探究近视与远视的形成，及如何用光学镜片进行校正。

450mm×250mm×295mm，配铁板及底座，探究近视与远视的形成，及如何用光学镜片进行校正。

产品详细介绍 　　2018年8月30日开始，儿童青少年近视防控就上升到国家战略层面。八部委联合发文，设定阶段性的近视防控指标，将儿童青少年近视防控纳入政府业绩考核。 　　儿童青少年每天大部分时间在学校度过，通过狠抓落实校园近视防控，才能为教育新发展新跨越开好局、起好步、奠好基，才能让全国近视防控工作有突破性进展。永康学生近视防控教室，拿出一间教室，放置30-50台永康视力提升机，学生按班级建制每周进行一次20-40分钟的训练，一般经过1-2个月5-10次训练，会达到裸眼视力平均提升2行，近视率平均下降10%以上的良好效果。这间教室，适用于所有学生。不近视的学生，经常参加训练，可以预防近视的发生;近视的学生，通过视力提升训练，能够控制近视度数，提升视力。 　　校园近视防控需要好的产品和好的技术，才能控制住几十年居高不下的儿童青少年近视率。永康学生近视防控教室近视防控效果公布后，受到全国各大中小学的欢迎，已在全国范围内辐射推广。北京市海淀区、西城区、辽宁省大连市、内蒙古乌兰浩特市等地区，纷纷采取行动，开展学生近视防控教室试点工作，逐步在当地全面推广。 　　打好这场校园近视防控攻坚战，对全国儿童青少年近视防控工作具有重要意义。国家对新一代的要求，不仅局限于“学得好”，而更要“长得好”，有一双明亮的眼睛，才能看到这个精彩的世界!

产品详细介绍 　　北京电视台新闻曾报道，儿童玩手机20分钟，视力下降50度。我国各阶段学生近视率持续上升，7―12岁小学生、13―15岁初中生、16―18岁高中生视力不良率分别为45.71%、74.36%、83.28%，重点高中近视率高达95%以上。超高的近视率，导致我国航空航天航海、精密仪器制造、军事国防等对视力要求较高的领域面临巨大的人才缺口，严重影响到国家安全及民族的长久发展。 　　在此背景下，八部委联合发布了《综合防控儿童青少年近视实施方案》，将青少年近视率纳入政府业绩考核。 　　实施方案指出，防控儿童青少年近视，仅靠儿童青少年的自觉自律远远不够。当务之急是全社会要群策群力，拿出有效的综合防治方案和措施，明确学校、家庭、政府等各方面责任，形成多方合力。呼吁各级相关部门要扩大儿童青少年近视监测范围，开展专项普查工作。突出强调学校是儿童青少年近视防控的主战场，学校要拿出有效的方案来降低学生整体近视率、提高体质健康状况，并给予一定的财政支持。 　　校园是全国青少年近视的主战场，打好这场攻坚战，对全国儿童青少年近视防控具有重要意义。永康视光集团针对校园近视易多发、不可控的特点，在沈阳市多所学校建立学生近视防控教室试点，在校学生通过1—2个月5—10次视力提升训练，裸眼视力平均提升2行以上，近视率下降10%以上。为学校学生近视的预防和整体近视率的降低起到了重要作用，这一成绩公布后，受到全国各大中小学的欢迎。目前，现正面向全国范围内辐射推广，敢于和学校签订学生近视率效果协议，真正拿近视防控效果说话，推动我国儿童青少年近视防控工作向前发展。 　　响应八部委文件号召，抓好儿童青少年近视防控工作，真正让孩子拥有一双健康明亮的眼睛，是永康视光集团今后努力的方向，更是全国全社会实现中国梦的必由之路!

