仪器概述        pH 自动控制加液系统是pH值在线监控或静态控制、测量于自动加酸加碱调整于一体的新型自动化控制设备。        pH精度高，稳定性好。广泛用于高等院校、科研院所实验室、中试车间、工业生产流程特定pH溶液的配置，以及其他生产工艺检测、控制、调节pH之场所。 技术参数 1、工作电源：AC220V±10%，50Hz 2、控制范围：0～14 pH 3、测量精度：±0.05 pH 4、分 辨 率：0.01 pH 5、泵头速度：0.1～300转/分 无级调速 6、转速显示：OLED高清液晶窗口显示 7、加液速度：0.12～190ml/min(自来水) 8、加液泵头：单泵 9、测量电极：pH三复合电极 或玻璃电极 10、温度补偿：自动温度补偿(PT1000) 11、pH控制器：高精度智能控制器 12、pH电极适用温度 ：0～80℃ 13、pH标准液：6.86/4.00 14、外形尺寸：330*310*230mm 15、环境温度：室温～40℃ 相对湿度：<80% 16、整机重量：约8kg 性能特点 1、高精度智能pH控制器，大屏幕液晶即时显示动态pH值与温度值，超出范围报警。 2、 多种控制测量模式：自动、手动、停止,可自由转换，实现一机多用。 3、单泵实现加酸或加碱，适用于只用一种液体(酸液或碱液)来调节控制PH值。 4、采用OLED高清液晶窗口，单独显示当前电机转速及工作状态，加液速率可无级调速。 5、pH值上下限自由设定，设定值与实测值同时显示。 6、pH电极可单点或两点校正，pH值与温度自动测量，pH值能根据温度自动校正。 7、采用步进电机控制蠕动泵加液,液体接触进口泵管，不接触泵体，无污染。 8、选配不同形式的pH精密复合电极，及配四氟材质的电极护套和延长杆可在高温、反应釜、反应器中适用实现特殊容器内pH值的监控与调整。 9、控制方式：自动、手动、停止 A:自动方式：仪器会根据实时检测的pH值与设定值，自动启动/停止加酸(加碱)，调整pH值至设定范围。 B:手动方式：不受pH控制器控制，一直转动，人工启动/停止加酸(加碱)，调整pH 值至设定范围。也可用于快速调整，或驱赶管内气泡，或用于其它液体的输送 C:停 止：停止加液动作，但pH值实时检测并显示;用于待命或调整结束时，也可作为在线pH值测量显示终端时使用。 本产品荣获国家发明专利,专利号为：ZL 201420406055.8 ZL 201420406067.0 ZL 201410349779.8   网址链接 http://www.csscyq.com.proshow.asp?id=798

简介： 1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。 层级分割模型示意图  分类模型可视化热图   2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。 钼靶乳腺图像预处理   双侧双体位深度学习网络   优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。  

1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。

其中的前景图像提取方法包括：获取第i帧与第i-1帧中位置相同的像素点之间的距离，获取距离大于预定值的像素点集合Z，获取像素点集合Z中与第i-1帧中的前景区域的像素点位置相同的像素点集合U，将像素点集合U进行背景差分处理，获得像素点集合E，根据像素点集合E、像素点集合T以及像素点集合W的并集确定第i帧的前景区域，像素点集合W为像素点集合Z中与第i-1帧中的前景区域的像素点位置不相同的像素点集合，像素点集合T为第i-1帧的前景区域中与像素点集合U中的像素点位置不相同的像素点集合。上述技术方案能够快速准确的提取出第i帧中的前景图像。

已有样品/n主要技术指标：图像分辨率 800×600；量化位宽 12bit；图像帧率 1000fps；动 态范围 70dB；工作温度范围在-25℃至 85℃；芯片功耗 0.67W；同时定制的图像传 感器工艺和设计流程，具有更佳的高速图像获取能力。 高速图像传感器可应用于工业生产、农业生产、智能交通、虚拟现实、科学研 究、国防军事及其他民用领域。具体来说，高速图像传感器可应用于汽车碰撞试验、 火箭发射、弹道测试、体育赛事、目标追踪、微表情研究和高速车牌识别等领域。

成果简介：基于内容的图像检索是近年来兴起的新技术，与传统的基于文字 的检索相比，其直观、高效、通用等特点，受到了越来越多的重视。基于内 容的图像检索的基本思想是通过分析图像的视觉特征和上下文联系来进行检索。通常图像的特征分为低层物理特征（如：颜色、纹理、形状、轮廓、 图像内容的空间关系等）和高层语义特征（是人们对图像内容概念级的反映， 一般是对图像内容的文字性描述）。基于内容的图像检索突破了传统的基于 关键字的表达方式检索的局限，直接对图像内容进

产品详细介绍一、嵌入式机器视觉图像处理平台     MV-VS800是一款高性能数字图像信号处理平台，具有极强的处理性能，高度的灵活性、工作稳定性和可编程性，平台功耗低、接口丰富，体积小巧，智能化程度高、拥有大量常用的图像处理软件库，是用户构造机器视觉图像处理系统的理想选择。二、机器视觉图像处理软件1、MV-MVIPS图像处理软件、HALCON机器视觉软件                               2、HALCON机器视觉软件 MVIPS 机器视觉图像处理软件平台是一款高性能的工业机器视觉软件工具包，用户可以利用其快速开发图像处理和机器视觉应用软件，快速搭建自己的机器视觉应用系统，它功能强大，测量、检测、识别速度快，可靠性高。MVIPS机器视觉图像处理软件提供了图像测量、字符识别、彩色分析、缺陷检测和目标定位等多个库函数，软件开发平台具有良好的人机界面，有图像输入、程序代码、参数设置、数据输出窗口，用户可以用简单的下拉式菜单界面，在软件中只需要快速调用相应函数就可以实现自己想要的功能。三、应用领域1、缺陷检测；2、尺寸测量；3、OCR&OCV；4、颜色比对；5、匹配定位。6、其他。

本发明提供一种基于区域相关反馈的行人重识别方法及系统，进行初次查询匹配和反馈样本收集， 选取不相关图像作为反馈样本并标记类型;确定近邻集合、区域权重调整和特征权重调整;进行特征表 达和距离度量，得到查询匹配结果;查询匹配结果，如果符合要求则输出结果，如果不符合要求，则返 回进行迭代更新反馈样本，直到符合要求。本发明提出的基于区域相关反馈的技术，是充分了利用行人 图像的局部特征信息，从局部特征出发，结合其他信息实时动态地调整局部特征权重，并结合传统行人 重识别方法最终实现准确快速地找出并成功匹配目标嫌

本发明公开了一种面向人机交互的“1”手势识别方法，可应用于手机、电脑、电视等电子产品的操控。该方法步骤如下：人脸检测，拳头检测，肤色标记，亮度计算。本发明在手势识别过程中，将摄像头采集到的 YUV 视频帧图像中的亮度信息 Y 与颜色信息 UV 独立开来，先利用 UV 通道信息进行肤色的点的采集以及标记，再利用 Y 通道亮度信息进行进一步的判断；其中 UV 通道信息将肤色点与非肤色点区分开，Y 通道信息将与肤色点相近的