产品详细介绍

产品详细介绍

学生通过基于虚拟仿真实验的预习自动评判系统了解实验原理、仪器的原理及使用，完成实验操作过程，课前建立实验直观认识。系统通过基于实验操作规则（非固定操作 顺序）的教师专家评判系统自动评判，指出错误，通过多次预习协助学生完成课前预习。 用于解决实际教学中学生大面积实验预习难于有效开展的实际问题。问题体现在:1. 由于实验实和师资力量等限制，很难提供给的环境，使学生无法对实验环境建立起直观认识；2.由于教学时间和手段限制，教师也无法有效的对学生的预习情况进行有效检查,教学过程“走过场”，影响教学质量提高。 针对物理实验教学质量提高的困难， 1995年，中国科学技术大学研制成在国际上首创开发出《大学物理仿真实验》，而且不断增加内容和更新版本，使它成为一部系统的活的物理实验教科书，学生利用它进行课前预习、课后复习和自我训练，使物理实验教学突破时间和课堂的限制，实现与理论教学相同的学习链。在多年《大学物理仿真实验》研究与实践的基础上，科大奥锐推出物理实验在线预习系统，利用在线仿真实验让学生深入理解实验，模拟实验操作过程；通过在线预习考试系统检查学生，确保效果学生预习质量。 大学物理实验预习自动评判系统，采用计算机虚拟现实技术，在原有的《大学物理仿真实验》的基础上，进一步加强虚拟实验的模型设计，建设与理论考试相结合的在线实验预习环境，用仿真实验替代了学生按书本抄写实验步骤、实验原理的过程。促使学生完成一个完整的学习链过程，保证大面积实验教学质量的提升，同时大大减轻了教师批改预习报告和实验报告的工作量。它的应用使课堂实验教学实现学生自主学习、教师答疑。 曾荣获1996年获得中国科学院教学成果一等奖；1997年获得教育部全国优秀CAI成果奖；1997年DOS版本获得国家级教学成果二等奖；1997年曾经代表中国CAI最新成果参加联合国科教文组织大会演示和到英国，日本等国家进行国际交流和展示；1999年获得安徽省优秀CAI成果一等奖；2000年获得安徽教学成果特等奖；2001年获得国家教学成果奖。 系统介绍 系统特色： 1.  开放式的预习环境。学生可在指定时间内在线预习实验，不受实验室和课时的限制。教师可以根据需要限制学生单次实验的预习次数。 2.  学生实验操作初始状态和测量值都是随机产生，对应的正确结果各不相同，有效避免抄袭现象。 3.  自主组卷: 教师可以选择操作实验，调用题库中题目组成试卷，拟定分数存入试卷库。 4.  自动评判：预习成绩自动评判，学生可及时了解学习效果，针对性调整预习内容。 5.  客观、真实的预习成绩：有助于教师掌握学生预习效果、针对性的调整教学重点 6.  开放架构: 教师可自行扩展实验项目，并可自主更新实验配套预习资源。 7.  开放式题库，用户可自行添加实验题目，并支持word版题目的批量导入功能。 8.  学生预习结果可长期保存，可以word形式批量导出以便存档。 工作流程： 功能模块 大学物理实验预习自动评判系统由仿真实验库、实验习题库、实验报告制作、实验报告库（含预习报告）、报告发布、评判和统计五部分组成。 1.  仿真实验库：包含50多个常用物理实验项目，有操作评分功能，可检查学生对实验原理、实验过程、仪器操作的掌握。 2.  实验习题库：习题由选择题和填空题、实验数据处理等组成，习题有评判功能，教师可自行添加习题。 3.  实验报告制作：教师从仿真实验库中选取实验，从习题库中选取习题组成实验报告模板或预习报告模板，存入实验报告库。 4.  报告发布：向授课学生发布实验报告和预习报告模板，规定上缴截止日期，学生完成预习报告后，可立即看到评分结果，不满意可重新再做预习报告和实验报告，直到满意后提交给教师。 5.  评判和统计：教师见到学生完成的预习报告统计列表，规定预习报告符合要求的学生来做真实实验。实验报告可作为平时成绩长期保存。 典型应用 物理实验预习系统在教学中的应用模式  1.实际开展大面积的实验预习： 通过在线实验预习环境，从根本上解决了实验仪器状况及师资力量不足的问题，学生通过预习环节的实际操作，了解实验原理、实验内容、熟悉实验仪器，对实验环境建立直观认识。 2.  营造多元化的教学环境： 利用预习系统在网上开设开放实验，开设选修课程，开设实验作业、实验复习检查等各种形式满足各种层次学生的求知需求，提供自评自测，拓展视野，提高学生对实验学习的兴趣。

