XM-433眼常见病模型   XM-433眼常见病模型包括20种常见眼病的形态，每套模型由20只组成，分装入箱内展示正常眼、正常睑结膜、沙眼、、眼睑内翻、溃疡性睑缘炎、眼睑外翻、霰粒肿、麦粒肿、慢性泪囊炎、翼状胬肉、流行性出血性角结膜炎、角膜溃疡、角膜粘连性白斑、急性虹膜睫状体炎、巩膜炎、急性青光眼、老年性白内障、结膜异物、眼睑湿疹形态。 尺寸：放大3倍，37.5×56.5×9cm 材质：PVC材料   20种常见眼病: 1、正常眼：显示上下眼睑、睑缘、泪点、球结膜、巩膜、角膜、虹膜和瞳孔。 2、正常睑结膜：显示上下眼睑睑结膜，表面光滑透明，血管分布清楚。 3、沙眼：显示沙眼第二期重度（Ⅱ++），上眼睑睑结膜炎症，超过1/3以上面积，并有疤痕形成。 4、沙眼性血管翳：显示角膜上部有血管进入角膜组织，占角膜面积1/4。 5、眼睑内翻：显示上眼睑睑缘向内侧翻转，睫毛触及眼球角膜，造成角膜上部沙眼性血管翳，球结膜充血。 6、溃疡性睑缘炎：显示睑缘充血肿胀，睑缘睫毛根部有小脓泡溃疡和脓痂。 7、眼睑外翻：显示下眼睑向外侧翻转，睑结膜色红，肥厚，少光泽，下眼睑睑结膜与球结膜粘连。 8、霰粒肿：显示上眼睑睑结膜上蚕豆大小紫红色隆起肿块，中央呈灰黄色。 9、麦粒肿：显示上眼睑皮肤红肿，近鼻侧有黄色脓头隆起 10、慢性泪囊炎：指压泪囊部，从泪点流出黏液脓性分泌物。 11、翼状胬肉：显示角膜鼻侧有三角形翼状膜，头部进入角膜组织，体部血管丰富，肥厚，隆起。 12、流行性出血性角结膜炎：球结膜充血、水肿，有片状出血，角膜内有灰白色浸润点，下眼睑红肿。 13、角膜溃疡：角膜周围有明显混合性充血，角膜上皮和基质脱落缺损，形成角膜溃疡，有黄白色脓性分泌物。 14、角膜粘连性白斑：瞳孔梨状，梨蒂有白斑，为角膜病变所造成。 15、急性虹膜睫状体炎：混合性充血，瞳孔缩小不正圆。 16、巩膜炎：球结膜水肿，其下方巩膜呈紫红色充血。 17、急性青光眼：眼睑水肿，混合性充血，瞳孔中等散大，呈绿色反光。 18、老年性白内障：显示晶状体混浊，呈灰白色。 19、结膜异物：显示上眼睑睑结膜上黑褐色（铁屑）异物，伴结膜充血。 20、眼睑湿疹：显示下眼睑湿疹，睑缘充血肿胀，滤泡透明呈圆形。

XM-426眼球仪模型（眼球成像演示模型）   XM-426眼球仪模型由成人眼球、光源、校正镜片、活动成像显示屏及底座组成，通过眼球前后及在正中与水平成75°切面，示眼球壁三层被膜， 眼球内晶状体（可改变曲率），玻璃体和虹膜，由外向内三层被膜做成梯形切面，并示其各部结构，在眼球后部装一垂直眼球轴的剖面，以示视网膜成像，可调节晶状体，示远视、近视成像。   尺寸：放大3倍，45×14×27cm 材质：PVC材料   模型结构： 1、眼球成像演示模型由成人眼球、光源、校正镜片、活动成像显示屏及底座组成。 通过眼球前后极在正中与水平成75度切面，示眼球壁三层被膜，眼球内晶状体（可改变曲率），玻璃体和虹膜。由外向内三层被膜做成梯形切面，并示其各部结构。 2、在眼球后部装一垂直眼球轴的剖面，以示视网膜成像。 3、晶状体系有机玻璃制成，二张拉紧的透明橡胶薄膜，里面充满液体。 4、曲率通过改变波纹管的容积来改变薄膜的曲率。 5、光源：220V，15W-40W烛形灯泡作为光源，离眼睛恰好为明视距离。 6、校正镜片由不低于400度的近、远视镜片组成。

XM-431眼示教放大模型   XM-431眼示教放大模型置于透明有机玻璃盒内，为眼球正中切口后的半侧眼球，可观察眼球正中矢状切面和半侧眼球的外部结构，可显示眼球的解剖（包括眼球壁和内容物）、眼副器（包括眼睑、结膜、泪器和眼球外肌）、视网膜神经细胞的显微结构和检眼镜眼底检查视网膜图像等。 尺寸：放大 材质：PVC材料

