产品详细介绍

◆生物学是一门以实验为基础的自然科学，微生物学是中学生物探究必不可少的，微生物无所不在，因其取材方便，操作性强、与生物密切相关特点。 ◆微生物实验室——系统认知与探索微生物的实验场所。生物实验教学是中学生物教学的重要组成部分，同时也是生物课堂教学的一种有效补充和延伸。 ◆微生物实验中对无菌操作技能的掌握和微生物繁殖等知识，对学生特别具有启发意义。实验过程涉及到的知识，是这些知识的体验、验证的过程，有利于学生对知识的掌握。

成果产品生物质热解-提质成套装备与技术，主要用于将生物质转化为高品质的液体燃料，替代石油作为车用燃油。工艺采用国内外首创自热式单床内循环串行床对生物质热解，耦联“分级转化”（酯化-加氢）技术对热解生物油提质。

聚氨酯（Polyurethane, PU）是一种新兴的有机高分子材料，被誉为 “第五大塑料”，与橡胶材料相比，聚氨酯特殊的微相分离结构赋予PU良好的耐磨性、耐擦伤性、粘结性、柔韧性、优良的保光性与低温性等卓越的性能而被广泛应用于化工、轻工、电子、医疗、建筑、航空航天等众多领域，是目前发展最快的特种有机树脂之一。 一、项目分类 关键核心技术突破 二、成果简介 聚氨酯（Polyurethane, PU）是一种新兴的有机高分子材料，被誉为 “第五大塑料”，与橡胶材料相比，聚氨酯特殊的微相分离结构赋予PU良好的耐磨性、耐擦伤性、粘结性、柔韧性、优良的保光性与低温性等卓越的性能而被广泛应用于化工、轻工、电子、医疗、建筑、航空航天等众多领域，是目前发展最快的特种有机树脂之一。自从1998年以来，国内聚氨酯产业发展迅速， 据统计，2020年，我国聚氨酯行业产量在1470万吨左右，总产能约占全球总产能的36.4%，成为全球最大的聚氨酯生产国和消费国。随着石油的日益枯竭和环境污染等问题的出现，寻求廉价、高效、可再生和环境友好的资源替代石化资源合成PU已迫在眉睫，这也是行业近年来需要重点解决的问题。

项目简介 本项目针对大型海藻这类潜力巨大的可再生能源采用热解制取生物油的机理问题， 分析海藻水溶性多糖热裂解产油、产气和产炭的特征，并通过多种测试手段相结合具体 分析所制得生物油成分，由生物油成分探索水溶性多糖的热解反应机理。研究热解温度、 停留时间等过程参数对海藻热解制油产率和品质的影响规律，利用灰色关联法分析其影 响程度序列，获得产油率和油品协同最佳所对应的热解工况。最终评价海藻热解生成液248 体油的价值，并提出优化调整策略。

    生物实验室讲座与授课独特之处：革新的顶装式集成系统使空间变得简单、灵活。实验桌可根据需求自由移动和组合，轻松实现各种模式的转换。做到“你的教室你做主”。     升降臂：化学升降臂可供应实验室以光、电、气、给排水、通风等系统

    生物实验室学科教学模式独特之处：革新的顶装式集成系统使空间变得简单、灵活。实验桌可根据需求自由移动和组合，轻松实现各种模式的转换。做到“你的教室你做主”。     升降臂：化学升降臂可供应实验室以光、电、气、给排水、通风等系统

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。