摘要：跨学科学习是《义务教育课程方案和课程标准(2022年版)》中的一大亮点,但并非课程改革历程中的新事物,它所蕴含的跨学科知识统整思维在以往课标的改革举措中已有所体现。在新课标背景下,核心素养育人目标及理念的明确,赋予了跨学科学习实践更丰富、更深刻的内涵及价值。作为核心素养导向下学习方式变革的创新实践,跨学科学习真正落地需以课程、教学及评价的整体性变革为牵引。当前实践中跨学科学习面临着课程结构学科化、教学设计还原化以及评价生态功利化等困境,其综合性、实践性、发展性价值难以充分发挥。为推动核心素养导向下跨学科学习实践落地,需要形成核心素养为目标的主题式课程结构,展开深度学习为基准的大概念项目式教学设计,实施素养发展为导向的表现性学习评价,以及建设多元支持协同的保障机制。

摘要：包装缺陷在线检测对提升产品质量具有重要意义。针对工业生产中人工目检效率低、漏检率高,以及基于显式特征提取的缺陷检测方法通用性差、特征提取复杂、缺陷区域占比小等问题,本文提出了基于迁移学习的改进MobilenetV2轻量化网络的包装缺陷快速检测方法,并利用某工厂糖果产线包装质检环节存在的4种表面缺陷对其进行测试。结果表明,该方法具有检测速度快、缺陷正确检测率高等优点,单个产品处理时间为0.053s,验证集上缺陷识别率为98.333%,在线测试缺陷品召回率为96.596%,在检测精度较高的同时能满足高速产线的实时性需求,最高支持2 m/s的传送带运行速度。

摘要：零件表面缺陷是产品质量的重要组成部分,零件在线检测可以解决产品批量质量问题,已成为质量控制的未来发展趋势。人工检测方法存在检测精度低、漏检率高等问题,而通过机器视觉和深度学习相结合的在线检测成为研究热点。但是目前多数深度学习模型存在模型结构复杂、预测耗时长的缺点,不满足实时检测的需求。为了提高产品表面缺陷检测的效率和准确率,设计了一种轻量化深度学习VGG16网络模型,通过对VGG16Net进行结构优化与剪枝操作搭建轻量化识别模型,并构建表面缺陷数据集进行训练与预测。在标准表面缺陷数据集上,准确率达到0.949;搭建实验测试平台,对比原始VGG16网络,改进后的网络在剪枝率为50%时,准确率达到0.907,单张图片预测耗时为0.067s,模型压缩率为59.79%。轻量化表面缺陷检测方法具有高效自动、智能化等优点。