别准确率约为88.9%,相较于现有基于骨架序列的带电作业人员行为方法提升约53个百分点。研究结果可为提高现场安全管控水平提供参考思路。

战略目标视角下饲料企业人力资源管理的实施路径

饲料企业的各项经济业务活动都需要人的参与和控制,只有保证一定数量和质量的劳动力资源,才能推动饲料企业的正常运营和发展,才能提高饲料企业的经济效益,因此,人力资源成为饲料企业的第一资源。而在战略目标的导向下,人力资源管理需要立足经济业务活动的期望值,为战略目标的顺利达成提供有力的人才支撑。但部分饲料企业的人力资源管理工作存在一定问题,这些问题制约了企业的内部管理成效,需要加以分析,进一步优化人力资源管理的实施路径。

论人形机器人的法律地位

近年来,人工智能的飞速发展极大地推动了人形机器人的商业化进程,人形机器人已经成为产业发展的新风口。相较而言,人形机器人法律地位的研究才刚刚起步。类人外形的具身存在,以涌现方式生成的决策和内容,这两个基本特征引发了人形机器人特有的法律难题。将人形机器人确定为法律主体,既不符合传统法理及其背后演进的逻辑,也违背了立法目的,更会引发人类社会系统性的生存危机。人形机器人是法律风险总体可控的对象,也是伦理风险和技术风险较高的权利对象,需要法律的特别规制。人类中心主义的立场,是我们厘清人类与人形机器人关系的理性前提。

异构网络中基于强化学习的通信-计算资源联合分配算法

基于强化学习(Reinforcement Learning,RL),在保证用户服务质量(Quality of Service,QoS)的前提下,研究了人机物混合接入的异构网络中通信-计算资源联合分配算法。建立了一种新型人机物混合接入的异构网络拓扑结构。在最小服务质量需求、无人机(Unmanned Aerial Vehicle,UAV)传输功率等限制条件下,将信道分配、功率分配和计算资源联合分配问题建模为最小化系统时延和能耗的多目标优化问题。基于强化学习理论和多智能体马尔可夫决策过程,提出一种分布式Q学习通信-计算资源联合分配(Distributed Q-learning Communication and Computing joint Resources Allocation,DQ-CCRA)算法。该算法与现有算法相比,不仅能够降低人类型设备对物类型设备的干扰,还能有效减小系统时延和能耗,将系统总开销降低7.4%。

生命、物质与数码物:后人类的三重伦理视域

现代社会的发展动摇了传统人文主义的基础,也改变了人类当下的生存实况,这同时也暴露出传统主体哲学与人类中心主义的偏狭与不足。人类不得不面向更具有多元性与偶然性的后人类时代。后人类时代从以下几个方面展现出新的伦理视域:首先,生命不再是人类所能规划的对象,生命具有更深远的开放性,人类只是生命活动中的一种表现形式;其次,物质也并非完全的惰性者,物质也在积极地参与人类的感知,意义世界的开启并不只由人类主导;最后,数码物自身构成了远离人类理性的独特世界,数码物的活动有其自身的逻辑,它一方面构成了人类的数字化生存,另一方面又保留着深不可见的非人属性。后人类时代出现了挑战人类传统的伦理价值观念,促使人类重新向存在敞开自身。

广告中的人与物:庄子“物我合一”思想的现代诠释

广告作为消费社会中的重要媒介,构建了人与物之间的认知链接。无论“物本”为导向还是“人本”为导向的广告,其本质都是对人与物关系的探讨。而庄子的“物我合一”思想,与广告追求的理想化的物与人的关系不谋而合。文章通过阐述人与物关系的思想背景、广告中人与物关系的建构,指出在广告中实现“物我合一”的重要性;同时通过案例分析阐明如何在广告实践中正确运用“物我合一”思想,最终得出几点启示,以期为广告业发展提供新的视角和空间。

基于计算机视觉的Affordance理解研究综述

利用基于计算机视觉的Affordance理解研究行为者和周围环境之间的交互属性,对指导机器人导航、抓取具有重要意义。因此,全面、深入地综述了基于计算机视觉的Affordance理解研究现状。首先,对近年来提出的方法依据研究方向进行归类,综述不同方法的思路和特点;然后,对多个常用的公开数据集进行介绍,并对不同方法在这些数据集上的性能进行对比分析;最后,阐述基于计算机视觉的Affordance理解各类方法的优势与不足及未来的发展趋势。

