产品详细介绍 笔记本PCMCIA彩色黑白高清图像采集卡是一款高品质图象采集卡，支持1路复合视频输入和1路S-Video输入，分辨率720*576。采用10 bit A/D转换芯片，能得到高画质高清晰图像，采用多层滤波，画面分辨率高，色彩更加丰富艳丽，图像采集的实时性能更强，采样频率更高，性能更为稳定。 特别适于：笔记本图像采集处理、高精度高速图像采集处理 医学图像采集、显微成像、工业检测、野外图像采集存储、野外监控录像系统 便携移动图像采集处理、移动智能交通、移动电子警察、移动车辆稽查系统 【PCMCIA接口采集卡性能指标】 l  PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡真彩色/黑白方式采集图象数据：8位-32位； l  图象显示采集分辩率：720X576，可以无级缩放； l  PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡可采集静态BMP/JPEG和动态MPEG4文件； l  具有1路模拟视频输入和一个S端子（YC分量）输入； l  实现视频信号的实时显示，扫描、同时采集处理； l  采样位数：黑白方式8Bit，彩色方式RGB15、16、24和32Bit； l  PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡水平解像度：可达电视线480以上！ l  亮度、对比度、画面的大小比例均可由软件编程调节，硬件支持窗口缩放；  l  灵活实用的显示方式：Bitmap mode (BMP/DIB)、DirectDraw back buffer mode 、DirectDraw primary DirectDraw overlay 【笔记本专用采集卡特点介绍】 l PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡独特的视频输入滤波技术端口，极大地提高了图像采集的清晰度和显示速度； l  软件功能丰富完善、开发简单方便，在MV系列图象卡中容易移植； l 提供二次开发工具包，全力支持开发！我们还可以根据用户的要求直接改写软件，或代为ODM、OEM，全面满足您的需求。 我们提供您方便的二次开发包（SDK），甚至还能根据用户的要求直接写应用软件，外置图像采集卡对于行业应用的大批量订单，我们可以根据客户的需求进行软件硬件方面的修改（ODM）。    PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡二次开发包支持VB、VC、DELPHI等进行二次开发，我们提供方便的开发示例的源代码，外置图像采集卡可以让您方便快速的开发您的自己的应用系统。 外置图像采集卡非常亲和的硬件快照功能，低电源消耗，非常适合笔记本电脑，可配合快速的图象编辑软件，支持WIN2000/winxp操作系统。 （产品可大量为客户OEM、系统集成商所配套，提供优惠的价格优良的服务） 【笔记本图像采集卡应用领域】 工业检测、智能交通、电子警察、交通抓拍、医学影像、工业监控、仪器仪表、机器视觉、病理显微、人工智能、医学内镜、生物识别、安防监控、视频会议等领域。

产品详细介绍系统概述： 本系统采用最先进的图像（人脸、色彩、物体移动趋势等多种方案联动）跟踪方案，其优势部分在于其跟踪策略的组合及配置（多位优质课专家参于设计，并在数千堂实况课实时测试更新），配合其它厂家的录播主机可满足智能跟踪系统的需求，学生和教师跟踪主机可分别单独使用，同时使用可以达到最佳的无人值守的学生及教师跟踪轨迹，是目前教育市场上最佳的图像跟踪方案，此方案的跟踪策略完全由主机智能分析完成，兼容市面大部分主机厂家录播主机，不需要录播厂商或系统集成商二次开发。 教师跟踪主机（型号：WIS-ITRACE-T01）： 学生跟踪部分（型号：WIS-ITRACE-S01）：     功能简述： l         平滑的教师跟踪、清晰的板书跟踪、准确的学生跟踪; l         自带窗口化调试工具，安装调试及使用调试，有基本电脑常识的老师即可设置; l         满足教学PC的鼠标键盘移动侦测响应; l         灵活的摄像机拉近拉选，可用鼠标的滚轮来按制，像操作窗口滚动条一样拉近拉选; l         简单的云台控制，实现平滑的画面感且可设定移动速度 l         快捷的场景切换，可预置远中近和全景四个场景，由快捷按钮一键实现 l         方便配合云台的预置位，而且可以用鼠标光标直观控制，人机操作方便   系统特点： 1、  教师跟踪模式：智能图像识别，直接对录制视频图像进行分析，老师讲课时无需佩戴任何定位设备，也无需安装任何红外、超声波、射频发射器以及图像辅助定位摄像机，实现常态化教学（含板书跟踪、鼠标移动侦测）； 2、  学生机跟踪模式：由一台广角全景定位摄像机和跟踪摄像机组成，定位摄像机监控整个教室内学生起立和举手动作并控制跟踪摄像同进行追踪和定位，准确度较其它跟踪方案高，且安装简单； 3、  跟踪距离：2M～50M（视摄像机的焦距能力而定）； 4、  跟踪角度：0～355度； 5、  最小跟踪目标：≥4*4像素； 6、  抗干扰能力：采用领先的人体特征跟踪算法，完全不受光线、声音、电磁等外在的环境影响； 7、  定位与实时：自动识别目标位置，定位精确，多种跟踪策略可选，并可自定义跟踪策略； 8、  标准1U机架式设备，功耗低，稳定性强，兼容性强，标准化云台接口，支持多种云台设备； 9、  支持高清摄像机的方案；   方案的对比   智能图像跟踪系统 红外跟踪 超声波 图像流畅度 流畅 不流畅 不流畅 定位准确度 误差<2% 误差>10% 误差>20% 抗干扰性 强 太阳光，热光源都会差生干扰 有辐射，对人体有害 安装难易 简单，只装摄像机，安装调试半天 复杂，还要安装发射和接收，一般2-3天 复杂，安装接收和发射，一般2-3天 产品升级 容易，更新主机即可 困难 困难 系统组成部分 跟踪主机独立完成 需辅助设备 需辅助设备 实时跟踪，目标跟踪 350度跟踪目标，不会丢失，跟踪流畅 角度受限，有盲区 角度90度左右，有盲区   主机参数： l         通迅、管理、扩展接口：RS232 l         视频接口：CVBS l         电源：AC 5V   主机应用： l         精品录播课程 l         多媒体教学 l         校园电视台 l         手术示教 l         微格教室 l         优质课评选 l         各种会议 l         指挥调度  

