虚拟现实中基于果蝇优化算法的碰撞检测

为了提高虚拟现实中碰撞检测的性能，采用包围盒和果蝇优化算法的二级碰撞检测，以优化碰撞检测精度。根据检测物体形状进行紧密率计算，选择最高紧密率包围盒进行物体包围，根据盒包围交叉空间完成一级碰撞检测；根据盒包围交叉空间对待检测物体进行特征提取，根据提取的特征构建果蝇种群，以待检测物体的同类特征距离的倒数作为果蝇群体的实物浓度适应度函数，通过果蝇算法迭代，选择最优适应度个体，即特征最小距离，根据最小特征距离实现物体的二级碰撞检测。试验表明，合理设置果蝇个体搜索步长，通过两级碰撞检测，可以获得较好的碰撞检测准确度。与虚拟现实中的常用碰撞检测技术相比，所提算法的碰撞检测精度高且耗时少。     

基于多重插补神经网络模型的减压病人危险率变化估计

针对238名宇航员减压病区间删失数据,应用多重插补法将区间Ⅱ型数据插补为右删失型数据,基于神经网络分段指数模型,分析了具有不同协变量的受试者危险率变化情况,同时绘制出不同群体的危险率变化曲线.结果表明,该模型可以较好地反映出危险率变化情况,而且相较于传统的统计分析方法更具灵活性.     

退税金额对报废汽车回收率的影响

通过分析国外报废车的回收体系及其相关措施，并根据我国在2009年对报废车回收进行补贴后所收到的成效，提出了在车主报废机动车的时候，支付车主一部分购车时候的税收对其进行补偿，并通过数学建模的方法对退税金额对报废汽车回收率的影响进行分析。     

利用流体历史分析技术研究渤海海域黄河口凹陷北部陡坡带油气成藏过程

基于流体历史分析技术的成藏过程反演对含油气系统的持续勘探具有重要意义。本文应用包裹体岩相学、均一温度、储层定量荧光等技术和方法,对渤海海域黄河口凹陷北部陡坡带沙河街组储层中的流体包裹体进行了深入研究,在此基础上,剖析了油水界面变迁,再结合生烃史和有机地球化学资料研究了北部陡坡带沙河街组储层的油气成藏史。结果显示,黄河口凹陷北部陡坡带具有2期源自沙河街组烃源岩的油气充注,第Ⅰ期充注时间为7 Ma,表现为褐色低熟的轻-中质单一液相烃类包裹体；第Ⅱ期开始于2Ma,沙河街组烃源岩大量生烃,表现为浅蓝色荧光的中质气液两相烃类包裹体,为主要成藏期。储层定量荧光样品QGF大多体现古油层荧光光谱特征,油藏规模较大,后期由于构造活动油藏泄漏,形成现今3885 m典型的油水界面。黄河口凹陷北部陡坡带的构造活动与烃源岩生排烃史的时间匹配决定了研究区两期充注,后期为主的成藏特点。新构造运动后期,古油藏规模减小,形成了现今油藏格局。     

艾叶配方颗粒的制备

为减少标准汤剂和配方颗粒制备过程中挥发油的损失,将挥发油与β-环糊精(β-CD)包合,以挥发油的包合率为评价指标,优化艾叶挥发油与β-CD的包合工艺,并采用气相色谱法测定包合率.通过指标成分桉油精和龙脑的含量测定及指纹图谱考查饮片、标准汤剂、配方颗粒的相关性.最终确定最佳包合条件,所得挥发油平均包合率为96.40%,建立了艾叶标准汤剂和配方颗粒的制备方法,制得的配方颗粒中桉油精的平均质量分数0.738 4 mg/g,转移率33.48%,龙脑的平均质量分数0.334 1 mg/g,转移率25.41%.所建立包合工艺和配方颗粒制备工艺稳定性高,重复性好,标准汤剂和配方颗粒在指标成分含量上具有较好的一致性,可为企业工业化生产提供理论参考.     

科技创新培育乡村振兴产业新动能 ——基于四川农村沼气工程的实践

产业发展离不开科学技术的支撑,本文以基于四川沼气工程的实践为切入点,分析在乡村振兴战略下四川省农村沼气工程发展的现状,总结出目前四川省农村沼气工程的瓶颈及乡村振兴战略下四川省农村沼气工程发展的机遇,提出大力推进四川省农村沼气产业供给侧结构性改革、完善相关沼气补贴政策以及扶持第三方沼气工程服务商发展等工程发展对策建议。     

现代林木育种关键核心技术研究现状与展望

良种是提升人工林生产力和增强其碳汇能力的重要基础。“林业种质资源培育与质量提升”是国家“十四五”重点研发任务之一。突破制约林木育种效率和遗传增益提升的瓶颈对于保障国家木材安全和实现“双碳”目标具有十分重要的战略意义。由于传统林木育种周期长、效率低、表型选择精度差,以分子育种为代表的现代育种技术可以显著缩短林木育种周期,精准改良目标性状,成为实现高效林木遗传改良的关键途径。笔者分析了限制林木遗传改良进程的主要问题,阐述了全基因组选择育种等现代林木育种关键核心技术的发展现状及应用情况,并对这些技术未来发展方向进行了展望,为加速林木遗传改良的重大技术创新提供参考。     

复杂背景下SAR图像近岸舰船目标检测

针对合成孔径雷达(synthetic aperture radar, SAR)图像近岸舰船目标易受背景杂波的影响, 造成SAR图像近岸舰船目标检测检测率低、虚警率和漏检率高的问题，提出一种适用于复杂背景下SAR图像近岸舰船目标检测的DFF-Yolov5(deformable feature fusion you only look once 5)算法。构建了一个专门用于SAR图像复杂背景近岸舰船目标检测的数据集, 基于Yolov5目标检测算法, 在特征提取网络中进行特征细化和多特征融合两个方面的改进。在特征提取网络中利用可变形卷积神经网络改变卷积对目标采样点的位置, 增强目标的特征提取能力, 提高复杂背景下SAR图像舰船目标的检测率。在多特征融合网络结构中采用级联和并列金字塔, 进行不同层级的特征融合。同时，使用空洞卷积扩大特征提取的视觉感受野, 增强网络对复杂背景近岸多尺度舰船目标的适应性, 降低复杂背景下SAR图像舰船目标检测的虚警率。通过在构建的复杂背景近岸舰船检测数据集上的测试实验, 结果表明: DFF-Yolov5的平均准确率为85.99%, 相比于原始的Yolov5, 所提方法平均准确率提高了5.09%, 精度提高了1.4%。