Ai视觉检测机器人是一款搭载了六轴工业机械臂、视觉人工智能和工业大模型的高科技设备，充分利用机械臂的多轴灵活运动、重复定位精度高等优势，主要用于复杂外形工业产品的缺陷检测，特别是汽车零配件、新能源、核电领域等高端制造、品控要求高的产品外观检测。

产品详细介绍 氨气气体检测管 比长式气体检测管原理及使用方法原理CO、CO2、H2S、O2、SO2、NH3等检测管的基本测定原理为线性比色法，即被测气体通过检定管与指示胶发生有色反应，形成变色层（变色柱），变色层的长度与被测气体的浓度成正比。2、主要技术参数（见附表）3、附件（每盒）①胶管一段；Φ3×5，长度20cm②小砂轮一片4、贮运条件本品应避光保存于阴凉干燥处，严禁日光照射，保存温度不超过40℃，玻璃制品，小心轻放。5、使用方法各种检定管均可与气体检定管用圆筒型正压式采样器等配套使用。于测定现场用空气冲洗采样器后，取一定体积的现场空气，把检定管两端切开，用短胶管将检定管的下端（浓度标尺有“0”的一端）连接在采样器（检定器）的出气口上，按规定时间匀速通过检定管，然后按检定管变色柱（或变色环）上端指示的数字，直接读取被测气体的百分浓度。   各种气体检测管主要技术参数表

西安交通大学口腔医院临床技能训练中心教学设备购置项目招标项目的潜在投标人应在西安市太白南路181号西部电子社区A座A区209标书发售室获取招标文件，并于2022年06月21日14点00分（北京时间）前递交投标文件。

 该研究是为期6年的单中心临床随机对照试验。何教授团队对广州市荔湾区50-70岁人群进行社区筛查，最终从11991名筛查对象中入选了889名临床试验受试者。所有受试者均达到预定的双眼可疑原发性房角关闭入选标准。对受试者双眼进行随机分组，其中一眼分配至激光虹膜周边切开，作为干预组，对侧眼不进行治疗，作为对照。进行激光治疗后，对受试者进行定期随访至72个月。眼压升高、发生前房角粘连或急性青光眼发作作为主要结局指标。研究发现在干预组，每1000眼×年中，主要结局指标发生率为4.19，而对照眼为7.97；风险比为0.53。其中，干预组出现19例主要结局指标，对照组出现36例主要结局指标；两组间具有统计学显著差异。       虽然临床试验证实预防性激光治疗可以降低47%的主要结局指标的发生，但是由于主要结局指标本身的发生率极低，而且都以不会马上引起视力损伤的前房角粘连为主，因此，对于通过社区筛查找到的闭角型青光眼“高危患者”，研究结果提示，不应广泛使用预防性激光治疗。这个临床实践的改变，可能会减少没有必要的手术治疗，降低卫生资源的投入。

