|
搜索
搜 索
高等教育领域数字化综合服务平台
供应拉曼系统R-3000型光谱仪
产品详细介绍| 光电测量产品 >> 拉曼光谱仪 >> 拉曼系统R-3000型光谱仪拉曼系统R-3000型光谱仪 拉曼系统R-3000型光谱仪是一种全综合功能的拉曼分析仪器，可以实现对波长范围在200～2700cm-1的水性液体、粉末、块体、凝胶和表面介质的实时的定性和定量的光谱分析。 拉曼R-3000可以应用在多种场合，包括药物学监测与质量控制、化学与石油化学过程与质量控制，毒品与炸药检测和水质分析等。产品特色综合系统。拉曼系统R-3000型光谱仪是一个集成了二极管激光器、CCD阵列光谱仪、光纤探头和操作软件的多合一系统。改良设计。R-3000型光谱仪使用第三代设备，改进了产品的激光解析度（优于10 cm-1，而R-2001型光谱仪的解析度为 15 cm-1）和稳定性（波长稳定性优于1 cm-1，输出稳定性为4％ ）。探测灵活。R-3000型光谱仪的光纤探头带有探头帽，可以进行简单的校准和调焦。软件先进。R-3000型光谱仪使用新的软件， 可以实现指纹识别和定量分析。全综合功能系统拉曼系统R-3000型光谱仪配有785nm或532nm可选的固态二极管激光器，一个可选择TE冷却的光纤光谱仪，一个可用于液体、固体和粉末的多合一光纤探头，一个聚焦和校准的探头帽，一个软件控制的激光遮光器及其操作软件，一个样品架，以及一个防护眼镜。R-3000型光谱仪的样品光谱新的软件带有指纹识别和定量分析的功能（把样品中的检出物与数据库中的光谱数据进行匹配，并确定其浓度），积分时间增加到数分钟，并且新增了多重光谱显示功能（可以重叠显示达20个光谱图）。
长春博盛量子科技有限公司
2021-08-23
电感耦合等离子体发射光谱仪
产品详细介绍电感耦合等离子体发射光谱仪应用范围（可分析周期表中所有金属元素和部分非金属元素）1．钢铁及其合金的分析：包括碳素钢、铸铁、合金钢、高纯铁、铁合金等。2．有色金属及其合金的分析：包括有色金属及其合金、稀有金属及其合金、贵金属、稀土元素及其化合物。3．水质样品的分析：包括饮用水、地表水、矿泉水、高纯水及废水等。4．环境样品的分析：包括固体废物、土壤、粉煤灰、大气飘尘等。5．地矿样品的分析：包括地质样品、矿石及矿物等。6．动植物及生化样品的分析：包括植物、中药及动物组织、生物化学样品等。7．核工业产品的分析：包括核燃料、核材料等。8．食品及饮料的分析：包括食品、饮料等。9．化学化工产品的分析：包括化学试剂化工产品无机材料化妆品油类等。
北京华科天成科技有限公司
2021-08-23
ET10 便携式红外光谱发射计
产品详细介绍 3~5、8~12 μm ET10 科研级仪器可测量任何不透明材料的发射率。特点： • 可同时测量3～5、8～12 微米2个波段的发射率 • 利用两个探测器同时测量3～5、8～12 微米2个波段的发射系数 • NIST标准 • 快速、便携 • 电池操作非常方便应用： • 为红外相机提供发射率参数 • 提高温度测量精度ET10： • 用于测量红外测温成像技术的重要参数—红外发射率 • 对于不透明物体：Emissivity = 1- reflectance • 软件简单易用，具有强大的测量和数据处理功能 • 液晶触摸屏PDA图文操作界面 • 可同时提供十种设备运行信息性能： 当物体的物理化学性质没有发生变化时，不同温度下的反射率与波长是不变的，所以物质在500-°K高温下的发射率数据可以由室温下测得的反射率数据推算出来，ET10主要用于测量不透明样品的发射率。 进行测量时，将仪器对准测量面，按下扳机即可记录数据。测量一次的时间只需要7秒钟。 技术参数：测量参数：定向半球反射比 (DHR)方法：一个波段的积分总反射比测量值：发射率波段：3～5、8～12 微米2个波段精度：±1%可重复性：±0.0002入射角：20° 法线入射样品表面：任何表面，6” 半径曲面，12” 半径曲面测量时间：10秒/测量，用户可设(2 波段)预热时间：90秒运行时间：电池工作2小时，可更换电池后接续测量电源：可充电镍氢电池 充电时间: 1小时重量：4.7 lbs.带电池IR源：铬铝钴合金灯丝，使用温度：1,000°C尺寸：手持式，H 11.54”, L 9.04”, W 3.72”模块部件：模块化设计，测量头可更换操作界面：LCD 图形界面，触摸屏，软件按钮测量： 测量数据直接在屏幕上显示并存储数据存储：265MB CF卡数据格式：Excel或Text格式打开环境：储存： -25～ 70°C;操作环境 0～40°C, 非冷凝
北京安洲科技有限公司
2021-08-23
医学图像处理与三维重建系统
本项目将研制一套软硬件一体化的医学图像处理与三维重建系统产品，该产品由三大部分组成，包括： 高性能、大容量、适合处理医学图像的硬件平台； 针对医学图像处理裁剪后的专用Linux操作系统；综合医学图像处理与三维重建的医疗专业应用系统。 成果性能：三维重建速度快、重建的图像真实、精细，操作方便。 应用范围：CT、MRI等医学图像处理与三维重建虚拟手术
