基于YOLOv5网络的轮胎面缺陷检测分析

当前时有发生因轮胎面缺陷导致汽车在行驶中发生严重的交通事故,轮胎面缺陷智能检测对避免这类交通事故的发生具有重要意义。深度学习技术被越来越多地用于目标检测领域,文章基于卷积神经网络模型YOLOv5提出一种轮胎面缺陷智能检测方法。首先建立具有4种轮胎面缺陷特征的数据集,然后通过YOLOv5网络训练数据集,最后用训练好的网络模型在测试集上检测。实验结果显示,在检测轮胎面缺陷任务中,YOLOv5网络模型的平均检测精度（mAP）达到65.4%,检测速度可达到38FPS,相较于YOLOv4网络模型与Faster-RCNN网络模型分别提高约4.1%与31.6%。对进一步研究更有效的轮胎面缺陷智能检测方法提供了参考。     

浅析目标检测算法及其在自动驾驶场景中的应用

基于深度学习的目标检测算法在自动驾驶领域的比重日益上升。文章首先介绍了基于深度学习的卷积神经网络和目标检测算法的发展过程,其中简要介绍了几种经典卷积神经网络模型的结构特点;然后详细介绍了以R-CNN系列为代表的基于候选框的two-stage算法和以YOLO系列为代表的基于回归的one-stage算法,简要介绍了这两大类算法各自的结构和优缺点,最后总结了目标检测算法在自动驾驶场景中应用时比较常用的几种优化方法和研究趋势。     

基于双向特征融合的交通标志识别

为了进一步提高交通标志识别的检测精度,文章提出了一种改进的YOLO深度学习网络。其采用双向特征融合网络,引入较少的参数来实现更多的特征融合,并基于中国交通标志数据集计算瞄点框。通过与基准网络进行对比,结果显示,深度学习网络的检测性能更优,从而验证了改进网络的有效性。     

泛在学习视域下高职公共英语翻转课堂教学模式的构建与实践研究

本研究针对高职院校公共英语教学存在的共性问题,通过对泛在学习与翻转课堂的关联性探讨,构建了高职公共英语课程的翻转课堂教学模式,并进行实践研究与教学效果分析。实践表明,在泛在学习环境下,翻转课堂教学模式能弥补公共英语课程因课时减少带来的不足,并能提高高职公共英语课程的教学效果和教学质量。     

职业学校汽车钣金专业对混合式学习的新需求

国民经济不断发展,汽车保有量增加,对汽车售后钣金专业人才需求量不停增长,这需要职业学校为行业提供高质量的专业人才。同时科学技术迅猛发展,国外混合式学习在国内得以迅速推广。基于网络教学资源构建的混合式学习弥补了传统课堂教学的不足,提升了教学质量。有的汽车企业为了提高贴合实际的生产需求,提升员工专业技能,建立了混合式学习教学资源。在此大环境下,如何利用现有资源进行混合式学习,让学生从学校到岗位无缝衔接,这需要我们深入探究本专业对混合式学习的新需求。     

基于云班课的积极教学法教学模式的应用研究——以《驱动电机及其控制技术》课程为例

随着信息化教学模式的不断更新,针对传统教学模式的弊端,依托云班课平台及积极教学法,以1+X证书能力为背景,阐述了《驱动电机及其控制技术》课程的教学方案,并对其实施的特色进行分析探究,“学、练、思、评、拓”的探究与解决问题,使课堂学习成效显著于其他教学方式,提升了学生自主学习及探究能力,培养了学生团结协作,创新创业能力。     

大型建设工程项目团队内部个人知识学习策略研究

探讨大型建设工程项目团队内部个人知识学习策略对学习效果的影响,为团队内部学习机制设计和知识管理提供理论支撑及有效指导。基于复杂自适应系统的刺激-反应理论,从大型建设工程项目团队内部个人学习视角,把团队成员个人学习过程内嵌于工程项目团队任务的背景下,构建大型建设工程项目团队内部知识学习多主体仿真模型。通过仿真实验分析发现动态条件下,团队任务绩效、团队知识水平与团队各层级成员的个人学习策略相关,得到大型建设工程项目团队各层级成员个人学习的最优策略,使各层级成员之间形成良性互动,提高团队学习效率。研究结果表明：团队高层成员初期应减少与团队建设任务相关的内部学习,以营造团队宽容的学习氛围为主,随着项目建设任务逐渐完成,高层成员应及时采取均衡学习策略提高自身知识水平,同时示范带动其他成员学习,促进知识在团队内的留存和传播;中层成员应较积极地向高层成员学习并在团队内分享知识;基层成员应从便捷、高效的角度出发,较积极地向其他经验丰富、知识范围广的基层成员和中层成员学习。