产品详细介绍SC-G型自动考种及千粒重分析仪（含玉米果穗考种）1、货物名称：SC-G型自动考种及千粒重分析仪（含玉米果穗考种）玉米自动考种及千粒重分析仪所配的各种种粒自动考种及千粒重分析仪2、主要用途：SC-G型自动种子考种分析及千粒重仪系统是根据图像识别原理来实现自动分析的。目标照明模式可在背光和普通日光之间切换。可用于各类农作物实粒种子（谷粒、玉米、小麦、油菜籽等）的精确考种、各类粮库的虫口计数分析，以及另加配件后可做发芽率、均匀度分析，可兼做表面光滑的昆虫计数或虫卵计数（如：米象、蚜虫、蚕卵、鱼籽等），以及被当作种子净度工作台用于种子净度检验。内置支持网上在线升级的模块。3、主要性能指标配A3幅面最高分辨率1600dpi × 1600dpi、紫光M1彩色扫描仪。可分析各类种粒的种粒直径1～20mm。扫描仪分析工作区：A3幅面（431.8mm×304.8 mm）。可同时成像分析10个玉米果穗、35个玉米截面、1000粒左右玉米籽粒。配500万像素分辨率的彩色数码拍摄仪，及超薄的背光光源板（大于A4幅面），具有图像调整、观察特性。1）．籽粒数分析速度、精度：自动数粒速度：1500～3000粒/分钟（玉米籽粒），其它籽粒为1200～20000粒/分钟，数粒误差≤±0.1~0.4%，监视修正即达100%正确。具有相机画面畸变、背光板均匀性的自动矫正特性，有效减小尺寸测量误差。对于直径较小的种粒（如油菜籽、蔬菜籽），单批次考种数量在5000-10000粒。可根据实际需求自行创制一键自动分析向导，适用于水稻、小麦、玉米、豆类、油菜籽、瓜子、蔬菜籽等各类农作物的自动精确考种，自动测出籽粒数、各籽粒的粒形参数（长、宽、长宽比、面积、等效直径、周长等），以及其平均值，能精准显示种粒外接矩形，并可自动排序输出，及可输出粒径分布图表。自动千粒重分析的精度误差：≤±0.5%。具有对被分析目标颜色、形状进行自学习和再学习，并实现自动分类的特性，以及品种比对特性。能大批量自动分析成像后的种粒图片。2）．果穗、截面分析速度、精度：同时成像分析玉米果穗：10个/次/分钟、玉米截面：35个/次/分钟。全自动测出各玉米穗长、穗粗、秃尖长、左右穗缘角、穗行角、平均行粒数、粒厚、截面穗行数、穗粗、轴粗，以及其平均值，可自动测出各玉米截面上的平均粒长、平均粒宽等参数。3）．有被测样本条码、电子天平RS232重量数据的自动输入接口，插上电脑条码枪即可刷入样本条码编号；电子天平上的被测样本重量数据可一键送到电脑保存为EXCEL表。4）．分析过程为全程电脑控制，高效、准确、简便易用，真正一键式操作，鼠标一点，结果即现。5）．辅助删补：用鼠标选择增加/删除，或直接用鼠标在屏上手工计数，以确保100%正确。目标区的个性化计数：对工作区视野中任选范围或矩形范围内的计数。6）．分析数据导出：分析图像结果可保存，以及按大小形状排列输出，自动形成总报表，统计分析结果能输出至Excel表，以及，以及按宽度、长度、面积等输出的排列图和测量图。3. 供货配置表：SC-G型自动考种及千粒重分析系统 数量 备注SC-G型自动考种及千粒重分析软件及《简明手册》 1张 光盘，3年免费升级软件锁 1个 1年保换、2年保修SC-G型自动考种及千粒重分析系统软件质量三包卡 1张 光盘电子文档中A3幅面的紫光M1彩色扫描仪 1台 紫光公司全国联保1年USB2.0接口的拍摄仪（彩色500万像素） 1台 非人为损坏，质保1年超薄的背光光源板（A4幅面工作台板） 1个 非人为损坏，质保1年带RS232通讯接口的量程220g电子天平（精度1mg） 1台 生产厂家联保1年RS232接口通讯传输线 1条 非人为损坏，质保1年种粒成像盘、种粒收纳小盘 各1 4. 推荐电脑配置（需另配，由投标的经销商在当地找供应商）品牌电脑（酷睿i5 CPU / 8G内存/ 19.5”彩显/无线网卡，5个以上USB2.0口，运行环境Windows 10完整专业版或旗舰版）

MoP最近被发现在酸性及碱性条件下都具有非常高的本征催化活性和稳定性。但是，由于高结晶度的MoP通常需要在非常高的温度下形成，导致合成出的MoP催化剂通常尺寸较大、表面活性位点密度低。鉴于此，梁永晔课题组基于氧化碳纳米管(CNT)的表面含氧基团与金属离子存在强相互作用，设计了两步合成策略制备出了CNT负载的尺寸小、结晶度高及分散好的MoP纳米粒子/CNT复合物(图2)。实验结果表明，相对于体相的MoP, 该MoP/CNT复合物催化剂在酸性、中性及碱性介质中的催化HER的表观电极活性得到显著提升, 实现了在三种不同pH介质中均以小于或等于102 mV的过电势驱动10 mA cm-2的HER电流密度。

包虫病是由棘球绦虫寄生于人体或宿主动物而引起的严重寄生虫疾病。而我国是同时有囊型和泡状两种类型的包虫病高发区。目前临床应用最广泛的抗包虫病药物是阿苯达唑，但是该药的肠道吸收率很差，而且其一般只能抑制寄生虫生长而不能彻底有效杀灭寄生虫，导致患者必须长期大量服用该药物才能达到治疗效果。与此同时，大量的研究发现该药可引起多系统的严重药物不良反应。因此，寻找或开发疗效显著且副作用小的包虫病治疗新药物具有重大的意义。 棘球绦虫获取能量的主要方式通过糖酵解过程。而甘油醛 3-

一体化产品试验台采购招标项目的潜在投标人应在线上获取招标文件，并于2022年06月29日09点30分（北京时间）前递交投标文件。

近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7

近日，东南大学智能材料研究院、化学化工学院杨洪教授课题组在光控软驱动器研究领域取得重要进展，将拓扑学设计与液晶弹性体材料相结合，开发了一种具有多模态、自维持、可调谐运动的软驱动器。研究成果发表在国际顶级期刊《德国应用化学》上，并被选为VIP论文。

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在IEEE Transactions on Cybernetics上发表了一种由生成对抗网络（GAN）驱动的进化多目标算法。