摘要：[目的]为解决非结构化环境下采用深度强化学习进行采摘机械臂路径规划时存在的效率低、采摘路径规划成功率不佳的问题,提出了一种非结构化环境下基于深度强化学习(Deep reinforcement learning, DRL)和人工势场的柑橘采摘机械臂的路径规划方法。[方法]首先,通过强化学习方法进行采摘路径规划问题求解,设计了结合人工势场的强化学习方法;其次,引入长短期记忆(Longshort term memory,LSTM)结构对2种DRL算法的Actor网络和Critic网络进行改进;最后,在3种不同的非结构化柑橘果树环境训练DRL算法对采摘机械臂进行路径规划。[结果]仿真对比试验表明:结合人工势场的强化学习方法有效提高了采摘机械臂路径规划的成功率;引入LSTM结构的方法可使深度确定性策略梯度(Deep deterministic policy gradient,DDPG)算法的收敛速度提升57.25%,路径规划成功率提升23.00%;使软行为评判(Soft actor critic,SAC)算法的收敛速度提升53.73%,路径规划成功率提升9.00%;与传统算法RRT-connect(Rapidly exploring random trees connect)对比,引入LSTM结构的SAC算法使规划路径长度缩短了16.20%,路径规划成功率提升了9.67%。[结论]所提出的路径规划方法在路径规划长度、路径规划成功率方面存在一定优势,可为解决采摘机器人在非结构化环境下的路径规划问题提供参考。

摘要：近年来,实体经济在经历重大公共卫生事件冲击后逐渐复苏,并不断与数字经济融合,对大学生就业市场产生了深远影响。文章利用智联招聘网络大数据,实证检验了实体经济、数字经济及二者融合发展对大学生就业市场的影响。研究表明:实体经济复苏初期,企业新增招聘需求减弱,大学生延缓就业使得供给下降;在政策积极干预下,需求侧降幅小于供给侧,就业市场景气指数上升。随着数实协同赋能与深度融合,大学生就业市场的供需两侧均发生积极变化,且在不同行业、地区、城市相应变化呈现异质性。数实融合通过促进经济增长和消费需求增加、提高劳动生产率、扩大企业招聘需求等机制,从而提升大学生就业市场的景气程度。从较长期来看,实体经济复苏带动了大学生就业供需两侧增长,特别是在数实融合趋势下,其推动需求增长的动力更为强劲,从而促进了大学生就业。文章结论有助于深刻理解数实融合带来的大学生就业效应,为精准设计就业促进政策、从供需两侧助力大学生实现高质量充分就业提供依据。

摘要：“以学生为中心”的创新型教学模式,正在重塑本科课程的教学范式。结合“以学生为中心”的教学理念,以“WEB系统设计与开发技术”课程为例,从教学目标、教学内容、教学方式和教学评价四个角度探究了课程设计改革。探索树立学生知识理解、学生技能掌握与学生情感调动三大教学目标,积极尝试在教学内容中融入学生网页实践操作、学生网页课堂汇报、网页设计案例分析、调研活动设计等环节,鼓励将课堂头脑风暴、情景剧表演、学生翻转课堂等教学方式融入课堂,并在教学过程中及时了解学生的体验感受与意见反馈,使学生真正掌握网页设计的基础知识及操作方法,培养学生利用WEB操作技能制作网页的实践能力。

