本试验于2023年5月、7月、9月对天津市静海区一南美白对虾养殖池塘进行浮游植物群落结构及多样性指数的分析与研究,结果表明:监测到的种类分属硅藻门、绿藻门、隐藻门、蓝藻门,共23种,其中硅藻门6种,绿藻门12种,隐藻门2种,蓝藻门3种。...本试验于2023年5月、7月、9月对天津市静海区一南美白对虾养殖池塘进行浮游植物群落结构及多样性指数的分析与研究,结果表明:监测到的种类分属硅藻门、绿藻门、隐藻门、蓝藻门,共23种,其中硅藻门6种,绿藻门12种,隐藻门2种,蓝藻门3种。浮游植物平均密度为3297.60×10^(4)cell/L,平均生物量为26.01 mg/L;浮游植物Shannon index H 2'均值为2.236,Margalef index d均值为3.264,Pielou evenness index J均值为0.545。Margalef丰富度指数法结果表明,本研究水质处于轻污阶段,建议依靠物理、化学、生物等方法对生态系统进行调整,增强系统自身对环境变化的承受能力与调节能力。展开更多
随着计算机视觉技术的不断迭代和发展,以计算机视觉技术为核心的智能应用和设备逐渐在人们的日常生活和工作中扮演越来越重要的角色。其中,基于视觉的同步定位与建图技术(Simultaneous Localization and Mapping,SLAM)在机器人、无人机...随着计算机视觉技术的不断迭代和发展,以计算机视觉技术为核心的智能应用和设备逐渐在人们的日常生活和工作中扮演越来越重要的角色。其中,基于视觉的同步定位与建图技术(Simultaneous Localization and Mapping,SLAM)在机器人、无人机、自动驾驶等领域中被广泛应用,上述领域需要视觉SLAM技术为其提供精准的定位信息,以实现其精确建图和自主导航功能。然而,由于视觉SLAM算法本身的特性,计算量极大,数据依赖性极高,导致其在传统的硬件平台(CPU或GPU)上运行时,难以满足前述边缘端应用场景对实时性和低功耗的需求,成为限制视觉SLAM技术被广泛应用的关键因素。为了解决这一问题,本文基于算法与硬件协同设计的优化策略,针对ORB特征提取和匹配算法提出了一种面向视觉SLAM的高能效专用加速器,通过多种硬件设计技术提高计算性能和能效,包括基于数据依赖关系解耦的多层次并行计算技术、基于多尺寸存储桶的数据存储技术和像素级对称-轻量化描述子生成和方向计算策略。提出的视觉SLAM加速器在Xilinx ZCU104上进行了测试和验证。与ORB SLAM2的算法精度对比,本加速器的精度在5%以内,帧率提升至108 fps,与同期其他硬件加速器相比,查找表使用降低了32.7%,FF使用降低了41.17%,同时帧率提升了1.4倍和0.74倍。展开更多
文摘本试验于2023年5月、7月、9月对天津市静海区一南美白对虾养殖池塘进行浮游植物群落结构及多样性指数的分析与研究,结果表明:监测到的种类分属硅藻门、绿藻门、隐藻门、蓝藻门,共23种,其中硅藻门6种,绿藻门12种,隐藻门2种,蓝藻门3种。浮游植物平均密度为3297.60×10^(4)cell/L,平均生物量为26.01 mg/L;浮游植物Shannon index H 2'均值为2.236,Margalef index d均值为3.264,Pielou evenness index J均值为0.545。Margalef丰富度指数法结果表明,本研究水质处于轻污阶段,建议依靠物理、化学、生物等方法对生态系统进行调整,增强系统自身对环境变化的承受能力与调节能力。