摘要：以问题的提出、分析、解决为基本导向的PBL(Problem-Based Learning)教学模式,强调“解决式”学习和“协作式”探索,注重在“实践情景”中构建“意义学习”,是包含师生及一切支持“学”的资源方的教学模式。目前,在广告创意课程模拟实战教学中,教学情境失真、教材陈旧、教学理念落后、教学评价片面等问题日益突出。针对诸多问题,文章以PBL教学模式为导向,从广告创意课程的课程设计、教学过程、教学场景、教学评价等方面进行教学实践改革探讨。

摘要：咖啡生豆的质量决定着商品咖啡豆的价格,目前对咖啡生豆的筛选主要由人工完成,费时费力。提出一种基于改进ResNet50模型来识别咖啡生豆的方法,首先收集8000张咖啡生豆图像建立数据集,并对其进行数据增强,基于ResNet50模型加入CBAM注意力机制,引入迁移学习机制,并使用深度可分离卷积来代替ResNet50残差单元中的传统卷积,构建适用于咖啡生豆分类识别的ResNet50-CBAM-DW模型。为评估模型改进的有效性,与ResNet50、AlexNet、VGG16、MobileNetV2等模型进行比较,改进后模型准确率达到91.1%,相较于原ResNet50模型准确率提升3.0%,参数量降低39.0%。

摘要：为提高对茶叶嫩芽识别的准确率,提升自动采摘机器人的工作效率,减少人工采摘成本,提出一种对茶叶嫩芽目标检测的模型。通过拍摄包含白豪早茶叶嫩芽图片,进行筛选后得到179张图像,使用Mosic数据扩增后获得716张图像,建立数据集,按照训练集、测试集和验证集7∶2∶1的比例划分数据集。针对复杂背景下茶叶嫩芽存在重叠以及遮挡所导致的识别精准度低的问题,对YOLOv5s模型进行改动,在骨干网络上增添注意力机制模块SE和CBAM进行比较;Neck网络由原来的PAFPN改为可以进行双向加权融合的BiFPN,Head结构增加浅层下采样的P2模块,提出一种茶叶嫩芽检测的模型。试验表明YOLOv5s添加SE模块结合BiFPN时模型具有更高的检测精度,并对试验结果进行十折交叉验证,相较于基线精确率提高10.46%,达到88.30%,平均精度均值mAP提高6.47%,达到85.83%。最后使用相同的数据集和预处理方法对比YOLOv5m、Faster R-CNN和YOLOv4-tiny,证明该试验方法综合强于其他经典深度学习方法,能更有效地提升茶叶嫩芽检测精准度,可以为茶叶自动采摘机器人提供理论依据。

摘要：[目的/意义]针对当前玫瑰鲜切花分级仍依赖人工进行简单分级,造成效率低、准确率低等问题,提出一种新的模型Flower-YOLOv8s来实现玫瑰鲜切花的分级检测。[方法]以单一背景下单支玫瑰花的花头作为检测目标,将鲜切花分为A、B、C、D四个等级,对YOLOv8s(You Only Look Once version 8 small)模型进行了优化改进。首先,构建了一个全新的玫瑰鲜切花分级检测数据集。其次,在YOLOv8s的骨干网络分别添加CBAM(Con⁃volutional Block Attention Module)和SAM(Spatial Attion Module)两个注意力机制模块进行对比实验;选择SAM模块并对其进一步优化,针对模型轻量化需求,再结合深度可分离卷积模块一起添加到C2f结构中,形成Flower-YOLOv8s模型。[结果和讨论]从实验结果来看YOLOv8s添加SAM的模型具有更高的检测精度,mAP@0.5达到86.4%。Flower-YOLOv8s相较于基线模型精确率提高了2.1%,达到97.4%,平均精度均值(mAP)提高了0.7%,同时降低了模型参数和计算量,分别降低2.26 M和4.45 MB;最后使用相同的数据集和预处理方法与Fast-RCNN、Faster-RCNN、SSD、YOLOv3、YOLOv5s和YOLOv8s进行对比实验,证明所提出的实验方法综合强于其他经典YOLO模型。[结论]提出的基于改进YOLOv8s的玫瑰鲜切花分级方法研究能有效提升玫瑰鲜切花分级检测的精准度,为玫瑰鲜切花分级检测技术提供一定的参考价值。