面向人机物融合的数联网标识解析技术

以数据的深度挖掘与融合应用为主要特征的信息化3.0阶段正在开启,传统静态环境下的软件正向人机物融合环境下开放动态的复杂软件演化.如何在不可信不可控的互联网之上实现全网一体化可信可管可控的数据互联互通是当前亟待解决的难题,以数字对象架构、标识解析技术为代表的数联网技术体系为上述挑战提供了一种可行思路.针对互联网上数据资源共享交换过程中广泛存在的传输效率低、协调成本高、安全管控难等问题,提出面向人机物融合的数联网标识解析技术规范,并基于人机物融合环境中各实体之间数据资源可发现、可获取、可理解、可信任、可互操作等需求,设计实现面向人机物融合的数联网数字对象标识解析协议以及数字对象标识系统.最后,对所实现的数字对象标识系统进行系统测试与评估,并在实际应用场景中对其有效性进行验证.

论《1844年经济学哲学手稿》隐含的本体论变革

感性对象性活动是《1844年经济学哲学手稿》隐含的本体论概念。马克思肯定费尔巴哈用以克服旧哲学宗教性的感性原则,将恢复现实性、差异性和多样性的感性视为人的本质力量,将现实的人视为感性存在。马克思看到费尔巴哈所没有看到的辩证法这一批判方法的伟大之处,即辩证法的推动原则和创造原则,从而将现实的人视为从事创造性活动的历史性存在。只有从“感性对象性活动”入手,才能准确把握马克思的“现实的人”,才能理解马克思如何基于全新的前提完成对古典政治经济学的批判。

基于6D位姿识别面向任意物体的智能人-机协同递送

在日常实践中存在大量人与人之间的多样性物体递送需求,这可以依靠协作机器人来完成这些简单、耗时又耗力的任务.为此,针对人-机协同递送过程中无法精确识别物体位姿导致难以准确抓取的问题,引入基于Pn P算法(Perspective-nPoint)的物体6D位姿识别网络,实现待递送物体位姿的精确识别;提出改进的被递送物体数据集制作方法,实现面向任意物体的精准识别;通过视觉系统标定、坐标转换以及抓取方案改进,实现物体的精确位姿定位与准确抓取;为验证所提出的人-机协同递送系统的有效性,进行了基于LineMod数据集和自制数据集的人-机物体递送对比实验.结果表明,面向自制数据集的物体递送提出的人-机递送系统平均误差距离为1.97 cm,递送平均成功率为76%,平均递送时间为30 s;如不考虑抓取姿势,其递送成功率可达89%;具有较好的鲁棒性,应用前景良好.

室内人体视野舒适区域与自然采光的多目标优化探究

本研究采用了遗传算法,具体使用了Grasshopper、ladybug以及Wallacei,针对建筑的自然采光和室内眩光以及人体60°视锥之间的关系,将三者设置为三种优化目标,进行自动寻优,可以直观看到基于帕累托算法的相对最优解,并在最优结果之间做出决策,提高建筑结构的使用效率,提高人在室内的视野舒适区域,减少运行产生的碳排放。与此同时还探究了三个优化目标之间的耦合关系,研究方法和思路有助于建立高效的设计逻辑框架,适应碳中和的时代背景,满足人们使用上的需求,为人们提供“健康”“适用”和“高效”的使用空间。

基于深度归一化的任意交互物体检测方法研究

交互物体的检测识别是实现人机交互的一项关键技术,针对人机交互过程中交互物体检测范围受限的问题,本文利用深度归一化提高深度图像质量,提出了一种基于图像分割的任意交互物体检测方法。该方法针对操作人员侧向和正向姿态,分别采用基于显著性检测的图像处理和人体姿态引导的区域生长算法分割目标区域,锚定目标物体边框实现物体检测。最后,进行了交互物体检测实验及不同深度区间位置测距和跟随实验。实验结果表明,所提出的物体检测方法能够实现任意交互物体检测,在交互物体检测方面具有广泛适用性;较小深度区间的归一化能够使物体位置误差变小,提高了物体检测距离精度及机器人跟随效果。