产品详细介绍产品简介：在线污泥浓度测量仪 污泥浓度分析仪 在线污泥浓度监测仪 在线污泥浓度检测仪●  全部采用进口芯片及元器件及全新的表贴生产工艺，确保仪器工作稳定可靠；●  采用防水防气全密封型外壳，更能在非常恶劣的环境状况中使用，防护等级达IP65；●  大屏幕背光液晶显示，PH值、温度、时间及继电器状态各项参数一目了然；●  独特的2路4～20 mA电流输出， RS485 MODBUS RTU协议，方便电脑远端进行监测与通讯；●   一路多功能继电器，具有清洗，周期报警，错误报警等功能；●  独特的历史曲线功能，能记录60万数据并有查询功能。●  独特的中英文操作菜单，为使用者带来了及大的方便，用户不看说明书也可使用自如。●  无按键操作三分钟背光自动关闭既节电又能延长使用寿命；屏幕对比度等级可调。应用：在线污泥浓度测量仪 污泥浓度分析仪 在线污泥浓度监测仪 在线污泥浓度检测仪污水处理、自来水厂、造纸厂、洗煤厂、电力等技术参数：在线污泥浓度测量仪 污泥浓度分析仪 在线污泥浓度监测仪 在线污泥浓度检测仪型号PM8200M功能污泥浓度MLSS污泥界面SB测量范围0.00~50.00g/L0.0~100%分辨率0.01g/L0.1精度±2%F.S.±2%F.S.工作温度0~70.0℃储存温度-20~70.0℃显示带背光超大点阵LCD语言中英文菜单可选存储60万条数据电源90-260VAC,50/60Hz；24VDC可选防护等级IP65通讯功能RS485通讯，兼容标准MODBUS-RTU协议变送输出2路隔离变送4-20mA输出，最大环路500Ω，0.1%F.S多功能继电器清洗/周期报警/错误报警安装方式壁挂式、杆式、面板式安装尺寸144 x 144 x 106mm安装开孔尺寸138 x 138 mm重量0.86kg 电极参数：在线污泥浓度测量仪 污泥浓度分析仪 在线污泥浓度监测仪 在线污泥浓度检测仪型号Bsens550测量范围0.0~50.00 g/L分辨率0.01g/L精度±2%F.S.电极材质DELRIN工作温度0~70.0℃最大耐压5bar外形尺寸Ф65×210mm电缆长度7m反应时间<30S应用污泥浓度测量

产品详细介绍在线氟离子测量仪产品简介： ●  全部采用进口芯片及元器件及全新的表贴生产工艺，确保仪器工作稳定可靠；●  采用防水防气全密封型外壳，更能在非常恶劣的环境状况中使用，防护等级达IP65；●  大屏幕背光液晶显示，PH值、温度、时间及继电器状态各项参数一目了然；●  独特的2路4～20 mA电流输出， RS485 MODBUS RTU协议，方便电脑远端进行监测与通讯；●   一路多功能继电器，具有清洗，周期报警，错误报警等功能；●  独特的历史曲线功能，能记录60万数据并有查询功能。●  独特的中英文操作菜单，为使用者带来了及大的方便，用户不看说明书也可使用自如。●  无按键操作三分钟背光自动关闭既节电又能延长使用寿命；屏幕对比度等级可调。 在线氟离子测量仪技术参数： 型号PM 8200I测量范围0.00~20000ppm分辨率0.01/0.1/1ppm精度±0.01,±0.1,±1ppm温度补偿-10~130℃手动/自动；(NTC10K/PT1000)工作温度0~70.0℃储存温度-20~70.0℃显示带背光超大点阵LCD语言中英文菜单可选存储60万条数据电源90-260VAC,50/60Hz；24VDC可选防护等级IP65通讯功能RS485通讯，兼容标准MODBUS-RTU协议变送输出2路隔离变送4-20mA输出，最大环路500Ω，0.1%F.S清洗输出清洗间隔：0.1-1000h可调，清洗时间：1-1000s可调安装方式壁挂式、杆式、面板式安装尺寸144 x 144 x 106mm安装开孔尺寸138 x 138 mm重量0.86kg在线氟离子测量仪电极参数： 型号Bsens710Bsens720Bsen730测量范围0-20ppm0~30000mg/L0~1000mg/L分辨率0.1ppm0.01mg/L0.01mg/L精度±3%F.S.±3%F.S.±5%F.S.电极材质PPSPPSPPS工作温度-5~70.0℃-5~70.0℃-5~70.0℃最大耐压3.5bar3.5bar3.5bar链接方式固定固定固定螺纹尺寸PG13.5PG13.5PG13.5电缆长度5m5m5m应用半导体、太阳能材料，含氟电镀等行业氟离子值测量制药、锅炉用水等行业氯离子值的测量出水口氨氮、硝氮浓度的监测 

