产品详细介绍价格相宜，日本原装正品，环境修正，容易操作，符合GLP及LIMS标准，可选计算机接口特点：●单键自动外校操作简单方便，可输入修正后的校准砝码值,确保校准精度。●多种称重单位13种重量单位及计数,百分比模式。●ACAI功能重新计算样品单位重量,以提高计数精确度。●环境调节功能，数字去皮功能具有灵敏度调节功能, 允许手动或通过计算机输入皮重值。●选配内部可充电电池可选配轻便的电池装置,电池充电后可持续使用长达10个小时。●符合GLP、GMP、ISO标准可选配RS-232C接口输出GLP\GMP\ISO校准报告。  ●通讯接口可选配RS-232C接口和计算机或打印机连接。     型  号 HR-200 HR-120称重范围 210g 120g读数精度 0.1mg 0.1mg重复精度 0.1mg 0.1mg线性 ±0.2mg ±0.2mg称盘尺寸(mm) 直径 85 直径 85外形尺寸WxDxH(mm) 213 x 319 x 301 213 x 319 x 301重量(约Kg) 6.0 6.0

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

产品概述： 中医脉诊实训教学系统采用仿生手臂来模拟真实的手臂结构，模型包含桡骨、尺骨、肘关节等骨性结构和标志。根据真实的成人上肢高仿真建模，采用硅胶外皮，手感逼真。内部含有智能控制电路，采用独有传感器模拟脉搏跳动，配合专业的三维虚拟仿真软件，为脉诊的实训提供了一种全新的实训方法。 一、软件功能： 1.1、认脉识脉：系统内置7大类模拟脉象，包含沉脉、迟脉、促脉、大脉、代脉、动脉、短脉、伏脉、浮脉、革脉、洪脉、滑脉、缓脉、疾脉、结脉、紧脉、芤脉、牢脉、平脉、平脉Ⅱ、濡脉、弱脉、散脉、涩脉、实脉、数脉等30余种单脉，还包含了浮脉相兼、沉脉相兼、迟脉相兼、实脉相兼等70余种复合脉象。 *1.2、脉诊认知：详细介绍了各个脉象的定义、鉴别、主病、脉机、应用举例、歌诀等知识。 1.3、脉象模式图：每种脉象都配备对应的脉象模式图和脉图以及脉象搏动周期、形态、浮中沉位置等，直观、形象展示脉象搏动情况。 1.4、一键返回：系统架构简洁明了，点击可返回主界面。 1.5、语音功能：针对详细注解内容，可以选取语音播报方式。 二、脉诊实训 2.1、开机检测：开机后系统可自动检测脉象设备的连接与故障情况。 2.2、脉诊原理的展示：通过模拟尺骨桡动脉的血液流动产生波动，在仿真手臂上动态形象的模拟脉搏形态。 2.3、脉诊部位：仿真手臂具有明显的桡骨茎突、肌腱等标志，可直接定位寸、关、尺的具体位置。 *2.4、正确脉诊部位的感知：手指放到正确的寸、关、尺的位置，系统可实时进行反馈感知，便于正确识别脉诊的位置。 *2.5、取脉力度：通过柱状图动态展示仿真手臂寸、关、尺三个部位取脉力度的大小，并可通过浮、中、沉、重沉四个取脉力度进行区分。 *2.6、系统可自动采集并获取用户当前取脉力度的大小。 *2.7、色块堆积：系统检测寸关尺三个部位的取脉力度，通过色块堆积的方式精准反应瞬间力度的变化。 *2.8、可对不同取脉力度的参数进行调节，可调范围为0-255。 *2.9、可自定义脉象的脉压、脉幅、频率，并配合仿真手臂来实现脉象的变化。 2.10、切脉周期：通过计算机控制脉搏的周期，详细模拟整个脉诊切脉时的时间和周期，同时脉象模式图与脉象保持同步、同频。 2.11、手臂解剖结构：可隐藏、显示三维手臂的皮肤、肌肉、神经、血管系统，以便了解手臂的解剖结构。 *2.12、三维透明功能：可调节三维手臂皮肤不同层次的透明度。 2.13、单臂硬件模型可实现左臂、右臂模式，可在系统中一键切换。 *2.14、系统内置理论试题与脉象实训试题，实训试题结合脉象模拟进行实训考核。 2.15、系统包含学生端、教师端、后台管理端。 三、考试管理功能参数 *3.1、教师端 考试管理：可以组织任意时间段的考试，设置考试时间并发布。 试卷管理：可以调用内置试题库系统自动组织生成试卷，也可以手动编辑试题组成试卷。 试题管理：可添加、删除试题，设置试题形式与分数。 学生管理：学生信息的导入和编辑管理。 考试结果：可实时记录每位考生的考试记录与信息。 智能分析：通过对考试结果的分析，方便教师掌握医学生实际学习状况。 *3.2、学生端 考试模式设置：可以接收考试提醒，实时进行考试。 实时提交：分主动提交和自动提交两种形式，实时显示考核结果并记录进个人中心，方便查看。 实训考核：基于计算机互联技术配合仿真手臂模拟脉象进行脉诊考核。 3.3、个人中心 个人考试记录：可查看脉诊理论考核与脉象考核记录详情，方便进行针对性的练习。 个人注册登录：登录个人账号可通过日历进行个人相关信息查询或学习。 个人设置：可以针对性的进行个性化设置。 四、硬件参数 4.1、多功能一体台车：符合人体工程学设计的一体台车，台车尺寸（长宽高）:110CM*60CM*77CM。 4.2、电脑一键进行开机，启动带有灯光提示，可旋转屏幕支架。 4.3、电脑配置：intel i5处理器、 8G 内存、 SSD高速固态硬盘、支持高清输出、双频WiFi网卡、24寸高清显示器。 4.4、高仿真脉诊模型一个。采用高仿真材质一体成型，手感真实，有尺骨、桡骨、肌腱、腕横纹、掌纹等骨性和体表标志。 4.5、脉枕一个。 4.6、仿真皮肤护理粉一盒。