摘要：龙眼是我国华南地区重要的热带亚热带果树之一,传统的龙眼采摘大多依靠人工操作实现,其劳动力成本高、采摘效率低,易漏检小果实和被遮挡的果实,采摘机器人可解决这些问题。在机器人视觉技术中,针对龙眼进行实时检测和定位研究开发一种树上的龙眼检测与定位技术,对果实采摘机器人技术的发展有重要意义。针对龙眼体积小、与枝条颜色相近等检测难题,本研究设计了龙眼视觉检测试验,首先利用RGB-D相机获取龙眼的彩色和深度图像,并通过YOLOv5检测算法对图片进行检测,结果表明:龙眼图像的平均检测时间为0.024 s,模型的精确率为96.55%,召回率为92.02%,F1分数为0.942,且在一定程度上能抵抗果实数量和光照强度的变化,适应性强;其次设计了对比试验,在与YOLOv5同样的硬件配置下搭建Tensorflow框架和Darknet框架,并在不同复杂场景下扩充龙眼数据集来训练YOLOv5、YOLOv4和Faster-RCNN 3个不同果实检测模型,结果表明YOLOv5可以很好地克服其他两种算法存在的问题。此外本研究通过设计龙眼的视觉空间定位试验,进行了三维坐标的计算,构建了x、y和z 3个坐标的中值误差曲线,3个坐标方向上的中值误差计算结果分别为5,6和10 mm,中值绝对偏差分别为3.7,3.3和5.1 mm,统计了图像的平均定位时间为0.071 s。研究表明该方法具有可行性,能为龙眼采摘机器人提供技术支持。

摘要：利用基于深度学习的视觉检测技术对夜间自然环境下成熟柑橘进行识别与表征缺陷检测,从而实现柑橘的产量估计与生长期品质监测,对柑橘果园的生产智能化管理有重要意义。本研究利用YOLO v4深度学习模型,进行夜间树上柑橘表征的视觉检测。首先设计了多光源结合的视觉系统进行夜间树上柑橘图像采集,对采集的柑橘图像进行人工标记,建立夜间柑橘图像的训练集和测试集,通过试验确定训练模型的批处理量和初始学习率,并在训练模型时根据训练次数逐渐降低学习率,最终训练模型在测试集的准确率为95.32%。通过设计的夜间柑橘视觉检测试验结果表明:本研究采用的YOLO v4模型检测方法在柑橘测试集上的精确率、召回率、F 1值以及mAP(mean average precision)值分别为95.32%、94.59%、0.95和90.52%,相比Faster R-CNN,YOLO v4模型检测方法精确率和召回率分别提高了5.14%和6.16%,同时检测速度明显快于Fater R-CNN,表明该方法对夜间自然环境树上柑橘的识别和缺陷检测有较好的准确性和实时性,满足室外夜间环境柑橘荧光缺陷检测的精确性要求,可为农业智能化生产中果蔬产量的估计提供技术支持。

摘要：本文在对美国、日本、澳大利亚及中国香港、澳门地区公务员薪酬体系进行分析比较的基础上,总结了各国家或地区公务员职位晋升、薪酬调整和薪酬差距设计的特点,并提出了对我国公务员薪酬体系设计的借鉴经验及启示。

摘要：基于STM32单片机的可穿戴式手表能检测环境信息,以防家中的老人发生意外;检测老人的血压、脉搏,使老人获取自己的身体状况;自动提示老人吃药和锻炼的时间,解决老人的生活难题;利用GSM模块,能将老人的健康状况能及时地反馈给家属。该设计成本较低,技术实现相对较为容易,易于实现对目标群体的健康监测。

摘要：随着互联网的高速发展,网络信息量呈现爆炸式增长的趋势,利用网络爬虫对大数据进行分析和处理有非常重要的意义。该文以拉勾网为例,利用Python 3.7和MySQL 5.5设计了一个关于Java相关岗位招聘信息的数据采集与存储系统。并且对采集的数据进行多方位分析,为相关行业的就业者在就业选择以及未来规划的时候提供一个有据可依的参照,起到一个就业指导的作用。

摘要：MR技术在专门学校未成年人教育矫治中的应用设计的主要内容分为:心理矫治、基础教育、职业培训、辅助教育等四个方面。其中基础教育包括法律常识教育、思想道德教育、文化知识教育三部分;辅助教育包括社会帮教和第二课堂两部分。心理矫治方面,以MR技术促进专门学校心理矫治工作的情景化;基础教育方面,以MR技术促进专门学校基础教育工作的体验化;职业培训方面,以MR技术促进专门学校职业培训的实操化;辅助教育方面,以MR技术促进专门学校辅助教育的多样化。通过应用MR技术,从多方面、多角度、多层次对专门学校未成年人开展教育矫治工作,助力专门学校未成年人改过自新,更好地发展成长,促进专门学校未成年人教育矫治领域的变革和创新。