摘要：《职业教育专业目录》是职业教育国家教学标准体系中最重要的基础性文件,需根据国家产业发展和岗位需求变化及时调整。在分析了信息技术产业的发展趋势以及相关岗位需求变化对技术技能人才培养提出新要求的基础上,结合《职业教育专业简介》,对新版职业教育电子与信息大类专业目录进行解读,分专业类详细分析了新旧专业的变化及原因。新版目录对接新一代信息技术,紧密衔接新职业,专业内涵全面升级,中高本一体化设计,对引领电子与信息大类相关专业升级和数字化改造、提升人才培养质量、推动职业教育更好服务国家发展战略具有重要作用。

摘要：针对当前高校创新创业教育泛化、虚化、套化,导致创新创业教育与科学技术进步脱节,专业技术人才创造力培养滞后于信息技术发展等问题,本文结合深圳职业技术学院软件技术专业群专创融合人才培养综合改革探索与实践,逐步形成"三递进、三融入、三护航"模式,明晰了平台学习知识-大赛检验技能-创业验证成效的递进式教学过程(三递进);在人才培养过程中将艺术融入技术、将文化融入教育、将创意融入生活(三融入),帮助学生在学会文化、掌握先进专业技术的同时,也具备了艺术创造能力;通过专业导师、创业导师、产业导师协同护航(三护航),帮助学生完成从"只瞄准就业"到"追求创新"的转变.

摘要：常见的建筑物提取算法主要采用全监督的方式实现,得到的模型通常在训练数据集上表现良好,而在跨区域使用时效果不佳。基于生成对抗网络的域自适应方法虽然在一定程度上能够增强网络的迁移能力,但由于缺乏目标域关键信息,效果难以保证。设计了一种全新的端到端弱监督建筑物提取网络。首先,采用像素关联模块来提升生成网络的性能;然后,在此基础上综合运用域自适应和图像级弱标签两种策略来优化训练过程,从而大幅提升了网络模型的泛化扩展性能。采用3组数据对所提方法的有效性进行了验证,通过大量实验证明了所提方法可以有效提升建筑物提取的性能。同时,通过消融实验验证了网络中各个模块的有效性。

摘要：本文根据企业的业务需求基于人工智能技术设计了一种企业智能客服系统。通过自建云呼叫中心,应用语音识别技术,在专业语音服务的支撑下构建系统,由客服机器人处理相关业务。智能客服系统主要包括呼入客服机器人,智能外呼机器人和微信公众号客服机器人,为客户带来全新的互动自助服务体验,提升企业的服务效率和质量,降低运营成本。

摘要：【目的】实现精确迅速的农作物病害检测,减少人工诊断成本,降低病害带来的农作物产量和品质影响。【方法】根据对农作物病害和病斑特征的分析,提出一种基于卷积注意力机制改进的YOLOX-Nano智能检测与识别模型,该模型采用CSPDarkNet作为主干网络,将卷积注意力模块CBAM引入到YOLOX-Nano网络结构的特征金字塔(Feature pyramid network,FPN)中,并在训练中引入Mixup数据增强方式,同时将分类的损失函数由二分类交叉熵损失函数(Binary cross entropy loss,BCE Loss)替换为焦点损失函数Focal Loss、回归损失函数由GIOU Loss替换为本文设计的CenterIOU Loss函数,采用迁移学习策略训练改进的YOLOX-Nano模型,以此提升农作物病害检测的精度。【结果】改进后的YOLOX-Nano模型仅有0.98×10^(6)的参数量,在移动端测试单张图片检测时间约为0.187 s,平均识别精度达到99.56%。实践结果表明,其能快速有效地检测与识别苹果、玉米、葡萄、草莓、马铃薯和番茄等农作物的常见病害,且达到了精度与速度的平衡。【结论】改进后的模型不仅对农作物叶片病害识别具有较高的精度和较快的检测速度,参数量和计算量较少,还易于部署在手机等移动端设备。该模型实现了在田间复杂环境对多种农作物病害精准定位与识别,对于指导早期农作物病害的防治具有十分重要的现实意义。

