XM-WSS外科手术技能训练模拟仿真标准化病人   XM-WSS外科手术技能训练模拟仿真标准化病人可以重复进行外科手术，在仿真人体模型上设有方便更换的手术局部腹部分层结构模块及仿真人体器官、病变等，使医学生如同在真实病人身上“动手术”，可进行切开、止血、剥离、结扎血管、切除、吻合、缝合、换药等，还可进行阑尾切除术、胆囊切除术、胃大部切除胃空肠吻合术、左腹股沟斜疝修补术及脾切除术等十余种手术示教及技能训练。   标准配置： ■ 外科手术技能训练仿真模型 ■ 上腹部腹壁模块 ■ 盲肠-阑尾区腹壁模块 ■ 左腹沟斜疝腹壁模块 ■ 胆囊模型 ■ 脾-胰腺 ■ 胃模型 ■ 十指肠模型 ■ 空肠模型 ■ 模结肠模型 ■ 盲肠阑尾模型

XM-F500A腹腔镜手术模拟训练器   一、主要功能： ■ 腹腔镜手术模拟训练器（箱）采用人体工程学设计，操作舒适、携带方便，通过将模型放置在训练箱中操作手术器械进行手术技能演练，可提高学员的手眼协调及双手配合能力，熟悉腹腔镜手术器械使用及移物、切开、剥离、止血、结扎、缝合及切除等基本技能，适用于医学院校和各大医院、腹腔镜手术培训中心进行腹腔镜手术技能训练和考核。 ■ 训练箱内可放置各种训练模块，包括：伤口缝合模块、夹取模块、夹球模块、穿孔模块、拉环牵引模块、肠缝合模块，将各种训练模块根据教学需要选取一种，置入训练箱中。   二、模块功能： ■ 缝合模块：训练使用持针器选择正确的进针位置，训练缝合技能。 ■ 肠管吻合模块：利用不同方法将断段肠管吻合，进行肠管吻合手术训练。 ■ 夹取模块：用于训练手术中对于细碎物的夹取，训练操作者的夹取精度和协调度。 ■ 夹球模块：分为大球和小球，用于训练手腕腕力灵活精准度，让操作者更加从容应对手术中的细节。 ■ 穿孔模块：用于训练操作者的双手协调能力及精准度。 ■ 拉环牵引模块：锻炼手眼协调能力，对细小有弹性的物体进行加持操作，培养深度知觉，训练操作者清晰的手感反馈和精准的力度调节。   三、标准配置： ■ 高清摄像头：1个 ■ 训练箱体（含光源）：1个 ■ 持针钳：1把 ■ 孔槽抓钳：1把 ■ 马里兰：1把 ■ 弯剪刀：1把 ■ 伤口缝合模块：1块 ■ 夹取模块：1块 ■ 夹球模块：1块 ■ 穿孔模块：1块 ■ 拉环牵引模块：1块 ■ 肠管吻合模块：1块

1.管理类人才，有丰富的机械行业管理经验；2.技术人才，精通视觉算法、程序编写和视觉应用的高级人才1-3人。3.精通机器人和AGV整体结构设计的高级人才1-3人 

本发明公开了一种基于机器视觉技术的马铃薯分级控制方法及装置。在图像检测时，根据导向拨杆的数目将摄像机视场划分成相对应个数的虚拟通道；用逻辑值来表示每个虚拟通道上是否存在待分级马铃薯；控制处理单元根据检测得到的逻辑值来控制导向拨杆是否动作，当逻辑值为1时，其所对应的导向机构才由气缸向上推出，马铃薯与导向拨杆接触而改变运行轨迹，分离到对应的出料斜槽中；马铃薯由摄像机采集图像后，由图像检测结果，以马铃薯横径为直径画一个虚拟圆，根据虚拟圆所占据的虚拟通道来确定采用一个或多个导向拨杆来分离马铃薯。本发明可用于杂质、不同品质马铃薯的快速检测，同时可减少马铃薯的损伤，准确地实现马铃薯的分选。

综合运用数字图像处理、精密测量以及模式识别等技术，构造柔性计算机视觉检测系统，实现不同类型的汽车音响及多媒体信息面板各的高分辨率、高精度、实时的在线质量检测。 系统的主要功能包括： （1）亮度检测，系统能够检测面板或按键的背光状态及其亮度参数。 （2）检测面板或按键字符的有无、完整性及正确与否；检测字符表面污渍、印刷偏移；键盘按键位置；对检测的缺陷进行统计，可以保存和显示统计数据。 （3）显示字符的缺陷及完整性检测，显示器件的表面缺陷检测。 （4）系统具备电流测试功能(多种状态下的电流：暗电流、LED电流、VFD+LED电流等)。 （5）通信功能测试，系统兼备LIN总线、CAN总线(包括SINGLE_WIRE CAN)、I2C总线、K_LINE总线、SPI总线、RS232总线等可以对不同通信方式的产品进行控制与测试。

伴随着虚拟现实技术，增强现实技术，触觉反馈技术以及智能机器人的出现，人们在视觉和触觉上有了越来越多不同的全新体验。例如，目前对 于机器人的操作方式一般是通过遥控装置或是手动触控，这个使用者的操作带来 很多不方便而且对于初学者来讲也不是很好掌握，同时操作失误率较高，因为我们不能真切的感受到机器人的世界。具备视觉与触觉反馈的体感机器人采用体感交互装置采集目标人体肢体关 节信息，对目标人体的姿态或动作进行分析识别;根据获取到的分析识别结果产 生对应的体感交互指令;将体感交互指令发送至机器人，机器人执行体感交互指 令;同时机器人采集自己周围环境信息，例如指尖压力信息和周身图像信息，通 过体感交互装置反馈给目标人体。通过上述方式不仅突破了传统的对机器人的控 制方式，而且通过触觉反馈的方式还有 3D 图像的显示，在大程度的让使用者得 到沉浸式的操作体验。随之而得到的不仅仅是方便的操作和大大降低的操作失误 率，同时也给用户带来了更为生动的操作体验。

