产品详细介绍

产品详细介绍 PlantScreen植物表型成像分析系统（植物自动传送版）   PlantScreen植物表型成像系统由捷克PSI公司研制生产，整合了LED植物智能培养、自动化控制系统、叶绿素荧光成像测量分析、植物热成像分析、植物近红外成像分析、植物高光谱分析、自动条码识别管理、RGB真彩3D成像、自动称重与浇灌系统等多项先进技术，以最优化的方式实现大量植物样品——从拟南芥、玉米到各种其它植物的全方位生理生态与形态结构成像分析，用于高通量植物表型成像分析测量、植物胁迫响应成像分析测量、植物生长分析测量、生态毒理学研究、性状识别及植物生理生态分析研究等。作为全球第一家研制生产植物叶绿素荧光成像系统的厂家，PSI公司在植物表型成像分析领域处于全球的技术前列，大面积叶绿素荧光成像分析功能使PlantScreen成为植物表型分析与功能成像分析的最为先进的仪器设备，使植物生长、胁迫响应等测量参数达100多个。 左图为整套PlantScreen系统，中图为成像室，右图为成像室中的玉米 PlantScreen系统包括如下成像分析功能：   1. 叶绿素荧光成像分析：单幅成像面积35x35cm，成像测量参数包括Fo, Fm, Fv, Fo’, Fm’, Fv’, Ft, Fv/Fm, Fv’/Fm’, Phi_PSII, NPQ, qN, qP, Rfd等几十个叶绿素荧光参数 2. RGB成像分析：成像测量参数包括： 1) 叶面积（Leaf Area: Useful for monitoring growth rate） 2) 植物紧实度／紧密度（Solidity/Compactness. Ratio between the area covered by the plant’s convex hull and the area covered by the actual plant）   3) 叶片周长（Leaf Perimeter: Particularly useful for the basic leaf shape and width evaluation (combined with leaf area)） 4) 偏心率（Eccentricity: Plant shape estimation, scalar number, eccentricity of the ellipse with same second moments as the plant (0...circle, 1...line segment)） 5) 叶圆度（Roundness: Based on evaluating the ratio between leaf area and perimeter. Gives information about leaf roundness） 6) 叶宽指数（Medium Leaf Width Index: Leaf area proportional to the plant skeleton (i.e. reduction of the leaf to line segment)） 7) 叶片细长度SOL (Slenderness of Leaves) 8) 植物圆直径（Circle Diameter. Diameter of a circle with the same area as the plant） 9) 凸包面积（Convex Hull Area. Useful for compactness evaluation）   10) 植物质心（Centroid. Center of the plant mass position (particularly useful for the eccentricity evaluation)） 11) 节间距（Internodal Distances） 12) 生长高度（Growth Height） 13) 植物三维最大高度和宽度（Maximum Height and Width of Plant in 3 Dimensions） 14) 相对生长速率（Relative growth rate） 15) 叶倾角（Leaf Angle） 16) 节叶片数量（Leaf Number at Nodes） 17) 其它参数如用于植物适合度估算的颜色定量分级、绿度指数（Other parameters such as color segmentation for plant fitness evaluation, greening index and others） 3. 高光谱成像分析（选配），可成像并分析如下参数： 1) 归一化指数（Normalized Difference Vegetation Index (NDVI)） 2) 简单比值指数（Simple Ratio Index, Equation: SR = RNIR / RRED） 3) 改进的叶绿素吸收反射指数（Modified Chlorophyll Absorption in Reflectance Index (MCARI1), ?Equation: MCARI1 = 1.2 * [2.5 * (R790- R670) - 1.3 * (R790- R550)]） 4) 最优化土壤调整植被指数（Optimized Soil-Adjusted Vegetation Index (OSAVI)?, Equation: OSAVI = (1 + 