遥感摄影测量边坡安全检测与应急决策系统针对采场边坡安全问题，综合考虑存在的边坡管理需求,将基于遥感测量的边坡监测技术、边坡稳定性评价技术、人工智能专家系统等技术整合起来并运用到边坡测量预警以及对应决策的选择上来，实现边坡安全态势、动态变化、预测以及破坏应急与应对策略、准确测控和全维度防范，为矿山安全问题的解决提供有效的技术支撑，对边坡稳定性做出满足工程精度要求的全范围实时监测。系统依据相关规定，结合我国矿区边坡稳定性的现状，并通过汇聚已有各类地质、采矿设计以及边坡稳定性研究资料，系统主动性和动态地处理已有数据、信息和知识，以此对采场边坡稳定性进行预知性监控和评估。借助GPS数据分析和边坡稳性预测预警、基于神经网络的稳定性分析技术等技术，建立矿业边坡安全检测知识库和边坡稳定性预测系统，对矿区边坡的安全状况进行实时监测和预警处理，达到防灾减灾的效果。同时提高矿山采场边坡稳定性管理水平和质量，为矿山采场安全生产提供有力之支撑。采场边坡稳定是影响矿山采矿安全生产的几个关键环节。现有技术没能很好地协调边坡稳定性评价、预测、监测及其与边坡灾害及采矿生产之间的关系，没能充分整合多种数据、信息、知识等为边坡生产安全提供动态实时评价。

本技术成果公开了一种卫星遥感数据的辐射纠正方法，本方法是以山区阴影和/或清洁水体光谱对原 始图像进行辐射纠正

本发明公开了一种无需 POS 辅助的低空遥感影像快速自动拼接方法，包括步骤:步骤 1，低空遥感 影像测区的全自动恢复;步骤 2，根据精匹配种子点对预处理后的影像进行精匹配获得精匹配结果;步 骤 3，对精匹配结果进行自由网平差迭代获得平差结果;步骤 4，根据差结果内插生成影像的数字地面 模型，根据平差结果获取影像在自由网坐标系下的相对外方位元素，基于数字地面模型和相对外方位元 素对各影像进行正射纠正，同时生成测区的正射影像拼接图。本发明无需 POS 数据辅助，可实现全自 动、快速生产正射影像拼图，能满足遥感影像准实时处理要求，适用于灾害应急响应、军事保障等领域。

本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性，进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表示分类算法避免了优化求解的耗时性，同时克服了高维特征空间下数据的线性不可分性。算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取，并通过核变换方法将新特征字典投影到高维的线性核特征空间，最后利用核化协同表示算法的高效性对高光谱图像进行分类。 主要技术指标 University of Pavia 通过 ROSIS-03 传感器记录，该图像捕获了意大利帕维亚的帕维亚大学周围的市区。图像尺寸为 610×340×103，空间分辨率为 1.3 m / 像素，光谱覆盖范围为 0.43 至 0.86μm。该图像考虑了九个类别。其具有 42776 个标记样本。每类取 50 个有标记样本共 450 个样本作为训练样本。 请参阅表 1，本方法提出的高光谱图像分类方法，相比于传统分类器 SVM，OA 提高了约 18%；相比于 JSRC，OA 提高了约 5%；同时参阅表 2，展示了本成果方法的时间运行效率与相关方法的比较。该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果。 表 1 PaviaU 数据集上对比实验结果 表 2 不同数据集上时间运行对比实验结果

本发明提供一种基于区域变化率的遥感影像接缝线优化方法，包括步骤：计算待优化接缝线涉及的 左、右数字正射影像间重叠区域像素的差值矩阵；分别对待优化接缝线涉及的左、右数字正射影像的重 叠区域进行影像分割，并获得各分割区域的变化率；根据各分割区域的变化率确定待优化接缝线的优选 区域，并根据确定的待优化接缝线的优选区域优化重叠区域像素的差值矩阵；根据优化后的重叠区域像 素的差值矩阵以及待优化接缝线的起点和终点，对待优化接缝线进行优化。本发明适用于数字正

一种基于路径追踪的遥感影像 Bowtie 效应纠正方法，包括进行插值，使经纬度数据与原始影像具 有相同的分辨率；根据卫星的升降轨方向和扫描方向确定第一个纠正像元的搜索起点，设定对纠正影像 进行重采样的顺序，依次采用路径追踪的方式定位纠正影像的每个像元在原始影像中的位置，即搜索其 在插值后的经纬度格网中的位置，获得与纠正影像像元最邻近的若干个采样点用于灰度重采样来去除影 像的重叠现象。本方法计算效率好，充分利用原始影像信息，是一种严格的高精度中低

本发明公开了一种基于纹理基元的遥感图像分类方法，包括：·741·选取典型地物的遥感图像作为第一训练集和第二训练集；提取第一训练集中同类地物图像的邻域特征向量并聚类形成纹理基元，不同地物的纹理基元组成纹理基元字典；利用纹理基元字典对第二训练集中图像的邻域特征向量进行标记，并对中心像素进行分箱，统计各个图像的中心像素-纹理基元二维联合分布，形成纹理模型库；将待分类的图像划分成超像素，经拉普拉斯校准后统计各超