摘要：随着农业的快速发展,海量的农业统计数据不断积累。鉴于农业数据的强烈地域性特征,利用可视化技术直观展现这些数据的地域分布、内在联系及发展趋势,对于优化农业宏观管理决策、制定长远规划具有不可估量的价值。该研究结合HTML、CSS、JavaScript等Web技术,以及E Charts可视化库,并融合Tableau数据处理能力,构建了一个无须依赖服务器、支持在线和离线分析,且具备高度交互性的农业统计数据可视化系统。该系统旨在通过直观、丰富的地图展示、产量与面积趋势分析等视觉呈现方式,助力农业领域的深度洞察与决策支持。该研究开发的农业统计数据可视化系统,不仅丰富了农业数据分析的手段与方法,也为农业领域的决策者提供了强有力的支持。

摘要：针对单个预测模型的侧重点不同导致粮食产量预测不够精准的问题,提出的方法是设计一个组合预测模型,选取粮食种植面积、农用机械总动力、农用化肥施用量、成灾面积、灌溉面积、最高温、最低温和日照时数这8个影响因素;选择并训练随机森林RF、梯度提升树GBDT和XGBoost 3种模型作为基模型,采用线性回归作为第二层模型集成输出最终的粮食产量预测的结果。该堆叠模型的决定系数为0.98,大于单个基模型的决定系数,同时均方根误差、平均绝对误差、均方误差也降低到最小,分别为6.32、4.32和40.00。结果表明,与单个模型相比,堆叠模型对于粮食产量预测具有更高的准确性和更强的鲁棒性。

摘要：从材料科学与艺术设计的角度对玻璃的创意设计进行了综合分析,指出了玻璃创意设计是科学与艺术结合的产物,是在科学研究基础上的艺术设计,它使材料在应用过程中更具品质与人性化,同时结合其应用与推广实例,分析了中国玻璃创意设计的现状与所面临的问题,指出了中国的玻璃创意设计需要在立足本土的基础上进行发展,才能获得可持续发展的自信与动力。

摘要：从古至今，手工艺术在很大程度上是借由师徒之间的技艺互动来传承的，虽然师傅言传身教的“示范”方法在时间与承袭者的更迭之中发生着变化，但手工艺术的文化表征依然是通过一代代制作者的“手”在不断地“教”与“学”中摸索、积淀形成的，这也正是手工艺术的魅力所在。在当代手工艺术的教学中，尤其是工艺课程的教学，“示范”不仅是一种工艺和技术的传授方法，更是一种教学思想与理念的具体呈现方式，“示范教学”是手工艺术课堂教学的重要方法与组成部分，

摘要：现代化的博物馆是集教育、收藏、研究、文娱功能于一体的开放式公共空间,而博物馆的文创产品是博物馆为观众提供的一种文化消费产品,对于增强大众的文化认知与审美认知具有较好的辅助作用。近年来,随着"博物馆热"的兴起,博物馆文化创意产品的水平已成为影响博物馆社会效益与经济效益的重要因素之一。该文以当下博物馆文化创意产品的设计问题为切入点,从设计方法论的视角,宏观地分析文化创意产品的设计方法,以期为国内博物馆文化创意行业的发展提供理论参考。

摘要：中国平面艺术玻璃的发展已经经历了从无到有的起步阶段,正在经历从粗制滥仿到独立设计的发展阶段。文章试对国内平面艺术玻璃的行业现状进行初步分析,指出目前所面临的问题与挑战,同时对该领域的市场前景做出分析预测,以期具有实践意义与社会效用。