应用领域/Apply Domain      煤炭、焦炭、矿石、炭黑、负极材料、原料沥青和固体生物质燃料等物质的水分、灰分、挥发分测定并计算其固定碳、氢含量和发热量，飞灰、炉渣中的可燃物含量分析；煅后石油焦的水分、灰分、挥发分分析；水泥的烧失量分析。  技术特点/Technical Features 1、流程规范、结果准确：水分、灰分、挥发分的测试流程、条件和结果均满足要求，不需要进行校正，可用于仲裁分析。 2、测试速度快：开机即可进行试验，采用多炉双天平结构，带有恒温干燥装置，水分、灰分、挥发分三个指标可任意组合测定或单独测定，同时测试24个试样的三项指标可在90分钟内完成。 3、自动化程度高：采用计算机实时通讯技术和自适应控制技术，将电子天平集成到仪器内部，结合自动称量机构，采用热重分析法，自动称样、自动送样、自动处理数据、结果计算、报表打印和存储等，实现无人值守。 4、操作简便：试验过程中无需取放坩埚盖、送样和取样，同时利用进口气缸自动控制水、灰部分上盖的开关，避免高温辐射和烫伤的危险。 5、控温准确：圆井形高温炉，温场分布均匀，优化的流程避免了流水线工作方式下频繁开启炉门造成温场扰动的现象，PID控温算法确保控制精度达到1℃。 6、采用隔热机构，确保内置天平工作环境稳定无干扰。 7、经典结构设计：称量和送样机构，提高称量和送样速度，缩短试验时间；没有“机械手”等滑轨平移装置，避免出现传送过程中掉坩埚、错位、摔坏坩埚等事故。 8、热天平称重技术：单一样盘，无需频繁地将样品在燃烧盘和称量盘之间来回移动，在同一气氛环境下用空白坩埚进行校正，避免流水线方式下坩埚温度不一致引起称量误差的问题；多种称量方式可选。 9、适应性强：不用依靠任何瓶装气体和空气压缩机来驱动和助燃。 符合标准 GB/T212-2008 《煤的工业分析方法》 GB/T30732-2014《煤的工业分析方法仪器法》 ASTM-D5142-2009  《煤和焦炭分析试样的工业分析方法——仪器法》 GB/T483-2007 《煤炭分析实验方法一般规定》 ISO 562-2010 《硬煤和焦炭——挥发分的测定方法》 ISO 1171-2010《固体矿物燃料——灰分测定》 GB/T28731-2012 《固体生物质燃料工业分析方法》 GB/T211-2017《煤中全水分的测定方法》 JB/T5520-91 《干燥箱技术条件》 GB/T2001-1991《焦炭工业分析测定方法》 DL/1030-2006《煤的工业分析自动仪器法》 MT/T1087-2008《煤的工业分析方法 仪器法》。 ASTMD7582-2012 《煤和焦炭工业分析标准测试方法热重法》 GB 18484-200 危险废物焚烧污染控制标准 CB 18485-2014 生活垃圾焚烧污染控制标准 CII 90-2002 生活垃圾焚烧处埋工程技术规范 技术参数/Technical Parameters 1、试样重量：0.5g～1.1g（可自定义） 2、工作温度：室温～1000℃ 3、控温精度：±2℃（水分）、±2.5℃（灰分、挥发分） 4、试样数量：水、灰部分1~20个            挥发分部分1~24个 5、测试温度：105℃（水分）、815℃（灰分）  、 900℃（挥发分） 6、测试数量/测试时间：1个工作日（8小时）可测量2批24个的工业分析全指标样 7、精密度：符合GB/T212-2008标准和ASTM D5142-2009标准要求 8、准确度：在标准样品的不确定度范围内 9、分析天平称量精度：0.0001g 10、电源：220V±22V、50HZ±1HZ 11、功率：水灰部分：4kW                挥发分部分：2.5kW 12、外型尺寸：620x530x760mm              550x580x510mm 13、重量：120kg 产品优势 1、水灰测试部分与挥发分测试部分独立控制，可同时并行测试，也可单独进行测试，放样完成后即可自动完成实验全过程，无需中途打开坩埚盖或更换坩埚；  2、设备正前方配备电子天平的外置显示屏，实时显示天平数据，便于样品的称量，提升工作效率。  3、经济、便捷。电动驱动水灰炉门自动打开，无需氧气。 4、独家实现90min可完成24个样品水分、灰分和挥发分的全指标分析。

DYT041 自循环明渠水力学多功能实验仪  一.实验目的 1.可进行堰流，水跃实验、消力池消能实验、消力坎消能实验、挑流消能实验等多项定量实验。 2.可演示薄壁堰、戽流、WES堰、直角进口宽顶堰、圆角进口宽顶堰、闸下出流等水流现象。 3.可测定堰流的流量系数、淹没系数、水跃的共轭水深等各项水力参数。 4.可测定底流消能和挑流消能有关参数，验证设计正确性。 5.通过实验加深对影响糙率因素的理解，绘制均匀流水深和糙率的关系曲线。 二.技术指标 1.工作环境：常温、常压，相对湿度：≤90%RH。 2.工作电源：电压AC220V±10%、50Hz，单相三线制，功率≤450w。 3.不锈钢框架实验台（38*38mm不锈钢方管、配脚轮均为万向轮带禁锢脚）。 4.装置外形尺寸：3170×450×1410mm。 5.设备配套3D虚拟仿真软件和智慧课程平台 （1）▲仿真实验模块通过在线首页的仿真课件模块进行下载使用，仿真实验采用PC端，进入实验系统后，可选择装 置介绍和仿真实验模块。 （2）▲装置介绍模块：基于实验设备的等比例三维仿真模型，可进行自主漫游、装置的文字、图片介绍、支持在三维模型上展示部件名称，点击部件时，展示相应部件的介绍参数包括：图片、视频等。 （3）▲在实验前支持进行仪器操作、实验安全、实验数据、实验现象等内容的交互认知学习功能。 （4）▲仿真实验具有实体实验完整的实验步骤、实验提醒、实验操作模拟等功能，支持在重点步骤或环节上展示实验现象与实验数据。 （5）▲当实验完成后，系统自动进行考核评价，并出具分数及实验报告。 （6）投标文件中提供以上软件每项▲功能的高清截图，以及U盘形式提供软件功能录屏，使评委能清晰看到以上每个参数内容，以验证智慧课程平台仿真功能，中标后采购人有权要求中标人提供软件进行参数演示。

随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析