摘要：针对原有课堂教学中存在师生互动不足、学生学习不积极、学习效果无法有效把控等问题,将微助教作为一种教学辅助手段,尝试将其适配于扩招背景下高职院校的课堂教学方式、互动方法及课堂评价等。实践表明,通过在课堂上使用微助教辅助教学,有效提高了学生的学习积极性,提升了课堂教学质量。

摘要：针对自然环境下外界因素对原木截面检测的干扰,使用图像处理技术,以自然环境中原木堆放存储时图像为处理对象,设计了一种原木截面识别方法。通过色差值聚类将原木图像分割为原木截面、孔隙及背景,去除背景干扰提取原木端面;采用逐级开运算与改进分水岭算法,对端面进行分割计数。实验结果表明:在自然环境下的正检率91.88%,错检率5.08%,漏检率8.12%,满足了原木截面识别计数的需求。

摘要：为提高原木检尺的工作效率,提出一种自适应逐级开运算的成堆原木端面识别方法,以实现自然环境下成堆原木端面的快速识别。获取自然环境下堆放的成堆原木图像,利用PSO改进的K-Means聚类算法基于图像的RGB色差值,对图像进行背景和目标的分割,用PSO算法寻找K-Means的初始聚类中心,通过背景和原木堆的聚类实现背景和目标的分割。对于分割后的图像,设计了一种自适应原木端面大小的逐级开运算原木端面识别方法,该方法根据图像中的目标原木大小,以圆面积计算公式中面积和半径的正比关系为依据,用半径作为结构元素,从而自适应地寻找出结构元素的最大值和最小值,在2个最值的区间内设定1个可变的结构元素,从最大值逐渐减少地对目标图像进行开运算,从而实现对图像中不同直径大小的原木识别,计算出原木堆图像中所有原木的根数。结果表明,使用逐级开运算进行原木识别,对清楞原木的检测达到平均正检率97.26%,漏检率2.74%,错检率8.10%;混楞原木检测正检率93.32%,漏检率6.68%,错检率7.02%;与使用Hough变换进行圆检测的方法相比,本算法清楞原木和混楞原木的正检率平均提高分别为16.24%和19.29%。自适应逐级开运算的原木端面识别方法,可以识别不同直径的成堆原木端面,从而实现原木根数的自动计算,能有效提高人工检尺的效率。