【摘 要】
：
为了解珍稀濒危植物中华双扇蕨(Dipteris chinensis)濒危原因，研究了温度和湿度对其孢子萌发的影响。结果表明，中华双扇蕨孢子萌发能力较强，萌发方式为Vittaria型，配子体萌发为Marattia型。中华双扇蕨孢子繁殖不受温度影响，而湿度显著影响孢子繁殖过程，湿润环境中孢子正常萌发，并形成心形配子体，顺利长出幼孢子体；而干旱环境下孢子难以萌发，配子体形态不规则发育，褶皱增加。中华双扇
论文部分内容阅读
为了解珍稀濒危植物中华双扇蕨(Dipteris chinensis)濒危原因，研究了温度和湿度对其孢子萌发的影响。结果表明，中华双扇蕨孢子萌发能力较强，萌发方式为Vittaria型，配子体萌发为Marattia型。中华双扇蕨孢子繁殖不受温度影响，而湿度显著影响孢子繁殖过程，湿润环境中孢子正常萌发，并形成心形配子体，顺利长出幼孢子体；而干旱环境下孢子难以萌发，配子体形态不规则发育，褶皱增加。中华双扇蕨在不适环境下孢子繁殖存在障碍，可能是导致其野生种群及数量下降的原因之一，对这类珍稀濒危植物的就地和迁地
其他文献
为有效利用机器视觉技术实现对电力作业人员穿戴规范进行准确识别，减少安全事故的发生，构建一种基于姿态感知的穿戴规范识别复合残差网络。该复合网络首先将VGG与STA模块引入残差网络中，构建高性能的ResNeXt50基础网络模块。对ResNeXt50网络不同层次的残差特征图进行聚合与解码处理，实现对人体姿态的估计与关键区域的定位。将CBAM模块集成到ResNeXt50网络相邻卷积层之间，以提高目标特征的
行人外观属性是区分行人差异的重要语义信息。行人属性识别在智能视频监控中有着至关重要的作用，可以帮助我们对目标行人进行快速的筛选和检索。在行人重识别任务中，可以利用属性信息得到精细的特征表达，从而提升行人重识别的效果。文中尝试将行人属性识别与行人重识别相结合，寻找一种提高行人重识别性能的方法，进而提出了一种基于特征定位与融合的行人重识别框架。首先，利用多任务学习的方法将行人重识别与属性识别结合起来，
考虑到高光谱图像训练样本数量有限以及光谱维度高对分类精度的影响，本文提出了结合动态卷积和三重注意力机制（Triplet Attention）的高光谱分类方法。该方法首先采用主成分分析去除光谱冗余，然后输入改进的残差网络中。其次，在残差网络中引入动态卷积，利用动态卷积核提取深度精细化特征，并利用Triplet Attention模型实现跨维度信息交互，关注更重要的高光谱空谱特征，降低无用信息的影响。
目标跟踪作为计算机视觉领域的关键课题，广泛应用在智能视频监控等领域。随着深度学习的迅速发展，基于孪生神经网络的跟踪算法（简称为孪生跟踪算法）因其速度和精度的平衡优势成为了主流算法。尽管已有大量研究，但仍缺乏从跟踪框架层面对孪生跟踪算法进行系统分析。为了梳理目前孪生跟踪算法的研究进展，首先介绍了孪生跟踪算法的常见挑战、主要组成、跟踪流程、常用数据集和评价指标；其次按照对跟踪框架的改进方向分为改进特征
混凝土路面的裂缝检测是确保道路安全的重要基础任务。针对混凝土路面的复杂背景和裂缝本身复杂的拓扑结构，提出了一种基于空洞卷积和多特征融合的混凝土路面裂缝检测网络，该网络采用基于U-Net的编码-解码结构。在编码阶段，使用改进的残差网络Res2Net提高特征提取能力；在网络的中间部分，使用串联和并联相结合的不同空洞率的空洞卷积，从而在增加特征点的感受野的同时并不会减小特征图的分辨率；在解码阶段，融合了
自动线稿上色近年来已成为计算机视觉领域的研究热点之一。现有方法旨在通过改进网络架构或图像生成流程来提升上色的质量，但生成结果多存在色相集中、饱和度明度分布不合理等现象。为此，提出一种结合绘画先验的线稿上色方法，该方法受插画师上色过程的启发，学习其广泛使用的绘画先验知识（如色相变化、饱和度对比和明暗对比）来提升自动线稿上色的质量。具体来讲，该方法在HSV色彩空间上增加了像素级损失，引导网络生成异常纹
针对嫦娥五号着陆上升组合体月面无人自动采样任务中面临的热控难题，提出一种轻量化泵驱单相流体回路热总线及设计方法，通过热总线将结构板式固定辐射散热面、消耗型散热装置高温水升华器构建为一套组合式热沉，实现了探测器组合体能量的一体化调度管理与在轨分离重构，热总线系统干重15kg，占热控系统重量比例20%以下。在轨飞行结果表明：轻量化泵驱单相流体回路热总线工作正常，管路沿程温差小于7℃，热排散能力达30W
ROP（Rho-realted GTPases from plants）蛋白是植物特有的一类小G蛋白（Small G protein），在植物信号转导方面起着重要作用，可以调控植物生长发育及逆境响应。综述了ROP蛋白的结构，在植物花粉管、根毛生长发育中的作用，在植物抵御低温、干旱、高盐、病虫害中的作用，并对今后的研究方向进行了展望，以期为ROP蛋白在植物育种中的应用提供理论依据。
在图像采集过程中，由于拍摄对象运动或相机自身运动造成的图像模糊对于后续的高级视觉任务会产生很不利的影响。针对当前深度学习图像去模糊方法不能兼顾去模糊效果和效率的问题，本文提出了一种多尺度循环注意力网络，使用深度可分离卷积降低参数量，改进注意力模块合理分配计算资源，对卷积层进行密集型连接提高参数利用效率，引入边缘损失提升生成图像边缘细节信息。经过实验验证，所提方法具有良好的泛化性能和鲁棒性，在Lai
由于低小慢目标强机动性、易畸变等特点导致对其跟踪定位误差大、精确度低，本文针对这一难题提出了一种基于多特征融合与区域生长的Meanshift低小慢目标跟踪算法。首先根据人工标定的目标初始位置截取ROI（region of interest）区域，提取ROI区域的灰度直方图以及HOG（梯度方向直方图）特征，融合两特征建立目标的二维描述模板，然后结合目标模板与候选模板之间的Bhattacharyya相