壳聚糖-植酸复合涂膜对兰考蜜瓜保鲜效果的影响

为探究壳聚糖和植酸涂膜对兰考蜜瓜保鲜效果的影响,本试验以“玉兰香”哈密瓜为试验材料,采用2%壳聚糖、1%植酸和2%壳聚糖+1%植酸复合涂膜分别进行处理。结果表明,在贮藏过程中,壳聚糖-植酸复合涂膜保鲜效果表现最佳,贮藏至30 d时,复合涂膜组的硬度为8.16 kg·cm^(-2),比对照组提高了85.0%;且复合涂膜较单独涂膜能更好地延缓可溶性固形物含量、抗坏血酸含量的变化,使兰考蜜瓜维持较高的过氧化物酶和超氧化物歧化酶活性,抑制多酚氧化酶活性的增强,减少机体内丙二醛含量的累积,较好地保持果实品质。因此,壳聚糖-植酸复合涂膜能延缓兰考蜜瓜的衰老,增强抗性,提高耐藏性。

基于SPOC的计算机程序设计课程分层混合式教学模式

在“互联网+”和数字化教学背景下,如何有效的将线上线下教学深度融合并提高学生的参与度,成为众多教育工作者探究的热门问题。文章将SPOC教学模式与分层教学相结合,根据学生基础和特长进行分组,并对不同的小组推送相匹配的教学内容和任务以达到分层教育。结合传统课堂教学和在线学习的特点,侧重小范围、定向性的在线教学,为线上线下混合式教学提供一种新的教学模式思路。

加权多模态融合的服装搭配预测

现有的服装搭配方法仅用图像模态或文本模态来进行服装搭配的预测。为解决多种模态间信息交互的问题,本文提出了基于带权重的多模态融合的服装搭配预测方法。该方法首先提取服装图像特征作为视觉特征,同时提取服装描述中的文本信息作为文本特征,然后将提取的特征加权融合,最终将融合的特征输入图神经网络模型中进行服装搭配预测。结果显示,融合后的特征将最重要的服装特征捕捉到服装表示中,能够有效提升服装搭配预测准确率。

基于方差稳定变换和BM4D的MR图像莱斯噪声去除方法

磁共振图像(MR)通常含有莱斯(Rician)噪声,莱斯噪声是一种与信号相关的非加性噪声,不服从正态分布,难以去除。已有方法表明,方差稳定变换(VST)可以将方差不固定的莱斯分布转换为方差固定的高斯分布。首先,运用VST算法把莱斯噪声转换为高斯噪声,然后,运用在高斯去噪方面表现优良的三维块匹配去噪(BM4D)算法去噪,最后,运用方差稳定变换的逆变换(IVST)对去噪后的图像进行处理,得到最终的无偏的去噪后图像。仿真结果表明,研究所用方法不但在视觉上明显优于BM4D算法和小波去噪(wavelet)算法,而且在峰值信噪比(PSNR)和平均结构相似度(SSIM)两个客观指标上明显优于其他两种方法,其中PSNR高出10dB左右,SSIM高出30%以上,该方法有效地降低了噪声,较好地保留了图像的边缘及细节信息。

项目驱动的计算机应用基础课混合式教学实践

为了进一步提升计算机应用基础课程的教学效果,促进学生学习的有效性,本文以高职计算机应用基础课为教学实践的课程,阐述了教学改革的必要性,通过感知项目、完成项目、拓展项目三个学习环节,依托学习通平台,构建出项目驱动式的混合式教学模式的框架。教学实践表明,采用项目驱动的计算机应用基础课混合式教学模式能提升学生的学习成绩和提高其学习动机、学习参与度、自主学习能力和计算机水平。

基于机器学习模型的客服短文本分类技术研究

客服的本质工作是对用户登记的问题进行分类,并根据分类结果将其转发对应的部门进行处理,分类通常依赖人工分析,处理效率较低。为了提高客服人员的工作效率,对基于机器学习模型帮助客服自动分类用户反映问题的方法进行研究,准确进行文本分类和识别。研究选取某公司登记的用户问题数据,分别采用哈希向量化(HashVectorizer)和词频-逆文档频率(TF-IDF)等技术构建文本向量,对比分析多种机器分类模型,选取最优模型,且取得较好分类效果。

外源钙处理对番茄果实生理特性的影响

番茄营养丰富,可以生食、煮食、加工制成番茄酱(饮料)或整果罐藏。但番茄不易贮存,在贮藏期间会出现硬度下降、失水失重、果皮褐变、腐烂等问题,直接影响番茄的商品价值,使其食用品质和市场竞争力大大降低。因此,研究简便、有效且无副作用的保鲜技术,是发展番茄生产亟待解决的问题。钙是果蔬组织中重要的化学组成,与果蔬组织结构的稳定及体内酶活性密切相关,适当提高采后果蔬组织中钙的含量对延缓果蔬衰老有积极作用。本文以番茄为试材,分析了不同浓度外源钙处理对番茄贮藏过程中生理代谢的影响。

新工科背景下UML分析与建模课程研究

“新工科”建设对高等院校的人才培养提出了新要求,如何培养学生适应各种新兴产业,成为具备社会竞争力的人才,是高校教学改革和人才培养面临的重要问题。文章以UML分析与建模课程为例,提出“新工科”背景下软件工程专业UML分析与建模课程的教学目标、教学内容、教学方法、评价体系和实践思路,旨在提升学生的建模能力、项目分析能力、综合应用能力和创新力,培养学生成为具备社会竞争力的技术型人才。

复杂环境下机器人视觉的目标识别研究

随着工业机器人技术在我国的迅速发展,机器人视觉因可以通过识别、跟踪目标实现对工件的定位而在工业领域得到了广泛的应用。在复杂环境下,传统的目标识别方法,如基于特征提取的目标识别算法,难以解决目标遮挡、光照变化和背景干扰等问题,无法准确定位复杂环境中的物体,导致机器人在工作时存在很大的安全隐患。因此文章主要研究了复杂环境下机器人视觉的目标识别问题及改进方法,以期为复杂环境下机器人视觉目标识别技术的改进提供参考。