摘要：玉米是我国主要粮食作物,有较高的营养价值和经济价值。不同的地域环境适宜种植的玉米品种不同,但由于玉米种子在外形方面存在的差异较小,所以仅凭肉眼很难对其进行快速准确的识别。为实现玉米种子品种的准确识别,研究采集了9种玉米种子图像共2792张建立数据集,并按照7∶2∶1的比例随机划分训练集、验证集和测试集。将注意力机制CBAM引入轻量化模型MobileNetV2,对CBAM的串行方式进行改进,构建一个新型注意力模块E_CBAM,并通过对比不同的压缩比,选出效果最佳的压缩比为4,提出了E_CBAM_MobileNetV2模型。实验表明E_CBAM_MobileNetV2的准确率为98.18%,相较于MobileNetV2提高了5.45%。

摘要：优良品种对提高农业产量和收入起着关键作用,针对现有的种业安全问题,为实现玉米品种的快速识别和保护,构建一种基于玉米果穗图像的品种识别模型。将采集到的1000张玉米果穗图像经预处理后按7∶2∶1的比例划分为训练集、验证集和测试集,并对数据集进行平移、翻转等多种数据增强处理。通过迁移学习,将预训练好的权重和参数迁移到NASNet-mobile、Xception、ResNet50V2、MobileNetV2、DenseNet121、VGG16模型进行对比,结果表明,NASNet-mobile识别性能较好,识别率达90%。不同优化算法的对比表明,优化器选择Adam模型具有更好的表现。在此基础上,对多种全连接层模块进行试验,结果表明,全连接层数量为2层、维度为256时可以得到更好的玉米果穗图像特征,最终模型在全连接层模块下的识别准确率达95%,较NASNet-mobile提升5%,实现了对玉米品种的分类识别。以上结果为玉米品种的快速精准鉴定以及种质资源保护提供了智能化技术支持。

摘要：本文从利润空间、数字化技术、读者阅读需求变化等方面分析了数字化背景下独立书店的生存困境,并提出了作为公共文化空间的独立书店如何突破经营瓶颈的具体策略。

摘要：媒介融合影响到高等院校传播学专业的人才培养目标和课程设置。文章以青岛农业大学传播学专业为例,结合应用型人才培养目标定位,分析了"网络传播技术"课程群当前存在的问题,提出了课程群体系的构建思路和优化方法,并构建了"三个阶段,三条主线"的课程群体系。

摘要：为解决传统的便携式农产品市场信息采集设备操作不便,易受使用环境影响等问题,提出利用语音识别技术采集信息,以增加操作界面的灵活性。为增强语音识别的抗噪声鲁棒性,针对农产品市场信息采集的特殊工作环境,采集到20男20女语音训练集材料。首先利用最小均方误差(MMSE)谱减法进行前端带噪语音增强,得到增强后的语音信号,然后提取其MFCC特征用于HMM声学模型的训练;声学识别单元采用上下文相关的三音子模型,模型训练过程中采用了决策树状态聚类和增加高斯混合分量的策略,以提高模型的精确度。在3处不同环境不同信噪比情况下对训练出的模型进行测试,结果表明,MMSE谱减算法处理后的语音识别率比基本谱减法(SS)、多带谱减法(MB)有明显的提高,特别是在较低信噪比情况下更为明显。

摘要：为解决农产品价格信息采集任务中传统设备缺少语音接口,且通用的抗噪声算法效果不佳的问题,提出一种农产品价格采集环境下的抗噪声算法。利用谱减算法实现前端的去噪,提高输入信号的信噪比,但同时产生的频谱畸变和残留噪声会造成新的失配,利用倒谱均值方差归一化方法进行补偿,减小或消除这种失配,将基本谱减算法(SS)以及多带谱减算法(MB)分别与倒谱均值方差归一化方法联合。实验结果表明,与单独使用上述各算法相比,联合后的算法能有效提高系统的识别率,特别是在较低信噪比(0dB-10dB)情况下该效果更为明显。