【摘 要】
：
以4个品系软枣猕猴桃LD107、LD133、LD243、LD1214为试材,在花期分别对营养梢、结果梢进行摘心处理,研究不同摘心程度的效应。结果表明,花期新梢摘心处理能提高摘心梢翌年的
【机 构】
：
沈阳农业大学园艺学院,辽东学院农学院
论文部分内容阅读
以4个品系软枣猕猴桃LD107、LD133、LD243、LD1214为试材,在花期分别对营养梢、结果梢进行摘心处理,研究不同摘心程度的效应。结果表明,花期新梢摘心处理能提高摘心梢翌年的萌芽率及结果枝率,LD107、LD243、LD1214这3个品系的营养梢留30cm,结果梢留7叶摘心更有利于提高结果枝率,LD133品系营养梢留50cm,结果梢留3叶摘心更有利于形成结果枝;新梢摘心后形成的营养枝率无显著差异。
其他文献
针对严重的尺度变化和遮挡导致在不同密集场景人群计数任务中性能差的问题,在密集场景识别网络(CSRNet)的基础上通过增加多尺度特征融合结构并引入空间注意力机制,提出了一种多尺度空间注意力特征融合网络(MAFNet)。在MAFNet进行特征提取之前,需要对添加了人头标记的场景图进行高斯滤波生成真实密度图;此外,MAFNet还通过联合使用两种基本损失函数的方法来约束密度估计图与真实密度图的一致性。接着
考虑目前对具有透视畸变的高密度人群图像进行特征提取的局限性,提出了一种融合全局特征感知网络(GFPNet)和局部关联性特征感知网络(LAFPNet)的人群计数模型LMCNN。GFPNet是LMCNN的主干网络,将其输出的特征图进一步序列化并作为LAFPNet的输入,再利用循环神经网络(RNN)在时序维度上对局部关联性特征感知的特点将单一的空间静态特征映射到具有局部序列关联性特征的特征空间,从而有效
快速、可靠的手部姿态估计在人机交互等领域有着广泛的应用。为了解决光照强度变化、自身遮挡以及姿态变化幅度较大等情况对手部姿态估计的影响,提出了一种基于标签分布学习的深度网络结构。该网络将手部点云作为输入数据,首先通过最远点采样和定向边界框(OBB)对点云数据进行归一化处理,然后采用PointNet++提取手部点云数据特征。为了应对点云数据与手部关节点之间的高度非线性关系,通过标签分布学习网络预测手部