电子科技大学
2021-04-10
一种在图像中识别物体的方法
成果描述：本发明申请要解决的问题是，对环境噪声较大的场合，根据对象的结构进行实时识别。本专利建立一种实时的智能物体检测算法，根据动态区域连通性提取物体的结构特征，通过矩函数映射得到特征进行识别。市场前景分析：本发明最主要的任务是弱化了形态的特征，强调结构，从而加强的了抗噪能力，并通过概率模型，给出了精确的数据概率分析。已在实际的应用（自然生态保护区的熊猫识别）当中取得显著效果。与同类成果相比的优势分析：本发明主要面向复杂环境中颜色特征明显的对象，从对象的颜色特征出发得到结构，对结构进行判断从而进行识别。
电子科技大学
2021-04-10
基于图像序列的超分辨率成像技术
基于真实成像模型，图像序列/视频数据的通用超分辨率重建方法；对弱纹理目标的高清重建，对超精细纹理的精确预测与重建。
东南大学
2021-04-11
基于CR系统的图像增强技术应用研究
上世纪80年代，日本富士公司初率先在世界上推出第一套CR系统(计算机X射线影像仪Computed Radiography)，它是用成像板(Imaging Plate，简称IP)替代传统的胶片进行感光并存储，再把储存于IP上的感光信号用激光扫描方法转换成电信号并进行数字图像处理的一种技术，实现了胶片数据化，为放射科无片化及医疗影像计算机联网打下了扎实的基础，为进入远程影像资料会诊开辟了道路。CR系统能直接生成数字图像，使其不再经过显影、定影、水洗技术流程，从而节省了大量的劳动力和精力；CR系统生成的数字图像大大的减少了存放X线胶片的空间，保证了图像的质量，也便于图像的存储、查找，从而结束了图像查询缓慢、易错、保存质量不高的时代，方便对病人资料进衍管理。正是由于它的这些优点，CR技术才得以在医学中广泛应用。 CR图像在生成、传输和扫描进入计算机时，会受到医学影像设备、媒质的实际性能、以及接收设备的限制，这些因素引起图像质量的退化。退化的X射线数字图像质量不能达到直接用于实体造型的要求，从而影响了医生的准确诊断。影响CR系统成像的因素主要有X射线散射、噪声以及人为因素，其中人为因素是指X射线的用量不足或过量。一般来说，由于X射线散射、噪声引起的图像退化很难避免，而且一直存在，因此本项目主要考虑人为因素引起的图像模糊问题，利用图像增强技术对模糊图像处理，方便医生诊断。 以下是模糊大剂量CR图像、模糊小剂量CR图像以及可以用于诊断的标准CR图像显示效果：
南京工程学院
2021-04-11
一种高效的图像颜色矫正方法
一、主要功能和应用领域： 随着光照颜色的不同（如早晨、中午、傍晚的阳光波谱不同；室内外不同颜色的灯光等），用数码相机拍摄下来的同样一个场景的图像，其中物体的颜色会发生改变。本成果的主要功能是为了消除此外界光源颜色对照片中物体色彩的影响，得到颜色保真的图像（图1）。 本成果的应用领域非常广泛，比如可以内置在数码相机或数码摄像机中，实现对所拍摄影像的实时颜色矫正；也可以对已有的各种数码影像进行颜色矫正后处理（如内置在数字电视中）。 图1. 技术功能展示。对于给定的色偏图像（左），本方法的颜色矫正结果（右）与真实结果（中）非常接近。 二、特色及先进性： 算法简单，处理效果好。与目前数码相机及数码摄像机中普遍采用的颜色矫正（即白平衡）方法（如Grey-world或White-patch方法）相比，计算效率相当，但可以处理空间不均匀光照颜色影响，处理效果在统计意义上具有显著的改进，得到颜色更为保真的影像。 三、技术指标： （1）处理效果显著优于目前数码设备中普遍采用的技术，颜色保真度比目前常用的Grey-world和White-patch方法平均提高90%以上。 （2）通过算法优化和硬件加速，可以实现对图像和视频的实时处理。 四、能为产业解决的关键问题： 实际场景（如街道、室内）的外界光照颜色复杂多变，本技术可以提供更为高效的影像颜色矫正技术。颜色高保真对于视觉欣赏，以及复杂的计算机视觉应用（如目标识别）均具有重要价值。
电子科技大学
2021-04-10
一种高效的图像颜色矫正方法
随着光照颜色的不同（如早晨、中午、傍晚的阳光波谱不同；室内外不同颜色的灯光等），用数码相机拍摄下来的同样一个场景的图像，其中物体的颜色会发生改变。本成果的主要功能是为了消除此外界光源颜色对照片中物体色彩的影响，得到颜色保真的图像。 本成果的应用领域非常广泛，比如可以内置在数码相机或数码摄像机中，实现对所拍摄影像的实时颜色矫正；也可以对已有的各种数码影像进行颜色矫正后处理（如内置在数字电视中）。
电子科技大学
2021-04-10
基于生成图像数据的水下目标检测与识别
一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无
厦门大学
2021-04-11