成果与项目的背景及主要用途： 防伪，是企业在目前社会诚信缺失、假冒伪劣商品扰乱企业正常经营和损害企业、消费者利益的情况下，为保护企业市场、保护广大消费者合法权益而采取的一种防范性技术措施。企业在充分利用防伪技术来打击假冒伪劣、整顿和规范市场的同时，更是品牌企业对外提升企业及其产品形象、展示企业对消费者、对社会负责任的一种必须手段。 同时，企业应以防伪为契机，将有效的防伪措施作为企业的一种战略投资，并有计划地制定并逐步实现防伪工作目标，并将防伪贯穿于产品生产、市场营销、企业管理的全过程，将防伪作为企业维权、打假、增效、塑造品牌的重要手段。 技术原理与工艺流程简介： 将高科技应用于防伪是国际上普遍采用的方法之一，基于频率转换技术的特殊光学防伪措施就极具代表性，比如：紫外油墨防伪、激光防伪等。特殊光学防伪是利用发光器（如：激光器、特定波长光源等）激发涂覆在纸面上的特殊材料，发出特定波长的光，再利用接收系统对此光进行接收，从接收信号的有、无或编码顺序来识别真假。可以看出，特殊光学防伪涉及到几个重要的元器件，即特定波长半导体激光光源、窄带光学滤波器、光电探测器和专用处理芯片及配套的机具结构。在防伪鉴别系统的研制过程中，对这几种器件提出了很高的要求，即体积小、强度高、温度特性好、对特定波长接收敏感、自动漂移补偿等，以保证防伪机具的稳定性和可靠性。我们采用的原理是频率变换光油墨，然后用某个特定波长的激光激发，最后用 PD 探测，以此组成防伪识别仪器。所谓光学频率转换理论是采用光谱发射器件以特定的波长激发被测物的表面产生另一个特定波长的光学信号，这个信号经过光滤波器件、专用光电接收器件后由专用信号处理电路进行识别，并使整个系统始终处于自动补偿状态。光子混合集成器件就是使新型光谱发射器件、专用光电接收器件、光滤波器件在一起有效地组合，可采用混合集成或光电集成来制成这种光子集成芯片调试、封装，再加上专用弱光信号处理及补偿芯片等元件实现优化组合和匹配，构成微型化系统模块。其原理图如下 频率变换原理：当荧光物质被激光照射时，其电子就会吸收光子被激发而跃迁至激发态，当他向低能态跃迁时，就产生荧光。从此发光过程来看，由于发光主要是电子跃迁引起的，并且经研究表明此种频率变换效应需要有晶体的机制才能发生，所以，简单的改变油墨涂料颜色等不会对它的频率变换有所影响。 应用前景分析及效益预测：防伪度高，识别性强，具有客观的市场前景。 应用领域： 包装防伪行业 合作方式及条件：根据具体情况面议

1、高亮投影，巨幅画面 搭载5000流明*高亮度光源，可投射200英寸超大画面。 2、明亮清晰，让教学近在眼前 WUXGA超高清，色彩鲜艳 1920*1200分辨率，清晰还原教学内容，这一刻，让细节尽收眼底 色域覆盖率达100%（Rec.709），丰富色彩真实再现。 3、梯形矫正，镜头位移支持梯形自动矫正，无论是水平方向还是垂直方向，均可调整 无需移动投影机即可调整投影画面的显示位置，大大提升安装灵活性 3D拓展。 4、远程控制，支持基于DLP Link 技术的3D影像投放，打造形象逼真的沉浸式教学体验 远程网络控制，可轻松对投影机进行音量加减、通道切换等操控，使用更便捷。

