4种落叶松粗根碳氮磷含量及化学计量比的季节变化

以立地条件、林龄及经营措施相同的日本落叶松、长白落叶松、兴安落叶松、华北落叶松4种落叶松为研究对象，分析粗根碳、氮、磷含量及化学计量比的季节变化.结果表明：季节变化对各项指标的影响明显，除华北落叶松粗根碳氮比、长白落叶松有机碳含量季节间差异不显著外，其他指标季节间均存在显著差异.夏、秋季粗根有机碳含量、全氮含量、碳磷比、氮磷比显著高于春季，全磷含量、碳氮比显著低于春季，但夏季与秋季各项指标间差异均不显著.4种落叶松种间对比显示，日本落叶松比其他3种落叶松的碳、氮、磷含量具有更大的变异系数和极差，说明季节变化对日本落叶松生长的影响最大；日本落叶松氮磷比高，表明氮元素限制对其生长的影响最小.建议抚育过程中，在生长旺季对落叶松林，特别是长白落叶松和华北落叶松林施用氮肥，以促进林分生长.     

基于VR技术的设备拆装系统设计

为解决在虚拟环境中对设备拆装过程进行演示和虚拟操作的问题,设计构建基于虚拟现实技术的设备拆装实训系统,给出一种新的、简单、快捷的软件解决方案,即“模型文件+开发包”的方法。用3DMAX实现虚拟实训场景及其中虚拟设备的建模,用VC编程实现场景及模型的实时显示、特殊效果产生、人机交互控制等功能,最终实现虚拟的设备拆装实训系统设计。受训者的实际使用表明,该系统具有良好的交互性和较强的沉浸感,拆装过程逼真、高效、便捷,达到了设备拆装实训教学的训练目的,是对实物拆装实训的有益准备和补充。     

基于生成对抗网络的海马子区图像分割

海马子区体积很小且结构复杂,传统分割方法无法达到理想分割效果,为此引入生成对抗网络模型用于海马子区图像分割.该方法构建一个生成对抗网络模型,通过构建生成网络和对抗网络并对其进行交替对抗训练实现对脑部海马子区图像的像素级精确分割.实验选取美国旧金山CIND中心的32位实验者的脑部MRI图像进行海马子区分割测试,在定性和定量方面分别对比了所提方法基于稀疏表示与字典学习方法和传统CNN的分割结果.实验结果表明,该方法优于基于稀疏表示与字典学习和CNN方法,海马子区分割准确率有较大提升.该方法提升了海马子区的分割准确率,可用于大脑核磁图像中海马子区的分割,为诸多神经退行性疾病的临床诊断与治疗提供依据.