由于传统的视觉里程计(VO)存在实现过程繁琐、计算复杂等问题,提出了一种基于改进双流网络结构的VO。所提VO使用双流卷积神经网络结构,能够将RGB图像、深度图像同时馈入模型进行训练,并采用Inception网络结构对卷积层进行改进,减少参数数量。同时,在卷积层中加入注意力机制,提升网络对图像特征的辨识度和系统的鲁棒性。为了评估所提模型,在KITTI数据集上进行了模型的训练与测试,并与VISO2-M、VISO2-S和SfMLearner进行对比。结果表明,相较于同样使用单目相机的VISO2-M和SfMLearner,所提模型在旋转误差和平移误差方面取得了较大的改善,可与使用双目相机的VISO2-S相媲美。

鉴于可见光屏幕通信具有抗干扰能力强、不占用频谱资源和链路部署简单易于交互等特点，设计了基于卷积神经网络(CNN)的可见光屏幕通信系统。重点阐述了帧结构的定义、接收单元CNN模块的引入以及解析机制的设计。帧结构的定义确保了整个系统的可靠性，丰富了屏幕通信传输内容的多样性；CNN模块的引入使接收单元可以自动识别屏幕发送的内容，不依赖传统的定位检测图形，提高了智能化和信息携带量；两种解析机制的设计提高了屏幕通信的普适性。实验系统实现了96.4%的识别成功率，达到实时150 kbit/s和非实时300 kbit/s的通信速率，可以传输文本、图片和音频等类型的文件。

锌镉超累积植物遏蓝菜(Thlaspi caerulescens)是重要的重金属污染土壤修复植物， 但环境Zn浓度是否会影响该植物对其他元素的吸收， 进而影响土壤养分的平衡， 此前并不清楚。 研究采用可同时测量多种元素的ICP-AES技术， 分析高、 中、 低Zn浓度（5， 50和500　μmol·L-1）多元素营养液培养的遏蓝菜中Zn, Cd, K, P, Mg, Ca, Fe, Mn, Cu等元素的计量变化特征。 结果显示， 随着Zn供给浓度的升高， 遏蓝菜根和茎叶的Zn含量都显著增加, 高Zn培养的遏蓝菜茎叶和根的Zn含量比低Zn培养条件分别增加12和19倍； 但植物茎叶中其他八种元素的含量均无显著变化, 即在应用遏蓝菜修复Zn污染的土壤时， 不会造成K, P, Mg, Ca, Fe, Mn, Cu元素从土壤中被植物过量带走而出现养分失衡。