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵

本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。

印染织物电脑对中纠偏系统及其装置，具有布边卷取、展开、扩布和对中控制功能。可连接棉印行业的烧毛机、水洗机、镀层机、丝光机、定型机、平网印花机、圆网印花机以及造纸机、塑料薄膜生产线等机械的入口处。自动对中修正偏斜，减少偏斜式边缘弯曲不正所产生的摺纹式色泽光泽不均现象，提高产品品质，实现生产自动化。 本系统采用微电脑与红外数码技术，将模糊智能识别用于对中纠偏，较模拟电路的对中装置上一档次，属国内首创。该系统具有抗干扰性能强、动作稳定可靠、灵敏度高等优点，不受织物厚薄和幅宽的限制，可自动控制中心位置，可高速运行，是提高印染产品质量的好帮手。本系统还可选配笔记本电脑监控工作状况连接Internet网络。

图1. 矿识的4个页面 a: 选取待识别的矿物，可现场拍照获取或从手机相册中选取 b: 截取待识别矿物中心图 c: 输入便携硬度仪测量或经验估计所得的硬度值后得到识别结果 d: 可以不使用硬度值，仅用图片进行识别 表1 矿识与其他相关工作的对比 图片类型 相关研究 性能 可识别矿物数 准确率(%) Raman spectroscopy 拉曼光谱 Computers & geosciences 2013 6 83.0 Microscope 显微镜 Sensors 2019 4 90.9 Mathematical and Computational Applications 2011 5 93.9 Photo 相机图片 Artificial Intelligence in Theory and Practice, 2008 6 91.0 Minerals 2019 12 74.2 photo & hardness 相机图片+硬度 矿识 36 90.6   表2 矿识能够识别的36种矿物及其准确率 矿物名 样本数  仅用图片识别的正确数 结合图片与硬度识别的正确数 Agate玛瑙 5 5 5 almandine铁铝榴石 6 4 4 azurite蓝铜矿 2 1 2 beryl绿柱石 1 1 1 chalcopyrite黄铜矿 2 1 2 cinnabar辰砂 1 1 1 copper铜 2 2 2 fluorite萤石，氟石 11 8 10 galena方铅矿 3 2 3 halite石盐 1 1 1 hematite赤铁矿 8 1 5 malachite孔雀石 6 5 5 opal欧泊 1 1 1 orpiment雌黄 3 1 3 pyrite黄铁矿 6 5 6 quartz石英 4 4 4 sphalerite闪锌矿 1 0 0 stibnite辉锑矿 8 7 8 sulphur硫磺 2 2 2 total 73 52 65 Accuracy \ 71.2% 89%    

本发明公开了一种害虫诱捕装置和害虫远程识别监控系统。所述害虫诱捕装置包括顶盖、漏斗座、集虫器以及控制单元，所述漏斗座与集虫器之间设有仅能供害虫单只逐个通过的通道，所述通道侧壁设有计数装置和红外感应微型摄像头，所述红外感应微型摄像头的数量至少为四个，设于通道的同一高度且沿通道周向均匀分布。所述害虫远程识别监控系统包括本发明的害虫诱捕装置和远程数据中心。与现有技术相比，本发明利用安装在仅能供害虫单只逐个通过的通道内的至少四个红外感应微型摄像头来采集单个害虫的图像信息，利用摄像头采集害虫群体的图像信息，还对害虫进行计数，有利于对害虫的数量和种类进行全面分析，有效监控虫害情况。

随着视频与图像技术的快速发展，在监控视频中识别特定人物身份有着重要的实用价值。本项目   针对现实场景下，普遍存在的面部遮挡以及拍摄机位和镜头距离变化，而导致传统基于正面人脸的识 别方法的准确率将大大降低，甚至识别错误的问题，提出了一种基于局部分割与融合的算法，应用于 视频分析平台下的特定人物识别，融合多部位识别特征，提高了部分遮挡、多场景和镜头变化下的人 物识别鲁棒性，经充分验证，达到了先进的识别精度，可以满足实际应用的需求。该技术是优化并提 高复杂背景下人物识别精准度的一项核心技术，已申请国家发明专利 1 项。

本发明公开了一种注塑制品缺陷检测识别方法，包括以下步骤： 1)采集正常和存在已知缺陷的注塑制品的图像，对图像进行分类并生 成样本；2)构建多层卷积神经网络模型；3)使用步骤 1)中的样本对步 骤 2)中构建的卷积神经网络模型进行训练；4)将采集的实测注塑制品 的图像经过预处理后输入步骤 3)中已训练完成的卷积神经网络模型， 卷积神经网络模型对实测注塑制品的图像进行分类识别，以判断注塑 制品是否存在注塑缺陷，若存在缺陷则对缺陷类别进行识别。本发明 构建的卷积神经网络模型对各种注塑缺陷均采用相同的特征选择、提 取方式，适应性较强，可适用于注塑制品各种类型缺陷的检测与识别。

成果简介： 主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。