产品详细介绍 一、简介：目前国内原油管线取样，大都采用手工取样方法，手工取样因其取样频率小，易受输油工况、人为因素等影响，样品代表性差，由此而引发的交接计量纠纷日益增多。而SBSQY系列在线自动取样器可克服手工取样的缺陷，可自动，近乎连续地取样，既避免了因输油工况变化，油质不均等造成的样品代表性差的问题，又可消除人为因素的影响，使样品更具代表性，既减轻取样工人的劳动强度，又避免了因样品代表性问题引发的计量纠纷。该取样器设计新颖、结构简单、安全可靠、安装方便、易维护，尤其是取样量不受工况、介质粘度、压力、温度等变化影响，确保取样量准确，这一特点是国外取样器所不能比拟的。其特性系数远优于国际标准ISO3171的规定。已广泛应用在石油、化工等行业中。SBSQY石油在线自动取样器 二、主要指标：1、电源：380V/220V 50Hz 2、功率：2.0kw3、取样间隔时间：10～1000S可调（时间比例）4、单次取样量5～15ml5、效能系数：0.95～1.056、工作介质: 温度:80℃以下 粘度：有流动性压力：2.5Mpa以下（大于2.5Mpa时可以单独设计）；7、工作环境温度：常温。8、液压油：500＃，不少于20L9、可选设有RS485数据接口10、防爆：EXdIIBT4

以“线下项目实施 + 线上工程仿真 + 远程系统部署”的模式，引入业内成熟、前沿的开源解决方案，在线实现AIoT项目从0到1实施落地的全过程。

启明AI防作弊在线考试平台 点滴投入，轻松考试     核心功能   在线考试 360°智能监考：精准识别环境异常、照片/真人替考、虚拟摄像头等； 本地环境监控，屏键锁定、热键屏蔽、远程协助工具屏蔽； 人脸识别，身份认证，活体检测，考中抓拍； 视频监控，手机监控，双机位或三机位监考； 随机抽题，小题乱序，选项乱序，一人一卷。 高中低三挡监考策略； 考中可通话、可求助； 云端巡考，监控大屏鸟瞰实时考场； AI监考，智能预警；作弊排查，违规记录存底可追溯。 功能稳定：集中统考、随到随考，随机组卷，支撑安全稳定的10万+并发考试。 故障防备：考中异常中断，作答实时保存，实现断点续考。 统计分析：统计考试的总人数、参考/缺考/及格人数、考试排名等多维度信息。   制题组卷 题库管理：强大题库管理，支持全试题模型（文字、图片、表格、公式、音频等），单题/批量录入，在线/离线录入，录入、编辑、审核、组卷、检索操作简单，试题与成绩关联，记录试题版本和使用次数等。 智能组卷：手动组卷/自动组卷，单套/批量组卷，可按题量、分数、题型结构、知识结构、难度系数等多重模式组卷，简单组卷、精确组卷、蓝图组卷。 高效输出：试题试卷可预览、可修改、可导出，可一体化输出线下印刷，也可联通线上网考。   网上阅卷 在线管理：阅卷进度、阅卷质量全监管，监管与阅卷线上协同，科学化管理。 高效阅卷：客观题自动判分，主观题在线评阅；键盘给分、鼠标给分、轨迹给分；智能回评、问题卷提交；可看标答；评卷轨迹可追溯，复核可定义题位；自动加分、登分、统计。 统计分析：题目得分、题类得分；平均分、最高最低分、得分率、标准差；其他统计指标。 信息查询：查询考生答卷信息（答题、得分、评分等）；查询阅卷进度、分科目阅卷进度、老师阅卷情况等。   产品优势   制题组卷 系统化：对题以资料库的概念进行整合，能精准识别各类试题。 全题型：文件、图片、表格、音频等试题模型都可以得到支持。 多维度：可对试题进行多种属性定义，如难易度、章节等；且能按需生成多套试卷。 高效率：支持批量导入、批量组卷，自动组卷，在线预览，快速导出。 超专业：多种组卷模式，可按试卷结构/题量/章节/知识点/难度进行蓝图组卷，按试卷结构/大小题/分数/题量进行精确组卷，按照试卷总分/题型题数/抽取规则进行简易成卷。   在线考试 最新的线上监考技术：四级监考策略灵活选择。自研监考系统，AI智能监考，主动识别预防作弊。利用人脸识别、行为识别等最新技术，自动捕捉记录考中的违纪情况。 监管更加精准：窗口防作弊控制，多屏实现360°无死角视频监控，一个主机摄像头针对一个人，同时支持手机机位视频监控。 防泄题防作弊：支持考生端远程环境检测，考生端屏键双锁，随机抽卷/小题乱序/选项乱序/逐题作答。 安全验证全程护航：网考环境复杂多变，为保证数据安全，采用基于人工智能，融合人机区分技术，层层过滤风险，全程护航。   网上阅卷 快速高效：客观题自动判分，帮助管理者快速完成大规模考试，主观题智能整理，降低对人工操作的依赖，提高阅卷工作效率。 超强容错：考试过程中发现试题或答案问题，可以及时纠正，不影响后续考生作答。 稳定安全：系统分权限进行用户操作和系统管理；确保阅卷信息不外泄，在互联网环境下采用高等级的安全防护措施。  