短脉冲加工-材料的柔性加工 脉宽是激光微加工的一个重要参数。LPKF ProtoLaser R4配备皮秒激光器，可用于柔性基材的精密成型以及淬火或烧结基材的切割。 激光应用在创新材料上的无限可能 LPKF ProtoLaser R4 精密皮秒激光用于创新应用 无损加工热敏材料 智能CAM软件操作简单 一级激光安全等级随开即用 冷激光消融无热效应 在激光加工工艺中，激光的脉宽越短，对材料的热影响就越低，因此，皮秒激光克服了材料加工中这个重要的技术问题，加工中几乎没有热传递，并且材料加工的效率更高。 微材料加工专家 热效应对于温度敏感材料的切割以及表面加工都有着不良影响，而皮秒激光能在超短脉宽内提供超高的能量，在热效应作用之前就可以将材料加工完成，如Al2O3陶瓷材料或GaN半导体材料，皮秒激光在加工过程中完全不会让材料变色。因为几乎无热效应产生，材料无微裂隙。 完美加工表面 针对柔性材料的表面图形成型，如透明薄膜的消融或塑料薄膜上金属层的去除，很低的能量即可完成加工，所以要求激光器能够稳定输出低能量， LPKF ProtoLaser R4 可以很轻松地解决这些需求，由于它的功率输出范围精确可控，因此也可加工HF材料和硬板FR4板材等。 易操作 LPKF CircuitPro界面友好，集成CCD靶标识别系统，能够完成高精度的加工，用户在实验室环境下即可短时间内完成各种材料的加工，尤其是热敏感材料。

产品详细介绍 德国博世手持激光测距仪DLE 50,激光测距仪50米,德国博世50米激光测距仪,江苏连云港激光测距仪,手持激光测距仪专供,博世激光测距仪,德国激光测距仪   简单介绍德国博世激光测距仪DLE 50|激光测距仪【公司特价促销】激光测距50米这款德国博世亮点一是带测量条可以弹出测量条用途于对角线的测量，二个是小巧手感好携带方便可以间接测量高度。三是百年品牌优秀的测距值得信赖！还有激光测距DLE150测距150米的欢迎选购。德国博世激光测距仪DLE 50|激光测距仪的详细介绍  德国博世激光测距仪DLE 50|激光测距仪【公司特价促销】这款德国博世亮点一是带测量条可以弹出测量条用途于对角线的测量，二个是小巧手感好携带方便可以间接测量高度。三是百年品牌优秀的测距值得信赖！主要特点最小的激光测距仪测量精准 应用范围广泛自动断电功能,低电量显示带记忆功能软握把  技术参数操作范围 0.05 – 50 米 测量精度 ±1.5毫米 激光二极管 635nm，<1mW 自动断电功能 5分(工具); 30秒(激光) 操作温度范围 -10℃~+50℃ 电源 4×LR03(AAA) 防护级别 IP54（灰尘及测水防护） 重量 0.25公斤  尺寸重量是：100 x 58 x 32 mm，160g贮存温度范围：-20°C至70°C操作温度范围： -10°C至50°C防雨/防尘：IP54  适用范围本仪器适用于测量距离，长度，高度和间距。此外您也可以使用本仪器计算面积和体积。不管是室内装潢或屋外的修补，本仪器都是测量尺寸的好帮手。

产品详细介绍

激光高亮工程投影机S4K系列，适用于大型场馆及户外投影场景。

本发明公开了一种环形索承网格结构的无支架施工方法，即上部网格分单元吊装至先施工的索网上拼装。环形索承网格结构主要包括柱子、外环梁、上部网格、径向索、环向索和支撑杆。先采用斜向牵引的方法提升结构的径向索和环向索至高空，然后在结构索网下方安装工装配重索和反力架装置并张拉工装配重索，形成支撑索网；再分单元吊装上部网格至支撑索网上，同时通过反力架装置调节工装配重索使控制节点处于设计标高；最后卸除工装配重索和反力架装置，结构成型。该施工方法省去了支架的施工费用，可双向、实时、精确调整施工过程中控制节点的标高，无需主动张拉拉索，有利于看台保护，实现索承网格结构的绿色装配化施工。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。