简介:摘要:本文基于机器视觉识别技术识别杂草与作物根茎,将杂草等对耕深测量的影响进行量化处理,使用激光测距仪进行田地测试,实验结果表明耕深测量会因为杂草的影响而偏大 4-5mm。 Kalman滤波能够缩小测量范围,减小耕深测量标准差。通过 Kalman滤波编写相应程序,应用机器视觉技术,及时修正由于杂草等对耕深测量的影响,有利于进一步提高耕深的测量精度,对精准农业工程具有重要意义。
简介:在澳大利亚,TAFE是技术与继续教育(TechnicalandFurtherEducation)的简称,是倡导“以就业为导向”的职业人才培养模式的典范。TAFE课程模式的指导思想是“以能力为本位”(CompetencyBasedEducation,简称CBE)的教育质量观。这一课程体系以培养学生的实际能力为基础,强调实践教学环节,要求将理论讲授与实践操作结合起来。课程设计的基本流程是,首先确定能力标准,再根据工作或生产流程选取教学内容,然后让学生通过实践活动掌握相关知识,最后对学生进行能力鉴定。这种课程设计理念与我国教育部提出的高职教育应“大力推行工学结合、校企合作的培养模式”的指导思想十分吻合。