【摘 要】
：
以紫根水葫芦植株为试材,采用水培方式,研究了不同质量浓度镉梯度0(CK)、0.5、1.0、5.0、10.0 mg·L~(-1)和不同温度梯度28、24、20、16、10℃下紫根水葫芦生理响应机制,测定了抗氧化酶(POD、CAT)活性、叶绿素含量、丙二醛(MDA)含量以及根系活力。结果表明:不同质量浓度、温度和时间的镉胁迫下,植物上述指标表现出不同的变化规律,不同条件下紫根水葫芦对镉胁迫的耐受存在不
论文部分内容阅读
以紫根水葫芦植株为试材,采用水培方式,研究了不同质量浓度镉梯度0(CK)、0.5、1.0、5.0、10.0 mg·L~(-1)和不同温度梯度28、24、20、16、10℃下紫根水葫芦生理响应机制,测定了抗氧化酶(POD、CAT)活性、叶绿素含量、丙二醛(MDA)含量以及根系活力。结果表明:不同质量浓度、温度和时间的镉胁迫下,植物上述指标表现出不同的变化规律,不同条件下紫根水葫芦对镉胁迫的耐受存在不同的阈值。质量浓度为0.5 mg·L~(-1)时,随着胁迫时间的增加,紫根水葫芦叶片的CAT活性、POD
其他文献
Adventitious root(AR) formation from leafy stem cuttings is critical for breeding of many forest and horticultural species.In addition to the plant hormone auxin,wound-induced signaling caused by the
植物生长素是在植物体内合成的一类调控植物细胞和组织生长发育的植物激素,其定性、定量及原位测定技术一直是亟需解决的重要课题。本文对植物生长素定性、定量分析方法和技术的最新研究进展和应用现状进行了综述,详细总结了植物生长素主要检测技术的特点,并对生长素定性和定量分析技术进一步发展的相关问题进行了探讨。
嫁接(grafting)是一项基于植物再生能力开发的古老的农业技术,在农业生产中已成为一种重要和有效的植物选育种技术,然而对于嫁接结合处组织再生的了解才刚刚开始。嫁接再生过程包括伤口愈合、组织融合和维管再连接。近年来以模式植物拟南芥为材料对砧木和接穗愈合再生机理的研究取得了一定进展。本文对嫁接再生过程中再生信号的感知与启动、愈合处细胞的再生、维管束的再生与重新连接、以生长素为代表的植物激素以及糖在
2019年,国家电网有限公司(以下简称国网公司)首次提出了泛在电力物联网的概念,"三型两网"建设将成为未来数年内的重点工作。对于信息运维专业,大量数据的采集、交换和处理工作,在信息安全方面需要有更高的要求。那么,信息运维人员应当如何构建基于泛在电力物联网的信息安全机制,在此笔者谈几点个人的看法。
Dear editor,In recent years, the Perfect Half Million Beauty Product Image Recognition Challenge has been held by ACM Multi Media 2018 [1] for beauty product image retrieval task, and the Perfect-500K
钢管氩弧焊接过程中需要实时判断钨针针尖与钢管焊缝中心线是否对齐,以控制焊接质量。用肉眼判断误差较大,且效率较低。为此,提出一种基于聚类和特征检测的氩弧焊图像中焊缝中心线坐标和钨针针尖坐标位置计算方法。该方法利用幂次变换的方法增强图像对比度,用直觉模糊C均值聚类方法对图像进行二值化,用Canny算子边缘检测的方法提取图像特征,检测出钢管氩弧焊图像中的熔池、焊缝中心线以及钨针针尖位置。实验结果表明,该
基于深度学习在计算机视觉上优异的表现,采用深度学习模型对扫描电子显微镜(SEM)所获得的钢铁材料微观组织图片进行自动辨识。提出了适用于钢铁材料微观组织辨识的AlexNet、VggNet、GoogleNet、ResNet改进模型,比较了不同卷积神经网络模型在不同预处理方式下的图片辨识精度,针对从某国家重点实验室收集到的铁素体、珠光体、上贝氏体、下贝氏体、板条马氏体、片状马氏体等6类微观组织图像的数据
机器视觉的机器人伺服控制系统的设计,主要为了解决机器人在生产中的柔性化低的问题,从而进一步提升生产效率。本文控制系统由工控机、R-1000iA_100F机器人本体、IB30机器人控制器,视觉系统和真空吸盘夹手组成。采用高精度相机与相关算法处理图像,提高了工件的定位精度。此外,利用RobotInterface和PCinterface实现PC端与机器人通讯,解决了PC端与机器人通讯连接,实现了PC端与
分析实践C4D的各种功能的使用方法及其组合效果。并对C4D在虚拟动态效果方面的效果优势进行分析。
通过查阅文献,对国内外手势识别的现状进行了概括总结,在此基础之上提出了将手势识别与人工神经网相结合的方法,由于yolo v2在识别速度和识别精度上都优于yolo v1,故本课题选择yolov2目标识别算法来对手势进行识别。其次,在使用特征提取网络对原始图像做特征提取时,提出了改进的特征提取网络模型,提高了模型对目标定位的精准度,弥补了传统特征提取网络的缺陷。