摘要：青岛农业大学动漫与传媒学院把工作室融入传媒人才的培养过程,理顺了工作室与实践教学平台的关系,定义了工作室在传媒人才培养中的主要功能、人员构成以及运营方式,为应用型传媒人才培养提供了有力支撑和保障。

摘要：动漫网络资源库的建设对专业教学、科研、创作都具有重要意义,以青岛农业大学动漫与传媒学院动漫资网络源库建设的实践为例,总结了产学研相结合的动画专业网络资源库建设思路与使用方法。提出了由企业、工作室、师生共建共享资源库的具体方式,以及对资源库素材的管理及使用方法。

摘要：为解决苹果叶部病害识别效率低、精度低的问题,展开苹果叶片病害识别模型的研究。通过收集并整理网络公共数据集,获取苹果黑腐病、苹果黑星病、苹果锈病和苹果健康叶部四类图像,随机选取1 200张图像建立数据集,采用数据增强的手段对数据进行预处理,提高模型的鲁棒性,降低其他因素对模型识别的影响。将迁移学习与卷积神经网络相结合,在InceptionV3、Xception、NasNetmobile、Inception-ResNetV2这4种预训练模型的基础上,弃用全连接层,通过全局平均池化层来完成特征整合工作,同时对模型采取微调,对比各模型的识别效果。通过微调前后8种模型训练对比结果表明,微调后的Inception-ResNetV2模型在测试集上能达到98.83%的准确率,可以准确、快速地识别出病害类型,为相关病害识别提供参考。

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：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：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：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：通过对胶东半岛即墨、莱西等地面磕子历史与现状的考察,结合胶东民间艺术在造型、审美和工艺方面的互通性,综合其社会内容的扩充、工艺的融汇及构图审美的拓展,能够发现面磕子视觉图案呈现的一个重要特点和隐形逻辑:多方面的逻辑集成性,包括图案知识集成性、工艺集成性、构图集成性,其视觉特征带有明显的从创作自发性到意识集成性的转变历程。通过胶东面磕子图案的艺术转化和语义解读,梳理文化符号的传承脉络,建设文化基因库,可以为传统面磕子与现代视觉设计相结合提供思路。

摘要：针对现有樱桃缺陷检测识别中存在的问题,为实现移动端智能化快速检测与精准识别,本研究提出了一种基于卷积神经网络对樱桃图像进行缺陷检测识别的轻量化模型,可为开发樱桃的移动端无损化智能检测系统奠定理论基础。首先,将采集到的完好樱桃、刺激生长樱桃、双胞胎樱桃和腐烂樱桃4类樱桃图像经预处理后按比例划分训练集、验证集和测试集。其次,基于迁移学习对比分析NASNet-Mobile、MobileNetV2、ResNet18、InceptionV3、VGG-16网络模型后,选择各方面性能表现良好的MobileNetV2为基线模型,通过微调构建I-MobileNetV2模型;然后在I-MobileNetV2基础上,嵌入坐标注意力(CA)模块,构建ICA-MobileNetV2模型,该模型平均准确率达到97.09%,相比于基线模型(90.02%)提高7.85%,比I-MobileNetV2模型(94.34%)提高2.91%。可见,ICA-MobileNetV2作为可部署移动端的轻量化模型,具有较高准确率和较少参数,适用于樱桃缺陷检测与多分类任务,为樱桃缺陷检测与品质分级研究提供了新思路。

摘要：弹幕观影作为一种新兴的观影方式,是一种独特的文化现象和社交模式。它作为融媒体时代产物通过文本增殖改变了传统观影的静态体验,让观众可以实时参与到视频内容的讨论中,增强了观众的参与感和存在感,使得电影观赏变得更加社交化;通过想象形成的共同体也令弹幕观影成为一种独特的文化现象和社交模式,并在此基础上形成了一种独特的、共享性与开放性的弹幕文化。参与性的仪式性特征也使弹幕观影成为一种独特的文化现象和社交模式。