摘要：[目的]为解决使用深度学习技术对植物虫害识别时依赖大量训练样本的问题,本文基于元学习的思想设计一个VGG原型网络(VGG-meta learning,VGG-ML),用于在小样本背景下植物虫害种类识别。[方法]采用VGG16作为嵌入单元提取虫害样本特征与类别特征,为提高网络对于新类别的识别能力,采用训练集与测试集异域方式进行模型训练,以解决在小样本情况下植物虫害识别准确率低、新类别虫害无法识别的问题。将测试集划分为支持集(获取类原型)与查询集(样本原型),以欧式距离度量样本原型与类原型之间的相似性,从而判定样本所属类别。[结果]以公开数据集IP102中玉米、甜菜、苜蓿等11种植物的蚜虫、黏虫、跳甲等24类农业虫害图片作为训练数据,以稻纵卷叶螟、稻叶毛虫、亚洲稻螟、稻瘿蚊、稻秆蝇、稻水象甲、稻叶蝉、稻苞虫8类常见的水稻虫害作为测试数据,在5-way、1-shot与5-way、5-shot情况下VGG-ML识别准确率分别为67.98%与81.5%,与原始原型网络相比提高3.53与4.4百分点。5-way、5-shot试验与基于迁移学习的ResNet50与VGG16网络对比,准确率分别提高28.65与25.94百分点。[结论]VGG-ML在进行小样本植物虫害类型识别时有效可靠,可适用于小样本植物识别问题。

摘要：为解决在汽车工业设计方案评选中评价结果主观性强、缺乏用户客观数据支撑的问题,提出了一种联合眼动和脑电的汽车工业设计用户体验评选方法,将目标用户体验过程的主观心理量和客观生理量作为汽车工业评选的指标。使用Dikablis Glasses眼动仪和Brain Amp64脑电记录仪采集了20名目标用户在对4款不同的汽车设计效果图体验评价过程中的眼动和脑电数据。分别采用D-lab软件和Brain Vision Analyze软件对眼动和脑电原始数据进行处理,并对处理后的眼动数据、脑电数据与主观评价值三者之间的相关性进行了分析。建立了结合心理和生理评价指标的汽车工业设计用户体验多维综合评价模型,并对模型进行了验算。实验研究结果表明,用户体验的主观指标、眼动和脑电指标在汽车工业设计方案评选过程中可以相互验证,使评价结果更具客观性。

摘要：《义务教育艺术课程标准(2022年版)》对艺术学科进行了重大改革,将原有的两科扩展为五科,包括音乐、美术、舞蹈、戏剧(含戏曲)和影视(含数字媒体艺术)。所有科目以艺术实践为基础,以学习任务为抓手,有机地整合了学习内容,构建了一体化的内容体系。这样的课程设置对教师来说是一个新的挑战。音乐是艺术教育的重要课程,在新课标背景下如何让学生成为音乐课堂的主人,是音乐教师必须思考的问题。

摘要：针对现阶段特征提取网络当测试样本出现歪斜、模糊、缺损等变化时识别效果不够理想,利用训练样本扩充、变换、缩放等方式改善网络性能并不能动态地满足实际的复杂病害图像识别任务的问题,在ResNet50中引入双层注意力机制与通道特征提取机制,设计基于全局特征提取的深度学习网络(Global feature deep learning network,GFDL-Net),该网络包括通道特征提取子网络(Squeeze and excitation net,SE-Net)和双注意力特征提取子网络(Double feature extraction net,DFE-Net),分别从通道空间特征提取与平面关键点特征提取两方面改善了网络的全局特征提取能力。为了验证GFDL-Net的有效性,对辣椒、马铃薯、番茄等15种病害图像加入不同角度的旋转、色彩变换等测试,发现在样本加入旋转后与ResNet50、BoTNet、EfficientNet相比,平均识别准确率分别高出20.05、18.62、21.97个百分点;加入明暗度、饱和度、对比度变换后与ResNet50、BoTNet、EfficientNet相比,平均识别准确率分别高出3.57、0.53、3.98个百分点,而识别速度分别为ResNet50、BoTNet、EfficientNet的4.4、4.9、2.0倍。试验证明GFDL-Net在图像全局特征提取能力方面的改进能有效提升网络的泛化能力与鲁棒性,可将其应用于解决变化样本的农作物病害识别任务中。