基于认证的电信专业人才培养体系“持续改进”研究——以广东石油化工学院为例

对广东石油化工学院的电信专业人才培养体系“持续改进”过程和实践进行了探究。首先,阐述“持续改进”的内涵和基本要求,并对“培养目标”“毕业要求”“教学活动”持续改进的内在联系及其基本模式进行分析。在深入把握电信行业发展趋势和办学实际的基础上,探究该校电信专业人才培养体系持续改进的措施和成效及其不足,为深化高水平理工科大学电信专业改革和创新应用型人才培养提供有益的参考。

电子信息工程专业培养方案中数据计算能力培养模块课程优化研究

为进一步培养电子信息工程专业学生的数据计算能力,本文通过在电子信息工程专业2023版人才培养方案中嵌入数据计算能力培养模块,来实现学生形成数据计算的工程思维。相比于原2023版人才培养方案,对数据计算能力相关课程进行重新梳理、整合和优化,调整相关课程的先序、后序关系,将课程之间的衔接梳理好并形成数据计算能力课程链,有利于培养出学生的数据计算能力,进一步促进其形成数据计算实践和思维能力。通过数据计算能力课程链的建设,满足电子信息工程行业对智能计算的需求,在新的电子信息工程专业培养方案中嵌入数据计算能力培养目标,同时将相关数据计算能力培养的专业核心课程前移,延长学生数据计算能力培养周期,有利于培养出专业数据计算能力突出、且满足智能化趋势下电子信息行业需求的应用性人才。

数字化转型背景下“通信原理”信息化教学创新实践

面对通信原理理论知识繁杂以及学生参与度低等问题,借助雨课堂和慕课等智慧型信息化教学工具,优化教学模式。在数字化转型背景下,可以借助雨课堂等信息化工具,精心设计互动环节,重构教学内容以解决目标问题,引导学生学习和思考,同时融入课程思政进行思想疏导,通过多样化的教学手段如五类问题等来激发学生的主动性,有效提升教学质量,培养具有数字化理念和技能的创新型人才。实践证明,“通信原理”融入信息化教学,激发了学生的积极性和主动性,提高了学生的思辨能力。

电工电子智能实验室建设与实践

随着人工智能技术的深入应用,提高实验室、仪器设备和耗材的利用率,培养学生科技创新实践能力,是高校实验室发展的重要研究课题。结合广东石油化工学院电工电子实验室资源不足、开放程度不够等问题,提出智能实验室建设的具体方案。构建了多层次的实验教学和安全管理平台,通过学生与实验项目的双向选择,实现实验室资源的合理配置,极大地提高了设备使用率和实验室开放程度,为应用型人才培养创造了条件,具有一定的实际意义。

基于对比学习的零样本对象谣言检测

现有的谣言检测模型通常依赖大规模人工标注的谣言数据集,标注成本高且谣言特征来源于已被辟谣的谣言.为了提高模型对未知谣言的检测能力,提出面向不同对象的谣言检测方法.基于零样本学习,将谣言数据集按照不同的对象划分为样本与内容互不重叠的多个数据集,从而实现零样本对象谣言检测任务;为了表征对象之间的关系构建通义掩码特征,从而设计区分通义掩码特征的代理任务;为了减少数据增强带来的噪声,引入面向对象的信息辅助文本作为特征,并将其与原语义向量进行线性变换.在此基础上,提出面向零样本对象谣言检测的基于代理任务的分层对比学习模型(ZPTHCL),可以通过迁移学习进行谣言检测.在一个基于对象的零样本谣言数据集和Ma-Weibo、Weibo20、Twitter15、Twitter16这4个公开数据集上进行实验,结果表明所提出的对比学习零样本对象谣言检测模型性能更优.

边缘算力在智能水产养殖方面研究与应用

为了减少水产养殖污染,保证养殖生态系统的安全,提高生态环境质量,利用物联网技术设计并实现一种水产养殖智能监控系统。该系统通过智能传感器终端实现对养殖区域水质的溶氧、pH、水温、光照度、环境温度、环境湿度等参数的实时采集、远程显示和自动控制,实现远程智能养殖。同时,系统利用树莓派作为边缘算力设备,从感知层、传输层、边缘计算层、应用层四个主要方面对系统进行说明,通过智能算法实现实时精细化管理资源的目标,使数据可视、可信,进一步探究水产养殖方面进行智能化协同化的可行性。研究表明,该系统在实物模型上运行稳定、感知准确、控制及时和扩展性强等优点,可在水产养殖中进行推广和应用。

