一、产品简介： YD-355AT全自动组织切片机结构新颖、功能先进、性能卓越，传动进给皆由电脑程序精确控制，可快速切换手动或电动切片。特别是可随意控制速度的电动切片，运转动作由精密伺服电机驱动，达到异常平稳流畅的切片效果，使一些硬组织或某些难切的标本也可以轻松完成，同时操作者可解放出双手用于取片，简化了切片工作的技术难度，极大地减轻了操作者劳动强度，显著提高工作效率和经济。             二、技术参数： ☆(1)主机内置触摸主菜单控制显示面板及外置手动控制盒，独特便捷、方便操作。触摸屏中英文菜单控制切片厚度、修片厚度、切片记数及快进，快退和转换功能. ☆(2)可快速切换的手摇和脚动自动开关控制及全自动切片模式（三种切片模式） ☆(3)自动模式下具备无极调速，从而满足不同切片要求，具有紧急停止功能。 (4)切片模式和修片模式的任意转换.红色护杆覆盖刀片全长并配有保护使用者安全的卸片装置，确保使用者不会被刀片划伤。刀架左右移动功能确保刀锋全长使用,更好的利用刀片避免浪费。 ☆(5)行程限位报警、驱动过载保护、自动休眠保护。 ☆(6)手轮可以在任意位置锁定、手轮柄在最高点有自动感应锁定装置，更换蜡块时无需再锁定手轮； (7)0位指示的精准定位系统。 (8)切片厚度调节范围0.5~100µm： 0.5~2 µm厚度值以0.5 µm递增（0.5、1、1.5、2）；2~10 µm厚度值以1 µm递增（2、3、4................10）； 10~20 µm厚度值以2 µm递增（10、12、14........20）；20~100 µm厚度值以5 µm递增（20、25、30..100）； (9)修片厚度调节范围1~999 µm。（可调）       1~10µm厚度值以1µm递增（1、2、3...10）；10~20 µm厚度值以2 µm递增（10、12、14................20）； 20~100µm厚度值以10µm递增（20、30、40........100）；100~600µm厚度值以50µm递增（100、150..600）； 600~999µm厚度值以100µm递增（600、700.. 999）； (10)样品最大水平行程20/28mm可定制，样品最大垂直行程60/70mm可定制 (11)切片精度：±1%。  最大切片截面：50×70mm （可配置超大蜡块夹） (12)快速进退速度1 mm/s。 样本自动进给，自动回缩：12um (13)样品头精确定位.水平8° 垂直8° ☆(14)样本夹可360°任意旋转固定，方便不同的切片要求。. ☆(15)各种样品夹头可在5秒钟内徒手任意快速互换. (16) 拆卸方便的托物架及环保废屑槽、可配任意配置宽、窄刀架、钢刀刀架。 (17)输入电源AC220V/50Hz、110V/60Hz。 (18)体积（长）500×（宽）320×（高）500mm，净重33kg。

产品功能：                                      该机采用美国ATMEL微处 理器控制技术和新型发热材料，功能齐全可最大程度地满足用户不同的需求，采用LED低压直流照明系统，透明加热锅加以黑色特氟龙涂层表面处理，操作方便且防划伤,集摊片、烤片于一体，整机造型新颖、结构紧凑、操作简便、性能稳定、体积小、重量轻，该产品处于国内领先水平。广泛适用于各医院、医学院校、卫生防疫、动植物科研单位等部门使用，是开展病理研究和教学的理想设备。 主要技术参数 采用新型加热体，加热块，寿命长。节能。 ★采用LED低压直流照明系统，透明加热锅，取片时看的更清晰。 ★采用红外线传感器控温更准确。 ★烤片时间定时及报警功能 特殊材料制造，耐腐抗磨等特点。 具有记忆功能 定时开关机时间 运行后自动保留设置温度。 分别显示实际温度和设置温度。 摊片温度预置：0～99℃任意设置，自动恒温 烤片温度预置：0～99℃任意设置，自动恒温 控温精度：±1℃ 额定功率：300W 外形尺寸：640*390*130mm      

