将热重分析 TG 与差热分析 DTA 或差示扫描量热 DSC 结合为一体，在同一次测量中利用同一样品可同步得到热重与差热信息。综合热分析仪应用于大多数材料领域，包括塑料、橡胶、合成树脂、纤维、涂料、油脂陶瓷、水泥、玻璃、耐火材料、燃料、医药、食品、耐火材料等。炉体自动升降可控、定位准确，提高了测量的重复性。热流式DSC数据采集方式，绘制出能量与温度的曲线。HQT-2、HQT-3、HQT-4可分别在1250度或1550度恒温72小时。温度范围：HQT-1：室温-1150℃、HQT-2：室温-1250℃、HQT-3：室温-1450℃、HQT-4：室温-1550℃。

  植物在重力引导下的生长称为植物的向重力性。根向重力是植物适应陆地环境的重要过程。植物向重力性反应的第一步是感受重力信号。目前，关于重力信号感受的机制有两种假说：一是淀粉平衡石 (statolith) 假说，二是原生质体压力假说。植物根冠的柱状细胞和茎的维管束鞘细胞中存在淀粉体，这些淀粉体被命名为平衡石。中柱细胞和内皮层细胞通过淀粉体的沉降来感受重力变化。生长素在调节植物根系向重力作用中发挥重要作用，但生长素促进重力感知的分子机制及随后的反应尚不清楚。   非损伤微测技术（Non-invasive Micro-test Technology, NMT）是通过测定活体动植物组织、细胞与内/外环境间Ca2+/Cd2+/Na+/K+/NO3-/NH4+/O2...交换量的实时变化，揭示基因功能的一种新技术。目前已被103位诺贝尔奖得主所在单位，以及北大/清华/中科院使用。 应对挑战： 重力研究中对于活体样品基因功能方面的检测手段匮乏 样品检测过程中样品重力变化与检测设备的结合方式是一个难点 重力变化过程中生理指标的实时监测 解决方法： 非损伤重力感知分析系统(GRASS)是基于非损伤微测技术的底层核心技术，是能够检测活体样品基因功能的技术 非损伤重力感知分析系统(GRASS)配有立体可移动旋转样品固定装置，可对样品施加不同方向的重力并能实时检测 非损伤重力感知分析系统(GRASS)能够进行长时间的监测，为重力变化过程中，比较分子、离子流动速率，提供长时间的数据结果 产品介绍 名称：非损伤重力感知分析系统（GRASS） 型号：NMTG-100 品牌：旭月 产地：中国 功能特点 1.基本功能： 检测样品所受重力发生变化时的生理指标变化 配备立体可移动旋转样品固定装置，对样品施加不同方向的重力 检测指标：Ca2+、H+、K+、Na+、Cd2+、Cl-、NH4+、NO3-、Mg2+、Pb2+、Cu2+、O2、H2O2、IAA 2.性能参数： 工作电压：220V 最短检测周期：5s 离子分子浓度测量精度：10-6M 离子分子流速测量精度：10-12mol·cm-2·s-1 传感器最小移动距离：1μm 立体显微成像系统分辨率：1920×1080 3. 软件参数： 操作界面：中文 检测指标模块化可选 离子流速、浓度检测软件模块（包含：Ca2+、H+、K+、Na+、Cd2+、Cl-、NH4+、NO3-、Mg2+ 、Pb2+、Cu2+） 分子流速、浓度检测软件模块（包含：O2、H2O2、IAA） 支持中英文输入、标记与记录 可直接输出流速、浓度数据和折线图，无需额外换算

100%独立通道 独立光源，独立检测器，独立蠕动泵、独立操作键盘，独立液晶显示屏，独立试剂柜 可实现1-16通道同时分析 样品自动在线前处理 自动稀释、透析、蒸馏、消解、萃取等 系统高度自动化 可自动清洗，关机，开机 分析模式灵活 微流、宏流或两者结合分析 多种光程的流通池可供选择 可实现多针取样 软件功能强大 灵活编辑样品表，自动生成校正标准曲线，紧急样品处理 基线和灵敏度自动设定和校正 分辨率高，检测限低，测量范围广 可与所有LIMS兼容

PandaBI 是德拓自主研发的一站式数据分析与决策系统。 帮助客户快速搭建自己的大数据可视化分析平台，完成多数 据整合，建立统一数据口径，并提供灵活、易用、高效可视 化探索式分析能力，提升客户数据洞察能力，并将数据决策 快速覆盖各种应用场景，使客户成功转型为“数据驱动”的 智慧型应用。 PandaBI 为客户提供的核心价值在于用直观、多维、实时 的方式展示和分析数据，力足于提供简洁、实用操作体验， 全面激活内部数据。