基于MSP432的信号失真度测量仪设计

针对常用的信号失真度测试仪设计复杂成本较高的问题,该文采用TI公司的MSP432单片机配合简单的外围电路设计了高集成度低成本的信号失真度测试仪,仪器利用单片机内部集成的高精度模数转换模块对信号进行采样后,通过快速傅里叶变换得到基波和各谐波分量,进一步计算出非线性失真系数并通过串口显示屏和手机APP实时显示。经测试,装置的测量信号在100~600 mV,1~100 kHz的输入信号范围内,THD测量的相对误差小于2%,实现了低成本高精度的信号失真度测量。

基于Labview的模拟光伏MPPT研究

根据光伏电池的物理数学模型,以及基于Boost变换器稳态工作原理推导出来的光伏占空比扰动控制机理和扰动观察法控制流程,采用电压源串联电阻替代光伏电池板,并采用STC15W4K32S4单片机作为主控单元通过编程实现模拟光伏MPPT爬山法控制策略,采用Labview对模拟光伏的电压、电流的采样,通过Labview图形编程实现对模拟光伏系统工作状态和MPPT控制策略实施效果的实时直观呈现。实验结果表明,利用Labview强大的数据采集、处理、图形功能能够方便地把复杂系统状态和控制策略的实施效果实时直观地呈现出来,为光伏等系统的研究开发提供方便,对光伏控制器的研究设计具有实际意义。

基于双视角OpenMV的水果体积测量系统设计

在水果自动化分级和加工等过程中,快速获取水果体积等果形参数具有重要价值。针对现有水果体积等参数测量方案复杂且成本高的问题,文中设计了基于双视角OpenMV的水果体积参数测量系统,采用同一高度成90°放置的两个OpenMV摄像头采集水果图像数据,并结合摄像头参数在线测量水果的果形参数和体积,利用双视角图像修正水果果形不对称和倾斜摆放带来的测量误差,该方案操作简单、测量准确且成本低。实验中对水果体积测量的平均相对误差在1%以内,表明该测量系统设计方案可行有效,适用于生产流水线的在线测量。

面向无人机的太阳能无线充电系统设计

针对巡检无人机续航时间短影响其工作效率的问题,这里提出在无人机的工作路线中,设置无人机智能无线充电系统。其采用可见光通信技术,对着陆于充电平台的无人机进行身份认证;通过无线充电技术,实现充电平台对无人机的电力传输,利用4G通信模块,实现充电数据状态转接入云端,采用数据加密技术对云端与充电平台之间的数据交互进行保护,实现一个安全的智能化无线充电系统。测试结果表明系统直流输出电压12~17.6 V,功率为100 W,可在30 min内完成对功率为100 W的无人机进行充电,提供超40 min的续航能力,对应整体效率为90%,且系统稳定,识别准确,数据可视化,有一定的市场推广价值。

基于数据增强与对比学习的未知目标立场检测

针对未知目标立场检测任务,提出了基于数据增强与对比学习的未知目标立场检测模型。该模型借助无监督学习方法,通过训练被遮盖目标和被遮盖目标相关词的立场变化,以区分无关于目标和特定于目标的立场特征。为了区分潜在空间中与目标相关的立场特征类型而提高数据嵌入质量,采用一种对比学习框架同时考虑了增强信号和立场标签信息。在公开数据集上,该模型和其他立场检测模型分别进行了实验,结果表明该模型具有较好性能。

基于CiteSpace可视化分析软测量的应用趋势

随着科学技术的发展,软测量技术在各个领域都得到了广泛的运用。为了深入了解软测量领域的研究现状和发展趋势,文章利用CiteSpace工具对软测量领域的文献进行了可视化分析。通过分析近20年来的文献数据,揭示了软测量研究的主要热点、核心文献以及最具影响力的研究团队和作者。此外,还识别处理该领域的多个关键主题和它们之间的联系。研究为相关研究者提供了一个全面、系统的软测量研究的概览,有助于推动该领域的进一步发展。

基于YOLOv5s的柚子叶部红蜘蛛检测方法研究

柚子具有食用和药用价值,然而在柚子的种植生产期间,红蜘蛛在柚子的栽培养护管理过程中会造成严重的危害。红蜘蛛对叶片的叶绿素破坏性极大,导致叶片败色,严重影响叶片进行光合作用,造成叶片的变色剥落和果实畸变早落,对柚子产量有一定影响。由于红蜘蛛体积小、繁殖速度快,人工使用药物喷洒的工作量大、效率低,已经难以满足现代大规模农业生产对虫害预防工作的需要。随着目标检测的发展,通过YOLO算法对红蜘蛛进行检测识别,YOLOv5s网络模型省去人工特征选择与数据挖掘的图像预处理工作,对体积小的红蜘蛛有着优良的识别效果,可以及时、准确、有效地识别并科学防治害虫,保证了柚子健康生长,同时有效减小药物喷洒范围,改善柚园的生态环境,对柚园具有重要的意义。