本平台设计一套集成学习系统用来精确预测未来时间段的流量，本系统使用随机森林，SVR，三指数 平滑、GBDT，BPNN等传统算法和机器学习算法作为单模型，并通过集成学习的方式提高预测准确率。

本平台基于用户报刊订阅历史数据及用户个人信息，结合矩阵分解，K-Means等机器学习技术，构建了用户报刊个性化推荐系统，在提升推荐准确性的同时较好地解决了冷启动问题。

一、项目简介 智能计算MR成像主要是基于脉冲序列设计、成像、重建、处理与分析的全链路优化思想，利用人工智能领域的深度学习与大数据方法，研究新体制智能计算成像理论、方法与应用，突破现有系统将成像与分析分治难以兼顾的不足，从而为医学临床和科研提供新的、更快的成像手段、更好的成像质量以及更符合实际需求的成像模式。 二、前期研究基础 无 三、应用技术成果1）基于深度学习的信息保持压缩感知重建（左图为填零重建、右图为所提方法）

当前，保护数据的隐私和安全已经成为世界性的热点，各国都在加强对数据安全和隐私的保护。近年来，国家相继出台个人信息保护的标准和政策，旨在加强隐私保护。为了在符合相关法规的前提下使用数据，部分研究者尝试令各方数据保留在本地的同时训练全局模型，如 Google 提出的联邦学习。作为一种加密的分布式机器学习技术 , 联邦学习能够让参与各方在不披露底层数据和底层数据加密 ( 混淆 ) 形态的前提下，仍然能利用其余几方参与者提供的信息，更好地训练联合模型，提升 AI 模型效果。 然而，将数据留在本地的方式却也引发其他问题，如针对联邦模型的投毒攻击。投毒攻击通过攻击训练数据集或算法来操纵机器学习模型的预测，使分类器识别特定样本的分类边界发生变化。而联邦学习场景下的投毒攻击通常拥有更强的隐蔽性和破坏性。 因此，我们将传统投毒攻击防御中对原始数据的清洗过程转变至对上传的模型权重参数的预处理，在参数服务器部署防御框架来防御投毒攻击。我们设计了一种新颖的防御与追溯框架，该框架主要由模型聚类、初步防御和细化防御三个模块构成，构建多层纵深防御体系，保护联邦模型安全，并在源头上主动追溯攻击者。我们设计面向神经网络的无监督层级聚类算法，消除了神经网络中隐含元素置换不变性的影响。根据类内代表模型在聚合过程中的贡献度确定其可疑度，并以动量思想将可疑度绑定每个客户端，并结合历史用户行为对攻击者进行定位。我们的防御框架可以自主评估模型贡献度，自动确定可疑度动态划分阈值，并在图像、文本等多源数据集上达到了 100% 追溯率，实现了零漏检，零误检。 目前，成果性能已经过多方测试和验证，代码已部署在华为自研深度学习框架MindSpore 中，进一步为广大开发者所用。