佰家富app充值_佰家富app官方

乡村“守艺人”，巧手成就致富梦 ******

【一线讲述】

编者按

广袤山乡，有这样一群人：他们默默无闻，却靠着一双双巧手传承传统技艺、助力家乡发展。雕刻彩绘、造屋筑桥、器具制作、刺绣印染……有他们的地方，就有民俗风物之美，也有产业致富之路。他们，拥有一个朴实无华的名字——乡村工匠。

90后重庆小伙儿辜国强在组装花丝镶嵌作品“凤引九雏”。新华社发

在浙江湖州市八里店镇潞村，陶瓷艺人在瓷器上作画。新华社发

在日前召开的中央农村工作会议上，习近平总书记强调，“要坚持本土培养和外部引进相结合”“育好用好乡土人才”。此前，国家乡村振兴局、教育部等8部门联合印发的《关于推进乡村工匠培育工作的指导意见》，要求围绕巩固拓展脱贫攻坚成果、全面推进乡村振兴，挖掘培养一批乡村工匠，促进农民创业就业，为乡村全面振兴提供重要人才支撑。今天，让我们走近四位乡村工匠，观摩他们的“指尖绝活”，倾听他们的奋斗故事，感受他们传承技艺、惠泽一方的拳拳初心。

这里的琴声绕梁不息

讲述人：河南确山县农民制琴师王金堂

扛起锄头，我们是耕田种地的一把好手；拿起工具，我们是世界提琴制造业中响当当的“确山师傅”。全球90%以上的提琴来自中国，而中国提琴产量的40%左右，特别是中高档手工提琴产量的80%以上都出自我们确山人之手。

40多年前，16岁的我挤上火车一路向北，怀着“学门好手艺”的心气儿，去北京闯荡。几经周折，终于进了一家工艺美术厂当上临时工，跟着师傅学习制作工艺小提琴。一年后，老板看我笃实好学，就让我当上了车间负责人。后来，我又到一家提琴作坊当学徒。

提琴制作工艺复杂，有拼板、刮板、音孔音梁、刻头、装头、油漆、装配等多道工序，每道工序都要精益求精。比如，拼板时如果黏合不牢，就会影响后续每道工序；刮板的尺寸和弧度高低一定得精确，否则直接影响提琴音质。

经过两年多的学习、练手，我掌握了制琴的关键技术，也萌生了创业的念头。我白天打零工、卖煎饼，晚上继续钻研制琴，同时，动员在京打工的老乡一起干。1990年，我们终于和一家木材厂谈拢，合作办起了一家琴坊。打这以后，我的制琴生意越做越好，带出来的许多老乡也陆续建起了自己的琴坊。

“确山师傅”在北京干得风生水起，家乡一直很关注。不久后，确山县政府和在京确山籍老乡创办的提琴生产企业签了合作协议，我们整体迁入县产业集聚区“确山小提琴产业园”，为一个梦想而努力——把确山打造成全国知名的中高档提琴生产基地。

现如今，全县制琴及配套企业已经发展到144家，从业人员2600多人，产品包括小提琴、中提琴、大提琴、低音贝斯及配件等30多个系列、400多种型号，年产提琴约40万把，年产值6亿元左右，年出口创汇超过2000万美元。

从外出“打工潮”到返乡“创业潮”，我们认识到：要想产业长远发展，关键是不断壮大本土人才，让产业发展有源源不断的源头活水。

2020年1月，确山县手工提琴制作协会挂牌成立，吸纳了100多家会员，大家推选我担任协会会长。针对制琴人才短缺问题，我们制定了“5年计划”，划定了确山提琴行业标准，通过加强函授、培训，增强“确山琴师”的业务知识和文化素养。

我们这些“琴一代”，也有很多遗憾。几年前，在中国（上海）国际乐器展上，以色列乐器商人约瑟夫在他的摊位上用小提琴演奏《梁祝》，吸引了不少人驻足观望。现场有人请我也演奏一曲，我当时就蒙了，连连摆手：“我们只会制琴，不会拉琴。”现在，越来越多的“琴一代”让孩子学琴，县政府还出资聘请了专业提琴教师，在镇里和县里的中小学校开设提琴特色班。每年都有很多确山学子选择音乐类专业深造，学成后回乡支持提琴产业发展，让这座提琴小城充满了青春活力。

我们相信，确山的琴声定会悠扬致远、绕梁不息。

自贡彩灯，温暖千家万户

讲述人：四川自贡胡氏花灯传承人万玲

有华人的地方，就有灯会。近年来，自贡灯会被列入国家级非遗名录，成为中华文化“走出去”的一张闪亮名片。胡氏花灯，就是自贡彩灯大家庭中的一员。

四川自贡彩灯。光明日报记者周洪双摄/光明图片

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）