基于目标检测算法的稻田杂草识别方法研究

稻田杂草位置获取是靶向喷施除草剂和机械智能除草的基础,为实现基于深度学习稻田杂草的位置检测以及模型的轻量化实用性。本文以稻田苗期恶性杂草空心莲子草为研究对象,对YOLO系列目标检测模型做出实用性分析。在稻田苗期未封行前人工手持相机采集杂草图像;杂草真实目标框人工进行标注,80%数据集用于网络模型的参数训练,20%数据集用于测试网络模型性能并进行对比分析;统计分析各算法模型的参数量规模及其计算量。试验得出基于YOLOv5s的稻田杂草位置检测算法模型的mAP能达到93.09%、Recall为85.14%、Precision为90.85%,基本满足智能除草和除草剂靶向喷施的实际应用需求。

基于PaddlePaddle的杂草模型量化部署与结构优化研究

针对农业中广泛应用的无人机等终端除草设备的计算资源少、存储资源有限等问题,文章通过对模型分别采取量化部署和更改模型注意力机制模块的方法来得到轻量模型。试验结果表明,移动端模型的推理时间只有服务器端模型的1/10左右,部署在树莓派3B+上的杂草分类推理速度是6fps左右,而且量化后的杂草分类模型规模有40%以上的减少,证明了量化对模型规模减少的有效性。同时基于CBAM注意力机制的MobileNet_CBAM杂草分类模型相比基于SE-Net注意力机制的MobileNetV3_Large模型在准确率上损失了0.3%,但模型参数规模降低了24.7%,整体性能更加均衡。本研究可为杂草模型的小型化落地应用提供理论基础和技术支持。

线上翻转课堂教学模式实践——以模拟电子技术课程为例

新冠疫情给师生提出了全新的挑战的同时也在客观上为高等教育信息化和教育教学改革起到了积极的助推作用。如何在学生不返校的情况下顺利开展纯线上教学实现教育部提出的教学质量实质等效的目标是摆在广大教师面前的一项现实课题,文章以模拟电子技术课程为例,阐述了在疫情背景下开展线上翻转课堂教学改革探索,对教学改革实践过程中取得的成效和存在的问题进行了总结反思,对疫情后线上与线下结合的混合式翻转课堂教学也有一定的启示意义。

构建“企业对接、技术服务、竞赛支持”的大学计算机信息技术实训教学基地

利用现有实验室资源,重组整合,优化配置,利用中央支持地方高校资金,构建"企业对接、技术服务、竞赛支持"的大学计算机信息技术实训教学基地,引导和扶持大学生从事相关的实践活动,提升整体教学效果。

基于DeepLabV3+的稻田苗期杂草语义分割方法研究

稻田杂草位置获取是靶向喷施除草剂和机械智能除草的基础,为实现自然光照环境和水田复杂背景下稻田苗期杂草的信息获取。以稻田恶性杂草野慈姑为研究对象,提出一种基于全卷积神经网络的稻田苗期杂草语义分割方法,利用DeepLabV3+对秧苗和杂草进行语义分割进而获取的杂草位置信息。首先人工田间采集稻田苗期杂草野慈姑的RGB图像,通过图像标注工具LabelMe人工标注图像中秧苗、杂草和背景的各个像素点,70%数据集用于DeepLabV3+网络模型参数的训练,30%数据集用于测试DeepLabV3+性能。然后与FCN和U-Net两种语义分割方法进行比较,所提出的DeepLabV3+语义分割方法准确率、均正比、频权交并比和F值等性能指标都最优,试验得出:DeepLabV3+模型像素准确率最高达到92.2%,高于U-Net和FCN方法的准确率92.1%和84.7%。所提出的方法能对稻田苗期杂草、秧苗和背景像素进行准确分割,满足智能除草和除草剂靶向喷施的实际应用需求。

目标问题导向的通信原理课程思政教学探索

分析通信原理课程思政教学现状,提出目标问题导向的通信原理课程思政教学模式,介绍具体教学实践过程,最后总结教学特色并提出反思。

智慧三色“学导思辩研”的通信原理教学探索

针对学生参与度低、知识点庞杂、理论性太强、融入课程思政难等教学“痛点”问题,提出智慧三色“学导思辩研”的通信原理教学模式,从教学内容重构智慧三色“学导思辩研”的学习方法创新、五度多元化考评体系设计方面介绍具体教学实践过程,最后说明教学效果。