0.16) * (R790- R670) / (R790- R670 + 0.16)） 5) 绿度指数（Greenness Index (G), Equation: G = R554 / R677） 6) 改进的叶绿素吸收反射指数（Modified Chlorophyll Absorption in Reflectance Index (MCARI), ?Equation: MCARI = [(R700- R670) - 0.2 * (R700- R550)] * (R700/ R670)） 7) 转换类胡罗卜素指数（Transformed CAR Index (TCARI)?, Equation: TSARI = 3 * [(R700- R670) - 0.2 * (R700- R550) * (R700/ R670)]） 8) 三角植被指数（Triangular Vegetation Index (TVI)?, ?Equation: TVI = 0.5 * [120 * (R750- R550) - 200 * (R670- R550)]） 9) ZMI指数（Zarco-Tejada & Miller Index (ZMI), Equation: ZMI = R750 / R710） 10) 简单比值色素指数（Simple Ratio Pigment Index (SRPI), Equation: SRPI = R430 / R680） 11) 归一化脱镁作用指数（Normalized Phaeophytinization Index (NPQI), Equation: NPQI = (R415- R435) / (R415+ R435)） 12) 光化学植被反射指数（Photochemical Reflectance Index (PRI), Equation: PRI = (R531- R570) / (R531+ R570)） 13) 归一化叶绿素指数（Normalized Pigment Chlorophyll Index (NPCI), NPCI = (R680- R430) / (R680+ R430)） 14) Carter指数（Carter Indices?, Equation: Ctr1 = R695 / R420; Ctr2 = R695 / R760） 15) Lichtenthaler指数（Lichtenthaler Indices?, Equation: Lic1 = (R790 - R680) / (R790 + R680); Lic2 = R440 / R690） 16) SIPI指数（Structure Intensive Pigment Index (SIPI), Equation: SIPI = (R790- R450) / (R790+ R650)） 17) Gitelson－Merzlyak指数（Gitelson and Merzlyak Indices?, ?Equation: GM1 = R750/ R550; GM2 = R750/ R700）   4. 热成像分析（选配）：用于成像分析植物在光辐射情况下的二维发热分布，良好的散热可以使植物耐受较长时间的高光辐射或低水条件（干旱） 5. 近红外成像分析（选配）：用于观测分析植物的水分状态及其在不同组织间的分布变异，处于良好浇灌状态的植物表现出对近红外光谱的高吸收性，而处于干旱状态的植物则表现出对近红外光谱的高反射性，通过分析软件可以监测分析从干旱胁迫到再浇灌过程中的整个过程动态及植物对干旱胁迫的响应和水分利用效率，并形成假彩图像，可以与植物的形态指数及叶绿素荧光指数进行相关分析研究。   系统配置与工作原理：   整套系统由自动化植物传送系统、光适应室、RGB成像、FluorCam叶绿素荧光成像、高光谱成像、植物热成像、植物近红外成像、自动浇灌施肥与称重系统、植物标识系统等组成，光适应室内的植物可由传送带传送到成像室进行成像分析等。   技术指标：   1. 自动装载与卸载植物样品，通过条形码或RFID标签识别跟踪样品 2. 光适应室：用于光照适应或植物培养，LED光源光照强度达1000μmol/m2.s，无热效应，强度0－100%可调，可通过实验程序预设光照周期变化，可选配通用型或专用型如水稻生长观测室等，还可选配三维扫瞄成像分析功能（包括XYZ三维扫瞄成像系统和软件） 3. 标配托盘架30x30cm，用于安放盆栽植物或可以盛放多个小花盆的托盘 4. 自动传送系统由光适应室到成像室形成一个环形传送通道，传送带采用具变速器的三相异步马达，200-1000W，传送带宽320mm，负载力130kg，速度9m/min 5. 移动控制系统中央处理单元：CJ2M-CPU33；数字I/O：最大2560点；PLC通讯：通过以太网100Mb/s高端PC；OMRON MECHATROLINK-II 最大16轴精确定位 6. 植物成像测量室：150cm(长)x150cm(宽)x220cm(高)，与环境光隔离（light-isolated），快速自动开启关闭门，开启关闭周期小于3秒，传送带入口具光幕传感系统、条码识别器和RFID读取器 7. RFID读取器辨识距离：2-20cm；通讯：RS485；条码识别器可读取1维、2维和QR码，具LED光源便于弱光下辨识，RS485通讯 8. F3EM2光幕系统，精确测量植物高度和宽度以便进入成像测量室后摄像头自动精确定位，测量范围150cm，分辨率5mm 9. 