3D微创手术因其治疗手段的先进已是发展趋势并在迅速普及， 3D腔镜、手术机器人、显微镜手术等都提供了3D影像数据。但目前 医生大多通过2D屏或佩戴3D偏光眼镜观看，给主治医生带来：3D 空间还原不准确影响手术安全和效率、手术屏画面昏暗不清晰、眼 镜易产生雾气遮挡视线、长时间观看眩晕等问题。 班度科技基于“周期像素复用”的实时两视点转多视点技术，自 主研发的「裸眼3D手术显示系统」解决了现有技术的困境，实现了 具有正确空间遮挡关系的3D成像，为医生提供精准、快速的判断决 策依据，可极大地降低手术风险和提升医生的诊疗效率，降低低年 资医生的学习曲线和规培成本，提升基层医疗水平。既能减轻医生 负担，又实现了3D手术场景的完整还原，提高了手术安全性和效 率，带来逼真、清晰、舒适的高性能体验。

基于图像处理和机器学习进行人眼特征提取与分析，建 立基于特征模型与外观模型融合的智能视觉感知机制，并通过 海量大数据分析和建模计算，提出了智能视觉感知驱动的眼动 注视点计算方法，解决了跨设备坐标系空间无缝转换和多用户 标定模型共享等关键“卡脖子”技术问题。此外，提出基于深 度学习的运动想象脑电分类方法，面向人-机器人交互开发了 智能脑机接口与应用系统。 ：

"自然场景视觉感知与理解是人工智能的前沿热点，其主要任务是对场景中的视觉要素进行认知，进而推断出其中包含的场景语义。 IMAGINE实验室近年来相继从场景构成分析、场景内容推理、场景结构建模等角度对这一问题展开了系统研究，着重探索了融合先验建模与深度学习的自然场景视觉理解这一问题。"

本技术采用大数据智能分析算法，处理高速列车运行过程中产生的大量数据，智能辨识高速列车运行状态。以高速列车外部受流装备为对象，从受电弓状态实时感知与能耗分项统计两个角度，展示非侵入式智能感知技术在高速列车的最新应用。 1.受电弓状态实时感知 获取受电弓的原始信号并进行预处理，获取多个原始数据向量；对原始数据向量进行多尺度分解，从每个子频带提取特征量并构建时序特征向量；将特征向量和受电弓故障的分类标记作为特征映射数据，训练故障识别预判机制；以原始数据向量和故障类型分别作为输入输出数据，训练故障识别模型。对受电弓的实时电流信号进行处理，得到原始数据向量和特征向量，故障识别预判模型根据特征向量对受电弓进行故障预判，若有故障，故障识别模型根据原始数据向量对受电弓的故障类型进行识别。实现列车运行状态下，对受电弓进行实时在线监测与故障类型识别，且无需在列车外部及路网沿线另外加装硬件设备。 2.列车能耗分项统计 通过大数据智能分析方法，结合位于电路关键位置部分传感器提供的实时数据，可对动力系统、空调系统、照明系统、厨卫系统、用户交互系统等不同功能模块，提供非侵入式能耗分项统计。统计结果能为铁路管理部门提供参考，优化列车运行管理模式，改进各系统的运行机制，降低高速列车运行能耗。 图1 高速列车受电装置 图2 受流装置故障特征映射及辨识方法 图3 不同功能模块设备的提取特征 图4 不同设备的分项能耗统计

围绕无人驾驶、智能制造领域，本项目针对传统机器视觉难以同时兼顾大视场、高分辨、实时性的技术瓶颈，从源头打破常规成像规则，鉴于昆虫复眼具有大视场高灵敏的优势，以及人眼视觉具有变分辨率和冗余数据压缩的优势，将两者相结合，提出一种复合仿生三维成像感知方法，通过突破变分辨扫描发射、多通道并行接收、图像重构与成像感知算法等关键技术，形成了具有体系化的前沿技术成果，研发出了诸如收发探测模块，多通道仿生曲面相机系统、在线光电检测系统等实物成果。核心技术受到国家、省部级项目资助5项。

本发明公开了一种机电式裂缝感知器，包括控制模块、编码器 和裂缝放大感知模块，以及显示模块和/或外部接口。控制模块分别连 接所述编码器、显示模块与外界接口(可接 RFID)；裂缝放大感知模块 包括光电传感器和机械式裂缝放大器。机械式裂缝放大器可以将微小 裂缝宽度放大，放大后的裂缝宽度经由光电传感器感知，再经编码器传送到控制模块；控制模块用于接收编码器传输的数据，并处理后传 输至外部接口，同时传输至显示模块显示。将本发明置于待测结构部 位，借助裂缝放大和实时感知，并将数据传输给外部接口，本发明能 方便现