高职院校“单片机应用技术”课程思政的实践探索

课程思政是高职院校培养下得去、用得上、留得住、发展好的高素质技术技能型人才的关键。以高职电子信息工程技术专业核心课程“单片机应用技术”为例,依据岗位工作过程重构课程内容,设计递进式课程思政育人路径,选用合适的教学方法与手段,创设全员育人的学习情境,课前、课中、课后全过程融入课程思政,利用数智技术全方位评价育人效果,将价值塑造、知识传授和能力培养紧密相融,有助于提高人才培养质量。

基于图像局部滤波去噪增强算法的图像语义分割模型

为解决模糊、纹理特征不均匀等复杂图像进行分割时存在的精度低问题,提出了一种基于图像局部滤波去噪增强算法的图像语义分割模型。利用Eformer去除图像中的噪声,增强图像区域的边缘;使用非参数图像定位、增强方法定位和增强目标区域,从而提高后续分割的准确性;提出基于DFANet对图像进行语义分割,从而获取目标轮廓特征。实验结果表明,与U-Net、ResU-net、R2U-Net相比,所提模型综合性能最优,分割准确率为96.60%。仿真结果验证了所提模型的有效性和实用性。

考虑数据不平衡的城市道路乘用车致命事故率分析

城市道路交通事故频发,而事故数据存在明显不平衡,不同因素间的耦合作用对城市道路乘用车致命事故率分析造成极大挑战。为此提出了1种集成重采样、贝叶斯网络(Bayesian networks,BN)和关联规则(association rule method,ARM)的三阶段事故率分析方法。基于国家事故深度调查体系的1105例城市道路乘用车事故数据,从驾驶人、车辆、道路、环境这4个方面选取16个潜在特征变量构建BN模型;鉴于数据不平衡时会导致BN模型性能下降的问题,提出在构建BN模型前利用合成少数类过采样技术(Synthetic Minority Over-sampling Technique,SMOTE)和聚类中心进行数据重采样,并比较分析各类采样技术下不同BN模型的综合性能;基于最优BN模型并结合ARM,推理不同影响因素及因素的耦合作用对致命事故率的影响。结果表明:重采样方法可以显著提升BN模型的综合性能,以及识别风险因素的能力。其中SMOTE采样技术结合GTT算法构建的BN模型的AUC最高,达0.793。此外,相较于原始不平衡数据构建的BN模型,经SMOTE采样后构建的BN模型多挖掘了6个风险因素;“机动二/三轮车”与“超速行驶”耦合时致命事故率最高,达80.4%。“机动二/三轮车”与“存在视野盲区”耦合时,致命事故率达77.4%;乘用车在四枝分叉口左转时,容易与汽车发生碰撞,但致命事故率低于20%。本方法能够降低数据不平衡对道路交通事故分析的影响,并实现风险因素的耦合作用分析,进而预防和降低城市道路致命事故的发生。