摘要：随着计算机科学技术的发展和社会进步的要求,许多行业的从业资格考试在计算机上完成。考试系统平台种类繁多,在系统架构、工作模式和操作流程等方面的不同,使得计算机要搭建不同环境来承载这些平台,基于多元化计算机考试系统平台的出现就是用来解决这个问题。

摘要：HTML提供了select元素制作Web前端页面的下拉列表,但其样式控制非常简单有限。设计了一种自定制下拉列表,通过div、ul等HTML元素重构整合,采用CSS精确控制样式,JavaScript编程完成用户交互。实现了下拉列表的选项文字自动换行以及其他丰富多样的个性化样式外观。

摘要：云计算主要的部署方式有公有云和私有云.OpenStack是主流的私有云计算技术,在服务器上部署OpenStack云计算环境,将计算、存储、网络资源以虚拟机的形式提供给用户使用,是云计算企业的重要业务.云平台部署和管理人才严重缺乏,培养OpenStack技术人才,对于中国云计算发展有重要意义.本文以云计算技术入门课程《云计算技术概论》为例,介绍重要教学单元《OpenStack云平台的部署和管理》的项目化教学改革与实践,为高职云计算专业课程建设和改革提供有效建议.

摘要：为解决眼镜遮挡会降低人脸识别性能的难点,借鉴深度卷积神经网络在超分辨率方面的成功应用,该文提出一种用于细粒度人脸识别的眼镜自动去除方法ERCNN。用卷积层、池化层、MFM特征选取模块和反卷积层设计ERCNN网络模型,自动学习戴眼镜和未戴眼镜人脸图像对之间的映射关系,实现端到端的眼镜去除。然后,收集大量监控场景下的人脸图像,以及互联网上公开的人脸图像作为训练集;同时构建SLLFW数据集,作为眼镜去除和人脸识别的测试集。最后,通过与传统的眼镜去除方法进行对比试验,该文算法的各项评价指标优于传统方法,能有效的去除真实人脸图像中眼镜;同时在SLLFW人脸数据集上形成的全框眼镜、半框眼镜和无框眼镜人脸数据集上对多种人脸识别算法进行对比试验。试验表明,在FAR为1%的情况下,利用该文方法对FSLLFW,H-SLLFW和R-SLLFW数据集的人脸图像进行眼镜去除后,SphereFace算法的TAR分别达到90.05%,91.14%和92.33%,比未去除眼镜的识别率分别提高了3.92%,3.08%和1.26%;同样,在FAR为0.1%的情况下,比SphereFace算法的TAR分别提高了10.06%,4.29%和2.13%,说明该文方法有助于提升细粒度人脸识别的识别精度。

摘要：为实时监测违法用地现象,对作业挖掘机等施工机械进行实时监测至关重要。针对自然场景下由于背景复杂、光照不均匀及遮挡等导致作业挖掘机难以准确检测出的问题,该文采用类似SSD(Single Shot Detector)方法的网络结构,提出一种自然场景下的挖掘机实时监测方法。该方法采用堆叠DDB(Depthwise Dense Block)模块组成基础网络,实现浅层特征提取,并与高层特征融合,提高网络模型的特征表达能力;在MobileNetV2网络的基础上进行改进,设计BDM(Bottleneck Down-Sampling Module)模块构成多尺度特征提取网络,使模型参数数量和计算量减少为SSD的68.4%。构建不同视角和场景下的挖掘机目标数据集,共计18537张,其中15009张作为训练集,3528张作为测试集,并在主流Jetson TX1嵌入式硬件平台进行网络模型移植和验证。试验表明,该文方法的m AP(Mean Average Precision)为90.6%,其检测精度优于SSD和Mobile Net V2SSD的90.2%;模型大小为4.2 MB,分别减小为SSD和Mobile Net V2SSD的1/25和1/4,每帧检测耗时145.2 ms,相比SSD和MobileNetV2SSD分别提高了122.7%和28.2%,可以较好地部署在嵌入式硬件平台上,为现场及时发现违法用地作业提供有效手段。