高校教研大数据分析系统 数据洞察现在，智慧决策未来 核心功能 群体动态画像 用动态发展变化的眼光，采用数据动态描绘“学生”、“教师”的群体特征，为“学生分群施教”、“教师分群管理”提供最新的分析决策依据。 动态学情跟踪、预警 关注学情动态, 跟踪每个学生实时的出勤率、课堂参与度、作业完成率&优秀率，进行学业趋势预测、作业抄袭预警、挂科预警，帮助学校针对性调整教学过程。 教学质量评价跟踪 定期师生评价、同行评价，质量量化及趋势对比，正向激励教师、对教学质量异常预警。 成绩分析、预警 多维度洞察教学问题、卷面命题分析，持续改进，验证决策措施有效性。 命题质量分析 支持单卷单题区分度&变化、难度&变化、得分率及平均水平、错题难度及知识情况分析。 学生成绩分析 学生个人的各科成绩在班级、年级位置、变化趋势，以及知识点强弱分析、偏科分析、学业预测和实际结果对比。 教师成绩分析 班级学生总体情况（得分率、各难度题目作答情况分析、错题难度-知识点分析），与其它班级对比等 学院、校级管理者成绩分析 多维度数据洞察（公共课/核心课程分别从科次、平均分分布、学科、学院、教师、班级多维度交错分析，洞察本质）。 产品优势 数据全流程 打通日常教学、教学质量评价、学期考试、成绩分析等教学数据周期及各环节。 全角色 面向高校教学组织的各个角色成员（学生、学科教师、班主任/辅导员、学科负责人、院级及校级管理者等）提供数据应用场景。 数据可视化及洞察 分析展现及数据挖掘，可进行数据下钻，对异常预警进行抽丝剥茧、逐层深入，深度展开数据洞察。 随时随地 用户可随时随地掌握教学动态及异常预警，支持微信业务通知、审批待办，分析数据实时查看。 API集成 提供API接口，便于与教务系统和第三方系统数据对接。  

教学大数据分析展示平台作为专为高校教研开发的数据挖掘分析应用系统，致力于通过对学校教学中的数据的科学采集、存储，智能建模、分析，辅助学院管理员及时把控教学进度，让教师科学制定教学方案，让学生精准认知自我。

提出一种汉克尔矩阵扫描的图像置乱方法，算法实现简单，置乱度高，通用性强，并且能抵抗一定的攻击，可以很好的用于信息隐藏的预处理和图像加密，而且可以满足数字图像加密和隐藏的鲁棒性要求。

本发明实施例提供了一种视频图像中提取前景的方法及装置，所述方法包括：利用根据预设数量的背景帧图像建立的高斯模型消除有前景进入的视频帧图像的背景，获得消除背景后的视频帧图像；根据所述消除背景后的视频帧图像的信息和所述预设数量的背景帧图像的信息，生成预先训练好的神经网络模型的输入参数的值；根据所述输入参数的值以及所述训练好的神经网络模型生成相应的输出值；根据所述消除背景后的视频帧图像的信息和所述神经网络模型的输出值的关系，检测出所述消除背景后的视频帧图像包含的阴影点和光照噪声点。

小试阶段/n钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等, 这些方法检到的缺陷类型少, 检测实时性不强, 检测的表面缺陷分辨率也不高, 无法有效评估产品的表面质量状况。本技术涉及一种基于多流形学习的带钢表面缺陷识别方法。其方案是：对于任一副带钢表面缺陷图像向量化的向量数据点分别选择类别相同和类别不同的K 个近邻点建立对应的同类数据子图和异

成果简介：超分辨率图像重建技术是近年来发展迅速的图像处理新技术，其 目的是超越成像传感器、成像和信道的分辨极限，利用所获低分辨率图像， 实现高分辨率图像的重建。超高分辨率图像增强与显示芯片项目利用超分辨 率图像实时处理技术，实现从一幅或多幅低分辨率视频图像处理获得高分辨率图像，在图像被放大的同时增强图像更多的细节，提高图像的清晰度和分 辨率，实现摄像传感器的低分辨率与显示器高分辨率之间的匹配，解决目前 图像获取与显示分辨率不匹配的瓶颈问题，在现有图