南京农业大学园艺学院氮素连续流动分析仪及样品制备系统等采购项目招标

蛋白酶体是细胞中用来调控特定蛋白质的浓度和清除错误折叠蛋白质的主要机制的核心组成部分，是细胞中最普遍的不可或缺的大型全酶超分子复合机器之一，也是迄今为止发现的最大的蛋白降解机器。人源蛋白酶体全酶包含至少64个亚基，由盖子 (Lid)和基座(Base)亚复合体组成的调控颗粒RP(Regulatory Particle)所激活。2016年，该课题组与其合作者在《美国科学院院刊》报道了人源蛋白酶体的基态近原子分辨的冷冻电镜结构，以及三个亚纳米分辨的RP-CP亚复合体亚稳或过渡态的共存结构，并首次发现其中一个亚稳态构象的CP的底物转运通道处于开放状态（见PNAS 2016, 113: 12991-12996）。这一发现被德国马普所Baumeister课题组及其合作者在2017年的一篇《美国科学院院刊》论文中通过酵母蛋白酶体全酶的冷冻电镜亚纳米精度分析进一步证实、引用和比较（见PNAS 2017, 114, 1305-1310）。然而，在这些工作中，CP开放态的全酶结构离近原子分辨还有较大距离，未能充分揭示人源蛋白酶体全酶的激活后的运动行为。毛有东、欧阳颀课题组及其合作者在前期工作的基础上，利用他们自主开发的基于统计流行算法的高性能计算软件ROME（见PLoS ONE 2017, 12:e0182130）与优化的冷冻电镜处理方法，对ATP-γS结合状态下的人源蛋白酶体的全酶冷冻电镜单颗粒数据展开了深入分析，得到了6个共存的动态结构，其中包括3.6埃分辨率的基态结构，3.5埃的开放态CP结构，和三个CP开放态对应的亚稳简并态全酶4.2埃，4.3埃和4.9埃的结构。另外两个中间态结构分辨率为7.0埃和5.8埃。三个CP开放态对应的全酶结构的主要差别在于位于RP的AAA-ATPase激酶马达模块，伴随其不同的构象变化，至少有四个ATP-γS分子稳定结合在不同的AAA-ATPase亚基上，为其在不同核酸结合状态下形成的非稳定动态构象提供了重要证据。该研究首次观察到位于AAA-ATPase激酶马达模块中心的底物转运通道呈现从螺旋到鞍形不同的拓扑结构变化，为进一步分析底物和蛋白酶体全酶的相互作用奠定了重要基础。人源蛋白酶体全酶AAA-ATPase马达模块中心的底物转运通道发生大幅度的拓扑变构

产品概述 斯科信息RFID智能工具柜是基于物联网射频识别技术的专业化资产管理系统，集成了先进的RFID读写设备、智能控制终端和多层安全验证模块。该解决方案实现了对工具、仪器设备的无人化自助借还、实时库存盘点和全生命周期管理，大幅提升企业资产利用效率和管理精细化水平。 核心技术特点 1. 智能识别管理系统 采用高性能RFID读写器与定制化天线阵列，确保99.9%的识别准确率 支持高频(HF)与超高频(UHF)RFID标签，兼容ISO15693、ISO18000-6C等多协议标准 专利抗金属标签技术，有效解决金属环境下的信号干扰问题 2. 多重安全验证机制 支持IC卡、指纹识别、人脸识别、密码验证等多种身份认证方式 可配置权限管理体系，实现人员-工具-权限三级对应 开门超时报警、非法取用报警、异常操作实时记录 3. 智能化管理平台 云端SaaS管理平台，支持多网点、多柜体统一管理 实时库存可视化看板，工具状态一目了然（在库、借出、待维修、报废） 自动生成工具使用报表、人员借还统计、工具利用率分析 工作流程 身份认证：用户通过IC卡/生物识别验证身份 智能借出：系统自动识别取出工具并记录关联信息 自动归还：关门自动盘点，更新库存状态 异常处理：未授权操作实时报警，支持工具追溯查找 数据同步：所有操作数据实时上传至管理平台 性能指标 盘点速度：整柜盘点≤3秒（200件工具） 识别准确率：≥99.9% 系统响应：＜1秒 数据存储：本地存储≥10万条记录，云端无限扩展 环境适应性：工作温度-20℃~60℃，湿度10%~90% 行业应用解决方案 电力行业 安全工器具定期检测管理 绝缘工具有效期智能提醒 工器具使用培训记录关联 航空维修 专用工具校准周期管理 航材设备使用记录追溯 适航要求符合性管理 智能制造 生产线工具智能调度 使用时长统计与寿命预警 工具维护保养自动提醒 客户价值 管理效率提升：工具盘点效率提升10倍以上，人力成本降低60% 资产利用率优化：工具共享率提高40%，减少重复采购 安全管理强化：实现100%操作可追溯，安全事故降低80% 决策支持：数据驱动管理优化，提供精准的采购和报废决策依据 技术服务支持 斯科信息提供全生命周期服务： 需求调研与方案定制 系统部署与集成服务 操作培训与技术支持 系统升级与维护服务 📞 联系我们：19925314483获取行业解决方案详情与演示体验斯科信息技术团队为您提供专业的RFID工具管理咨询与定制化服务

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。