顶岗实习和“三下乡”活动相结合的实践与思考

针对高职院校的人才培养特点,结合我院开展顶岗实习工作的实践,探索把学生顶岗实习与"三下乡"实践活动有机结合起来,为行业服务的实践模式。     

霉菌对黑白底片的危害研究

馆藏的早期黑白底片霉变严重,已对底片构成严重危害。为了有效治理霉变,通过对霉菌进行的分离、鉴定,分析了霉变产生的原因。并采用环境扫描电镜研究了霉菌对黑白底片影像的影响,通过模拟实验对其霉变前后的物理性能进行了测试,结果表明霉变后,底片的抗张强度、耐折度明显降低。在此基础上,探讨了防止霉菌发生的有效措施。     

基于深度信念网络的苹果霉心病病害程度无损检测

针对现有霉心病无损检测只能检测出有无病害,无法对病害程度进行判断的问题,研究并提出一种基于深度信念网络(deep belief net,DBN)的无监督检测模型。该模型由多层限制玻尔兹曼机(restricted Boltzmann machine,RBM)网络和1层反向传播(back propagation,BP)神经网络组成,RBM网络实现最优特征向量映射,输出的特征向量由BP神经网络对霉心病病害程度分类。对225个苹果样本在波长200~1 025 nm获取其透射光谱后,根据腐烂面积占横截面比例将霉心病害程度分为健康、轻度、中度和重度4种,分别用150个和75个样本作为训练集和测试集,以全光谱数据和基于连续投影算法提取的特征波长数据为输入构建病害程度判别模型,并比较DBN模型与偏最小二乘判别分析、BP神经网络和支持向量机模型的识别效果,实验结果表明,DBN模型病害判别准确率达到88.00%,具有较好的识别效果。     

基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测

为研究傅里叶近红外光谱技术(Fourier transform near infrared spectroscopy,FT-NIRS)和电子鼻技术分别结合化学计量学方法对苹果霉心病的判别效果,以红富士霉心病苹果和健康苹果为试材,利用近红外光谱技术,基于主成分分析建立Fisher判别和多层感知器(multi-laye...     

某地铁车站下穿盖板河施工技术

某城市地铁车站近距离下穿大型地下构筑物（盖板河）,主要对盖板河的内部防水、土层预加固、车站暗挖施工工艺及施工监测几个方面进行介绍.     

豆粕霉变过程中品质变化规律的研究

本试验按3×4因子水平设计,在湿度大于75％的条件下,温度分别为20±1℃、25±1℃、30±1℃、35±1℃的四个恒温培养箱中,用三种不同含水量(13.89±0.04％、15.77±O.02％、17.66±0.05％)豆粕进行发霉试验,试验分12个处理,每个处理设40袋密封包装的豆粕,研究发霉豆粕的粗脂肪含量、粗蛋白含量、蛋白质溶解度、脲酶活性△pH的变化。结果表明,随着霉菌生长,豆粕的蛋白质溶解度在逐渐减少,霉菌增长与豆粕的蛋白质溶解度降低有较强的负线性相关关系(P<0.05);随着霉菌生长,豆粕的粗脂肪含量在逐渐减少,霉菌增长与豆粕粗脂肪含量的降低有较强的负相关性(P<0.05);霉菌生长对豆粕的粗蛋白质的含量和脲酶活性指数△pH没有显著的影响(P>0.1)。     

2018年我国矿产资源勘查开发“走出去”形势分析

矿产勘查开发“走出去”是提升国家能源资源安全保障能力和全球治理能力的重要举措。2018年,我国境外矿产勘查投入持续下滑,社会投资信心不足,地勘单位“走出去”动力减弱。另一方面,采矿业对外投资并购则触底回暖,大额股权投资频现。境外矿山项目覆盖六大洲,矿业国际产能合作取得一定成效,成为推进“一带一路”建设的重要力量。矿业领域“走出去”企业的性质和投资内容多元化格局正在形成,民营企业发展迅速。重要资源国矿业政策密集修改,国家大力扶持建立境外产能合作产业园区,关键矿产成为全球关注热点等新情况的出现使未来矿产勘查开发“走出去”机遇与挑战并存。     

玉米籽粒霉变等级高光谱图像检测方法研究

为了快速、无损检测出储藏玉米籽粒不同霉变状况,提升玉米收储环节质检效率,尝试利用高光谱成像技术结合机器学习算法构建玉米籽粒霉变等级分类模型。采集400～1 000 nm波段范围内玉米籽粒高光谱图像,以测定的真菌孢子数为依据,将籽粒霉变状态划分为健康、轻度霉变、中度霉变和重度霉变4个等级,采用随机蛙跳(RF)算法优选出7个光谱特征变量,针对特征波段图像,利用Tamura算法共提取出21个纹理特征变量,基于颜色矩阵提取出21个颜色特征变量。进一步结合支持向量机(SVM)、极限学习机(ELM)和偏最小二乘回归(PLSR)3种算法分别建立基于光谱、图像和图谱特征融合的玉米籽粒霉变等级分类模型。经分析比较,融合光谱和图像特征并结合ELM算法建立的分类模型用于玉米籽粒霉变等级识别效果最优,训练集和测试集分类准确率(Acc)分别为94.21%和93.86%,并将玉米籽粒霉变等级进行可视化表达。