产品详细介绍 　　从2018年8月30日开始，儿童青少年近视防控就上升到国家战略层面。八部委联合发文，设定阶段性的近视防控指标，将儿童青少年近视防控纳入政府业绩考核。 　　解读国家的一些列重视儿童青少年近视防控的举措，正是指明了投资的大风口!青少年近视防控拥有刚性市场需求，市场潜力不可限量，是投资的首选。 　　八部委文件将近视率落实到各级政府上，各级政府又将考核指标下发到各个学校，学校由此成为了青少年近视防控的主战场。各个学校纷纷行动起来，寻找能切实降低学生近视率的办法。 　　换照明设备、换桌椅、换书本的底色甚至不给学生留作业……一系列的措施下来，只能勉强能起到部分的预防作用，对于居高不下的学生近视率还是杯水车薪，起不到控制的作用，只能稍微的延缓孩子近视的爆发。 　　响应国家号召，永康站出来为政府和学校排忧解难。凭借多款国家发明专利产品，多维度控制青少年近视度数，还近视孩子明亮健康双眼。现已成立多个校园保健提升教室试点，一个月的时间，试点学校整体近视率平均下降15%—20%，对于近视率的降低起到明显的效果。目前，永康近视防控教室这一工作已在全国范围内推广，力争改善全国儿童青少年近视状况，为祖国儿童青少年近视防控交上满意答卷。

产品详细介绍 　　近年来，由于中小学生课内外负担加重，智能手机、平板电脑等电子产品普及，用眼过度、用眼不卫生、缺乏体育锻炼和户外活动，社会上对儿童青少年近视防控工作和视力健康管理认识不足，公众视觉健康知识匮乏和视觉健康领域政策保障薄弱，各部门协同配合不够等因素，我国儿童青少年近视问题越发严重，近视率居高不下、不断攀升且呈现低龄化、重度化、发展快、程度深的趋势。2014年全国学生体质与健康调研结果显示，我国各学段学生近视率持续上升，7―12岁小学生、13―15岁初中生、16―18岁高中生视力不良率分别为45.71%、74.36%、83.28%。2018年6月，国家卫生健康委通报，我国儿童青少年近视率已居世界第一。 　　我国儿童青少年近视防控主战场是学校，必须找到适合在学校进行近视防控的产品、技术和模式方法。 　　中国永康视光科技集团，十一年专注于儿童青少年近视防控工作，在近视防控上升为国家战略的新形势下，率先提出“建立学生近视防控教室，实现学校学生视力达标”的全新理念。 　　学生近视防控教室，是永康视光科技集团在多项重大发明基础上的集成创新。学校拿出一间教室，放置30-50台永康视力提升机，学生按班级建制每周进行一次20-40分钟的训练，一般经过1-2个月5-10次训练，会达到裸眼视力平均提升2行，近视率平均下降10%以上的良好效果。2018年11月、12月以及2019年1月，永康集团在沈阳市工人村第一小学、文艺二校教育集团文艺一校、朝阳一校、六一小学、南京九校等5所学校先后建立了学生近视防控教室，取得了良好效果。目前，北京市海淀区、西城区、辽宁省大连市、内蒙古乌兰浩特市等地区，都在与永康视光集团合作，开展学生近视防控教室试点工作，并逐步在当地全面推广。

产品详细介绍      中国永康响应习主席号召，关注青少年的视力，永康走进沈阳浑南白塔小学，为孩子做训练！

本发明提出一种智能物流系统预测性调度优化方法及系统，具体包括：实时采集智能物流系统内设备的运行状态数据，对运行状态数据进行预处理，并划分训练集和测试集；对预处理后的运行状态数据进行时域分析，从中提取关键故障特征，对设备进行健康状态评估；建立预测性调度模型，基于得到的健康状态评估结果进行调度策略切换，并对生产物流调度方案进行多目标优化；采用三维建模技术进行可视化管理，并结合虚拟仿真进行调度优化验证。本发明所提出的方法，能够有效应对动态物流环境中的设备故障等问题，优化物流调度性能，减少配送延误，并提高物流系统的整体效率与资源利用率，实现高智能化、高效生产物流调度。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：