该成果先后获得神农中华农业科技奖三等奖和农业部丰收奖一等奖。该技术完善了弱筋小麦“足穗稳粒增重”栽培途径， “适期早播、 半精量播种、 适量减氮、 氮肥前移、 适时化控”等量质协调栽培技术体系， 制定了实用性好、 可操作性强的弱筋小麦量质协调栽培技术规程和明白图；多途径进行弱筋小麦量质协调栽培技术的推广应用，建立了五种不同形式的产业化模式。

简单、实用，低成本实验仪器做前沿物理学研究。

成果描述：本实用新型公开了一种自动监测出口区域人群密度装置,包括电源模块,还包括进行数字信号采集的传感器模块、与传感器模块输出端连接并进行数字信号转换的信号转换模块、与信号转换模块输出端连接的控制模块以及与控制模块输出端连接并用于进行预警的声光模块,所述电源模块分别与传感器模块、信号转换模块、控制模块以及声光模块电连接；其工作流程包括以下步骤：数字信号采集；数字信号转换；数字信号计算；预警。与现有技术相比,本实用新型能够有效的避免某一出口过度用拥挤而造成不要的伤亡,能够有效的通过声光提示信号对出口区域的人群进行分流疏导,提高疏散效率。市场前景分析：与现有技术相比,本实用新型能够有效的避免某一出口过度用拥挤而造成不要的伤亡,能够有效的通过声光提示信号对出口区域的人群进行分流疏导,提高疏散效率。与同类成果相比的优势分析：国内领先

针对我国稻米加工产品结构单一，行业效益微利，产品目标人群细分不明晰，产业链延伸不足等突出问题，以推进供给侧结构性改革、全面实施“健康中国 2030”战略为目标，聚焦不同阶段、不同人群需求的功能性米制品精准研发。基于米制品基础数据库，结合智能化 AI 等技术，突破不同人群营养复配、食味提升、淀粉缓慢消化及葡萄糖缓释多维控糖、精准回生调控等关键技术，定制开发儿童营养米、孕妇妈妈米、低 GI 米及制品、不同类别米制品（炒饭类、粥米类）专用产品。实现稻米的营养高效利用,推进我国传统米制品行业转型升级。

XM-315手肌附主要血管神经模型   XM-315手肌附主要血管神经模型由手肌、掌腱膜、鱼际、小鱼际和蚓状肌等7个部件组成，显示手肌分层、手骨、韧带、肌腱及其主要血管神经等结构，共有71个部位数字指示标志及对应文字说明。 尺寸：自然大，22.5×13.5×5.5cm 材质：PVC材料

研究方向：机器人技术、肌电假手、康复机器人、机器人视觉、家庭 服务机器人、人体技能分析。 项目简介： 肌电假手的主要特点是手指灵活、手腕可动、稳定识别、 电刺 激反馈感觉、 成本低廉、自主知识产权。 项目特色： 物理支持：机械手臂，识别工件并搬运工件，抓取工件并根据作 业步骤改变工件位置；支持工人作业，降低工人体力消耗，提高生产 效率。 模拟仿真：使用 ROBOGUIDE 和 OpenGL 建立模拟系统，优化 机械手臂运动轨迹，模拟人机碰撞，缩短设计周期，降低设计成本。

肌电假手的主要特点是手指灵活、手腕可动、稳定识别、 电刺激反馈感觉、 成本低廉、自主知识产权。肌电假手技术的应用•     肌电信号识别技术Ø 与三维动作分析仪相结合分析人体运动技能Ø 与机械相结合研制助力装置：如外骨骼机器人、老年人助力机器人Ø 与虚拟现实相结合开发肌肉控制装置：如游戏控制器•&nbs

产品详细介绍肌电信号分析肌电信号(Electromyogram)简称EMG，反映神经肌肉兴奋性，评估神经与肌肉的功能状态。可用于肌肉工作的工效学分析、安全操作姿态分析、康复状态功能评价、疲劳识别以及肌电假肢控制等动作模式研究等。ErgoLAB肌电分析软件自动对原始数据进行滤波降噪处理，根据MVC进行数据归一化与统计分析。时域分析包括原始数据、处理数据、归一化数据的Mean、Max、Min、SD、Variance、RMS、Mean Absolute Value、iEMG等指标；频域分析的中值频率、均值频率、可视化频谱图，系统支持自动识别周期性动态用力分析。EMG高级数据处理分析模块可以结合人机环境同步平台和生理记录系统采集到与EMG指标相关的生理信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出可视化分析报告。技术要求1、信号处理模块信号滤波方法包括小波降噪（Wavelet Filter）、高通滤波(High Pass)、低通滤波(Low Pass)、带阻滤波（Band Stop）用以滤除噪音干扰，从而得到有用的EMG信号。肌电整流(Rectification)，包括三种方法EMG包络线（Envelope）、滑动均值滤波（Moving Average）、滑动均方根滤波（Moving RMS），可自定义分析窗口长度。EMG信号归一化处理：自定义MVC（Maximum Voluntary Contraction），计算Normalization EMG数据。Cycle Analysis周期性分析。系统对周期性用力的肌电数据进行自动化的识别与统计分析。自定义激活阈值（Activation threshold(%)）、用力的最小持续时间（Minimum duration(ms)）、动态用力的最小时间间隔（Minimum interval(ms)）参数，进行自动处理。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析模块包括时域分析和频域分析以及周期用力分析，二者可实现自由切换。A.   时域分析将肌电信号看作时间的函数，通过分析得到肌电信号的某些统计特征。统计分析指标包括：处理数据、整流数据、归一化数据的均值（Mean）、中值（Median）、标准差（STD）、最大值/最小值（Max/Min）、方差（Variance）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电（iEMG）。B.   频域分析运用参数模型法和直接快速傅里叶变化将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析。从功率谱密度中确定肌电信号的频带，不同频带可自定义，将在功率谱分析图中以不同的颜色区分。具体包括中值频率、均值频率及频谱图。C. 周期用力分析，自动识别周期性用力片段，具体的指标包括：周期的开始时间（Start Time）、周期的结束时间（End Time）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电值（iEMG）、中值频率（Median Frequency）、均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、归一化数据（Normalized）、PSD数据以及整体结果报告。

产品详细介绍