上海芸英工业皮带有限公司生产各种型号的糙面带，糙面橡胶带，糙面橡胶皮，糙面包辊带，包辊糙面带，防滑糙面带，罗拉皮，糙面罗拉皮，粒面罗拉皮，高温罗拉皮，包辊罗拉皮，防滑罗拉皮，刺皮，高温刺皮，糙面刺皮，粒面刺皮，包辊刺皮，刺皮包辊带，平面包辊带，光面包辊带,糙面带，耐高温糙面带，耐高温光面带，耐高温粒面，耐磨耐油防滑包辊带，耐高温硅胶包辊带,主要库存40mm，50mm，100mm门幅的包辊带，糙面带，拥有大量糙面带现货，我公司拥有一整套的生产加工糙面带的设备，可以根据不同客户的要求进行加工长度以及宽度可根据用户的特殊需要定做.特性采用经特殊处理的织物为骨架材料，表面压制特种花纹（糙面、粒面），广泛应用于各种辊筒的包辊；耐油、耐磨、高弹性、不变形、不剥离、牢固耐用糙面带又称糙面橡皮、糙面带、糙面橡皮、包辊带，包辊皮，辊包皮，颗粒带，颗粒皮，粒面带，粒面皮，糙面皮,罗拉皮,防滑带，糙面橡胶、胶刺皮、刺皮、粒面橡胶。糙面带适用于喷水织机、喷气织机、剑杆织机、印染机和验布机的导布辊上，可用于各类织物的牵引，增大摩擦力，提高生产效率。具有不变形、不剥离、耐磨、耐油、防水、抗静电等特点

数控云实训系统，针对加工制造大类相关的理论学习、技能培训、技能鉴定及生产设备数据采集反馈系统的线上、线下虚实结合的数控技术人员培训系统。是响应国家绿色技能培训的号召，将信息化、工业化、绿色技能三方融合，服务于产教融合，面向职业院校、企业培训等，进行低成本、高质量、大规模、智能化的数控技术人才培养的解决方案。系统采用真实的数控机床操作面板与数控机床仿真模型进行交互操作，完全再现机床编程、操作全流程。降低培训场地、设备、耗材的同时，突出数控机床实际动手操作能力，提高培训效果。系统具有完整的云计算架构，兼容多种类工业通信协议，可采集生产设备、控制系统和工业产品等各类工业数据，积累存储一定规模的工业数据，对企业生产制造提供技术服务。

执行标准：GB/T 50082-2009，JTG 3420-2020 本试验仪器操作方便，参数设置后即可自动进行试验，是检测混凝土试件抗硫酸盐侵蚀试验的专用设备。 本设备采用工控电脑控制系统工作，整个试验过程全自动进行，试验中用户可自行查看历史数据、历史曲线、运行时间、试验次数等参数，可断电后自动恢复并继续试验。 试验机由全不锈钢箱体、制冷系统、加热系统、进排液系统及电脑控制组成，您可以安全放心的长期使用。

1 .掌握大鲵子二代亲鲵生殖生理特点和生殖调控机理，创建大鲵子 二代生殖调控技术和大鲵子三代全人工繁殖和苗种规模化培育技术；2 .选育和培育出体质健壮子二代亲 鲵400多组（1尾雄亲鲵+3尾雌亲鲵为一组），诱导性腺发育与雄雌同步成熟，使用高活性催产剂进行人 工催产，催产率达72%，受精率90%，孵化率33%，苗种存活率90 .5%，三年（2007-2009年）共繁育大 鲵子三代苗种44800尾；3 .实现大鲵子三代苗种规模化生产，能提供大批量子三代苗种供养殖部门发展 大鲵养殖产业，并在自然保护区放养，还进行子三代健康养殖示范，具有显著的经济效益、社会效益和 生态效益

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

近期，西湖大学人工光合作用与太阳能燃料中心孙立成实验室在探索这一未解之谜的过程中取得进展。