叶绿素荧光成像：包括光隔离成像室、自动开启与关闭门、传送带、PLC控制自动上下移动聚焦系统、4个LED光源板、8位绿波轮等，单幅成像面积35x35cm，测量光橙色620nm，橙色和白色双波长光化学光，饱和光闪为白色或蓝色 10. 自动灌溉与称重，可同时对5个植物种植盆进行浇灌和称重，精确度±1g；称重后精确浇灌，可通过实验程序（protocol）预设浇灌过程（regime）或干旱胁迫状态，还可选配营养供给系统随浇灌定量供给植物营养（如氮肥等）；称重前自动零校准，还可通过已知重量（如砝码）物品自动进行再校准；防护级别：IP66 11. 称重系统由4个称重单元组成，安全承载限：150% Ln；温度补偿：-10－40°C，标配测量范围7kg，可选配10kg、15kg或20kg 12. RGB成像：顶部和侧面三维成像（3个摄像头），每个摄像头各自拥有独立的控制面盘以设置曝光时间、增益、白平衡等，通过控制面盘的快照键可即时拍照并显示分辨率等信息，还可通过自动模式自动成像并存储至数据库，每次扫瞄成像时间小于10秒 13. RGB成像系统包括成像室（光隔离）、传送带及位置传感器、3个摄像头、光源及成像分析软件，标配成像范围150cm(长)x150cm(宽)x150cm(高)，LED冷白光源（不对植物产生热效应） 14. 标配USB以太网摄像头，有效像素4008x2672，像素大小9.0μm，比特分辨率12比特，光量子效率：蓝光峰值465nm，绿色峰值540nm，红色峰值610nm；28mm光学镜头，口径43.2mm，光圈范围2.8－F16 15. NIR近红外成像单元：可成像采集1450－1600nm水吸收波段，以反映植物水分状况，在供水充沛情况下表现出高NIR吸收值，干旱胁迫情况下则表现出高NIR反射，NIR假彩色成像可以通过软件反映和分析植物水分状况 16. 高光谱成像单元包括光隔离成像测量室、自动开启关闭门、传送带、PLC控制自动移动聚焦镜头包括SWIR和VNIR镜头、光源、成像分析系统等，VNIR镜头波段380nm－1000nm，光圈F/0.2，缝隙宽度25μm，缝隙长度18mm，帧速12－236 fps；SWIR镜头波段900－2500nm，光圈F/0.2，缝隙宽度25μm，缝隙长度18mm，帧速60或100 fps，视野150x100cm 17. 用户可通过实验程序选择SWIR成像、VNIR成像或两个镜头全波段成像，每个镜头成像时间分别为15秒 18. 热成像单元：分辨率640x480像素，温度范围20－120°C，灵敏度NETD<0.05°C@30°C/50mK，成像面积可达150x150cm 19. 可选配人工气候室，植物生长面积9.5m2，生长高度2.0m，温度稳定性±1°C，430nm－730nm白色和IR LED 光源，1000μmol/m2/s（距离植物100cm高度的光强）,可预设自动光照周期动态， 20. 系统控制与数据采集分析系统： Ø 用户友好的图形界面 Ø 用户定义、可编辑自动测量程序（protocols） Ø MySQL数据库管理系统，可以处理拥有上千万条记录的大型数据库，支持多种存储引擎，相关数据自动存储于数据库中的不同表中 Ø 植物编码注册功能：包括植物识别码、所在托盘的识别码等存储在数据库中，测量时自动提取自动读取条形码或RFID标签 Ø 触摸屏操作界面，在线显示植物托盘数量、光线强度、分析测量状态及结果等，轻松通过软件完全控制所有的机械部件和成像工作站 Ø 可用默认程序进行所有测量，也可通过开发工具创建自定义的工作过程，或者手动操作LED光源开启或关闭、RGB扫面成像、叶绿素荧光成像、称重及浇灌等 Ø 实验程序（Protocols）具备起始键、终止键、暂停键 Ø 可根据实验需求自动控制植物样品的移动和单一成像站的激活 Ø 可提供3个相机视角的RGB数字生长分析，包含阈值分析和颜色分析 Ø 对于叶绿素荧光成像图片，软件可批量进行淬灭参数分析，包含了在背景去除图像上用户感兴趣区域和像素值的平均。分析数据以原始图像和分析数据的形式存储在数据库中。 Ø 对FIR热成像图，16位图可直接导出到MATLAB或通过软件生成温度分布的假彩图像。   部分用户：   1. 国际水稻研究所（菲律宾）The International Rice Research Institute, Los Banos Philippines  2. 澳大利亚联邦科学与工业研究组织植物表型组学中心The CSIRO Plant Phenomics Center, Canberra, Australia  3. 澳大利亚国立大学The Australian National University, Canberra. Australia  4. 孟山都公司（美国）Monsanto Corporation, St. Louis, USA.  5. 杜邦先锋国际良种公司Pioneer-Dupont, Des Moines, Iowa  6. 巴斯夫公司Metanomics（柏林）Metanomics (BASF), Berlin, GDR  7. 巴斯夫公司CropDesign（比利时）CropDesign (BASF), Nevele, Belgium  8. 美国合成基因公司Synthetic Genomics, La Jolla, USA  9. Palacky 大学Palacky University Olomouc, Czech Republic 10. Masaryk 大学Masaryk University Brno, Czech Republic   产地：欧洲    

