基于深度学习的食用菌分类研究

在介绍基于传统提取特征的食用菌分类方法基础上,通过利用卷积神经网络对食用菌进行深度分类的过程,阐述了基于深度学习的食用菌分类方法。试验数据证明深度学习方法在食用菌分类任务上取得了较高的准确率,明显优于传统的提取特征图像识别分类方法。

基于SPOC+POGIL的混合教学模式的探索——以“食用菌分类学”课程为例

后疫情时代,各高校需要变革教学模式,线上线下融合教学应运而生。剖析高校“食用菌分类学”课程教学存在问题,引入“SPOC+POGIL”混合教学模式进行优化改进。通过分析传统课程教学模式的不足,结合该混合模式的内涵与优势,提出统筹线上线下教学、科学设计课程教学、深化过程指导、完善考核评估机制、重视过程学习评价等一系列改革措施,以顺应“食用菌分类学”课程教学发展,培养出一批适应时代发展的高素质的食用菌专业人才。