本发明公开了一种基于机器视觉技术的马铃薯分级控制方法及装置。在图像检测时，根据导向拨杆的数目将摄像机视场划分成相对应个数的虚拟通道；用逻辑值来表示每个虚拟通道上是否存在待分级马铃薯；控制处理单元根据检测得到的逻辑值来控制导向拨杆是否动作，当逻辑值为1时，其所对应的导向机构才由气缸向上推出，马铃薯与导向拨杆接触而改变运行轨迹，分离到对应的出料斜槽中；马铃薯由摄像机采集图像后，由图像检测结果，以马铃薯横径为直径画一个虚拟圆，根据虚拟圆所占据的虚拟通道来确定采用一个或多个导向拨杆来分离马铃薯。本发明可用于杂质、不同品质马铃薯的快速检测，同时可减少马铃薯的损伤，准确地实现马铃薯的分选。

目概况    目前，国内外大量应用弧焊机器人系统从整体上看基本都属第一代或准二代焊接机器人系统。由于焊接路径和焊接参数是根据实际作业条件预先设置的，在焊接时缺少外部信息传感和实时调整控制功能，这类弧焊机器人一般不能应对焊接作业条件严格的稳定性要求，焊接时缺乏“柔性”，表现出明显的缺点。在实际弧焊过程中，焊接条件是经常变化的，如加工和装配等误差会造成焊缝位置和尺寸的变化，焊接过程中工件受热及散热条件改变会造成焊道变形和熔透不均。    为克服机器人焊接过程中各种不确定性因素对焊接质量的影响，提高机器人作业智能化水平和工作的可靠性，要求弧焊机器人系统不仅能实现焊接参数的在线调整，且能实现焊缝的自动实时跟踪。己完成铝镁硅合金框架弧焊机器人柔性工作站焊缝智能跟踪与图象处理技术，使企业塞拉门设计制造的技术水平达国际先进水平。 本项目具有国际先进水平，拥有自主知识产权。 主要特点    已完成的项目，塞拉门框架的材料为铝镁硅合金，材料特殊、框架尺寸较大，焊点多而短、焊接质量要求高，故解决柔性夹具设计、实现两面焊接、满足多系列多规格门框尺寸的要求是体现了成果的先进性；    铝镁硅合金框架弧焊机器入柔性工作站所包括的柔性夹具、焊缝智能跟踪与图象处理技术，使企业塞拉门设计制造的技术水平达国际先进水平，体现了成果的创造性。技术指标    国内城市轨道车辆、高速列车的迅猛发展使得城轨门生产逐年猛增，品种不断翻新，但铝镁硅合金框架等主要零部件仍为手工焊接。由于手工焊接依赖于工人的技术水平，效率低，焊接质量欠佳，优质品率低，是制约我国城轨门产品升级的关键技术。    首选企业的高精度焊件达到：焊缝识别误差600×600像素， ±0. 25mm，±0.20mm;焊枪姿态误差，±0. 045mm，±0.040mm;其它误差（包括焊丝变形误差、工件热变形误差、焊接电流误差等），±0. 030mm，±0.020mm;视觉跟踪综合误差，±0.5mm，±0.35mm。市场前景    成果实施后使用单位使用前手工焊接的1.2万件／年，达到4万件。按人工焊接生产水平，支出费用为72万x3. 5=252万，机器人的投入成本1年半内可收回，且可满足使用单位近3-5年的发展需求。    按近几年使用单位产品产量的增长速度，2009-2010年产量可达5.5万件，2台机器人工作站每年可生产5. 68万件，完全满足生产要求。若仍用人工焊接则成本支出为72万x4. 6=331.2方元，而机器人工作台投入费用为零。企业每年可新增产值4-5亿元，利税1. 2-1.5亿元。    市场应用方面已具备推广应用的基本条件，该成果的完成，不仅可以提升企业高精度特材焊件设计制造的技术水平，提高企业技术创新能力和提升产业集聚度，使产品达同行业国内领先或国际先进水平，且可成为企业现代先进制造工艺与装备工程应用的一个亮点。通过开发研制，真正体现了产学研合作的现代高等教育理念，在高校和企业中锻炼出一批机器人研制方面、具有实战经验的科技人才。

小试阶段/n本发明涉及一种基于视觉信息的人体姿态跟踪方法。本发明具有实用性强、准确性高和效率较高的特点。 人体姿态跟踪问题可以描述为：根据监控环境中采集到的视频序列和首帧真实姿态，估计每帧图像中受控人物的全身姿态，要求估计出的姿态向量包含人体全身所有关节点的三维位置坐标。。一般粒子滤波算法特别是用于人体姿态跟踪的算法，比如免疫粒子滤波，它们的运动模型都是一阶线性的；由于人体姿态原始空间维数太高，在此高维空间中建立的运动模型的方法计算量大，很难达到跟踪中的实时性要求。本发明旨在克服上述技术缺陷，提供一

针对高级水果、螃蟹，研发了机器视觉检测技术，开发了品种识别、缺陷检测、质量评估、分级等算法，研发了流水线式检测分级系统，实现了水果、螃蟹的快速精确筛选、分级定价。对高级农产品、水产品实现了机器自主检测、分级，提高了精确性，大幅节约人力成本。采用视觉技术可检测水果、螃蟹品种、有无缺陷、色泽品类、重量，并实现自动分级，单个产品视觉系统检测时间低于 0.5 秒。