产品详细介绍JSB-4A型微机高速分析仪仪器简介： 该仪器适用于材料品种较多的实验室使用。大屏幕液晶显示，中文菜单式操作，共四个通道，每个通道可贮存十条工作曲线，原则上可检测四十种元素含量，检测结果直接显示并自动打印，包含JSB-3A、JSB-3C的所有功能，可检测的元素如：Mn、P、Si、Cr、Ni、ΣRE、Mg、Mo 、Cu、 Ti、V等多种元素。仪器主要特点：1、大屏幕液晶显示，中文菜单式操作；2、共四个通道，每个通道可贮存10条工作曲线，原则上共可检测40种元素含量；3、包含JSB-3A、JSB-3C所有主要功能，操作更简洁；4、通用仪器接口，便于更新升级。

产品详细介绍JSB-3A型微机高速分析仪主要技术参数： 测量范围：(以Mn、P、Si、稀土、Mg为例) Mn：0.01～20.50% P：0.0005～1.000% Si：0.01～6.00%仪器主要特点：1、每个通道可贮存3条曲线，原则上每个通道可检测9个元素；2、通用仪器接口，便于更新升级。

本发明公开了一种考虑逆变型分布式电源接入的配电网故障区域定位算法，包括如下步骤：(1)建立恒功率控制方式下逆变型分布式电源故障特性分析模型；(2)根据配电网中联络开关、断路器等开关器件的分布特点对配电网进行分区处理，使用图论的理论分析方法，建立配电网的图模型，并设定配电网的电流参考方向；(3)利用设定的配电网电流参考方向以及断路器处保护装置上传的故障信息，通过矩阵运算求取故障判断矩阵，实现故障区域的定位。本发明能够满足分布式电源接入，无需动作值整定，具备一定拓扑结构自适应的能力。

本发明公开了一种基于选择性隐朴素贝叶斯分类器的网络故障 诊断方法，包括：(1)从网络历史数据库中获取历史数据，包括症状变 量集以及故障类变量集；(2)构建选择性隐朴素贝叶斯分类器预测模型， 根据症状变量集中的每个症状变量确定对应的最相关症状变量集合； (3)所述选择性隐朴素贝叶斯分类器通过训练历史数据自动学习到分类 器参数；(4)进行故障诊断时，对测试数据利用上述选择性隐朴素贝叶 斯分类器进行估计得到对应最终的故障诊断结果。通过执行本发明中的网络故障诊断方法，有效解决了现有网络故障诊断中运算复杂度高、 网络诊断结果偏差大的问题，显著提高了网络诊断的准确性，在进一 步降低运算复杂度的同时，能够保持较好的学习能力及容错特性。

 本系统利用工业无线传感器网络构建无线、分布式机械设备故障诊断和监测系统，对工业现场运转设备的工作状态进行监测，部署的工业无线传感器网络既充当在线状态监测系统，也承担通信网络的功能，最后作为具有推理学习能力的决策网，是集感知、通信、识别、诊断、决策为一体的综合预测性维护平台。   作为一种独立的控制网络，本系统包含低功耗传感器节点、执行器节点、汇聚网管等硬件设备及专家知识库、规则匹配数据库、历史数据库、人机交互界面等软件平台，能够有效弥补有线诊断系统在应用中布

本发明公开了一种基于卷积神经网络和小波灰度图的旋转机械故障诊断方法，其包括以下步骤：(1)将振动位移传感器及振动速度传感器设置在旋转机械上，利用所述振动位移传感器及所述振动速度传感器采集所述旋转机械的振动信号；(2)对采集到的所述振动信号进行多尺度小波分解，以得到小波灰度图；(3)按照预先训练过的卷积神经网络的输入形式，对所述小波灰度图进行预处理；(4)将预处理后的所述小波灰度图输入到所述卷积神经网络，所述卷积神经网络对接收到的所述小波灰度图进行分析诊断，以得到所述旋转机械的故障诊断结果。

本发明涉及一种基于小波变换与混合注意力机制的轴承故障诊断方法，具体包括：利用传感器获取轴承振动信号，得到原始故障数据；对原始故障数据依次进行小波变换、加入高斯噪声、分块采样；并为采样后的数据生成类别标签和位置标签；基于混合注意力机制、残差结构、可学习卷积构建故障诊断模型；将采样后的故障数据划分为训练集和测试集，作为模型的输入数据进行训练，实时监控训练结果进行参数优化，同时将故障诊断结果可视化；在多种噪声条件下与现有模型进行对比实验，检验模型性能。本发明所提出方法解决了传统轴承故障诊断方法在多变噪声条件下故障识别率较低的问题。