飞行中的苍蝇是根据什么分辨上下的

简介:


黑暗中,一只苍蝇的腿被悬吊在开放空间的高处。它被挂在一个空箱子的顶上,一个电磁铁吸住它背部粘着的别针。当电磁铁关闭时,苍蝇就开始自由落体。

然后呢,它会振翅飞行。毕竟飞行是苍蝇的老本行。生物学家Stéphane Viollet是这么想的。

通过观察食蚜蝇翻筋斗,他试图了解苍蝇如何旋转自己的身体和它们是否有内部的重力感官。对于在空气中对抗重力歪歪扭扭飞行的昆虫们来说,认清哪边是上时很重要的。问题在于,它们是怎么认清的呢?

现在,根据他们的最新实验,Viollet及其同事可能已经发现了食蚜蝇的答案:主要依赖视觉。

这与人类及大多数其他脊椎动物在内耳中有感受重力的内部加速度传感器不同。例如,人类耳朵中有三个充满液体的小腔室,一旦感受到加速度就会移动。腔室中的纤毛检测到晃动并向大脑发出信号,使你能维持方向。

但飞行昆虫的奥秘尚未被完全认识。“对许多昆虫来说这依然是个问题,因为昆虫没有内耳,”Viollet说道。

有研究表明蟑螂能用背部的微型器官当作钟摆来旋转自己。但Viollet说,昆虫能否在飞行中感受重力仍不清楚。如果苍蝇能追踪重力,它应该能检测到突然下坠并迅速起飞。



出人意料的是,在黑暗环境中,苍蝇无法旋转自己,持续下落了超过一英尺直到撞在箱子底部。(别担心,苍蝇身轻如燕,没那么容易受伤。)


“真的是万万没想到,”Viollet说道。70%的实验时间里苍蝇都重复了上述的坠地。

开灯后,在白色箱子里,仅有30%的苍蝇坠地。在有条纹的箱子里,只有10%的苍蝇坠地。并且苍蝇相比于黑暗箱子里更快开始振翅。似乎视觉不仅对旋转必不可少,而且也决定了做出反应的时间。

Journal of Experimental Biology于8月发表了这一研究,Viollet认为该发现可能也适用于其他飞行昆虫。

 原文发布时间为:2016-09-10

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
编解码 数据挖掘 Windows
Office 2021 for Windows 简体中文 官网下载地址
Microsoft Office 2021 Pro Plus专业增强版包括对Word、Excel、PowerPoint、Outlook、OneNote、Publisher、Access、Teams的更新。
2301 0
|
10月前
|
安全 JavaScript 编译器
TypeScript 泛型:解锁灵活且安全的代码重用
TypeScript 泛型:解锁灵活且安全的代码重用
|
4月前
|
存储 弹性计算 人工智能
2026年最新阿里云无影云电脑收费价格:企业版、个人版及免费版配置收费清单
阿里云无影云电脑2026年升级配置与计费体系,覆盖企业版、个人版及免费试用。企业版分四类,支持灵活时长包与高性能图形工作站;个人版推五档核时套餐,适配办公与游戏;新用户可享免费试用。按需选择,降本增效。
|
异构计算 内存技术
FPGA进阶(1):基于SPI协议的Flash驱动控制(一)
FPGA进阶(1):基于SPI协议的Flash驱动控制(一)
907 0
|
机器学习/深度学习 计算机视觉
YOLOv11改进策略【卷积层】| CVPR-2023 SCConv 空间和通道重建卷积:即插即用,减少冗余计算并提升特征学习
YOLOv11改进策略【卷积层】| CVPR-2023 SCConv 空间和通道重建卷积:即插即用,减少冗余计算并提升特征学习
419 0
YOLOv11改进策略【卷积层】| CVPR-2023 SCConv 空间和通道重建卷积:即插即用,减少冗余计算并提升特征学习
|
数据可视化 调度 项目管理
想和团队用板栗看板协作?入门教程
团队协作的效率直接影响工作成果。看板工具通过设置工作流程、协作与反馈、跟踪进度及高效管理等步骤,可快速上手,提升团队协作水平。
458 1
想和团队用板栗看板协作?入门教程
|
canal 消息中间件 关系型数据库
【分布式技术专题】「分布式技术架构」MySQL数据同步到Elasticsearch之N种方案解析,实现高效数据同步
【分布式技术专题】「分布式技术架构」MySQL数据同步到Elasticsearch之N种方案解析,实现高效数据同步
893 0
|
存储 关系型数据库 MySQL
MySQL主从同步如何保证数据一致性?
MySQL主从同步如何保证数据一致性?
1187 0
MySQL主从同步如何保证数据一致性?
|
域名解析 网络协议 网络架构
XBox提升下载速度的方法
XBox提升下载速度的方法
1985 1
|
机器学习/深度学习 人工智能 算法
食物识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
食物识别系统采用TensorFlow的ResNet50模型,训练了包含11类食物的数据集,生成高精度H5模型。系统整合Django框架,提供网页平台,用户可上传图片进行食物识别。效果图片展示成功识别各类食物。[查看演示视频、代码及安装指南](https://www.yuque.com/ziwu/yygu3z/yhd6a7vai4o9iuys?singleDoc#)。项目利用深度学习的卷积神经网络(CNN),其局部感受野和权重共享机制适于图像识别,广泛应用于医疗图像分析等领域。示例代码展示了一个使用TensorFlow训练的简单CNN模型,用于MNIST手写数字识别。
670 3

热门文章

最新文章