利用图像处理和机器学习技术，在多分类，样本不均匀条件下，对类型接近的目标进行识别与检测；在弱监督，无监督条件下对大数据集的目标自动分类识别技术；对目标识别算法的通用攻击和通用防御算法。

HMDS真空预处理烘箱产品用途:该产品主要用于半导体行业，HMDS预处理系统通过对烘箱HMDS预处理过程的工作温度、处理时间、处理时保持时间等参数可以在硅片、基片表面均匀涂布一层HMDS，降低了HMDS处理后的硅片接触角，降低了光刻胶的用量，提高光刻胶与硅片的黏附性。     一、产品规格： 型号：BD/HMDS-6090   内形尺寸：450×450×450     型号：BD/HMDS-6210   内形尺寸：560×640×600   二、 技术参数： 1、控温范围：RT+10～250℃  2、温度分辨率：0.1℃     3、温度波动度：±1℃ 4、达到真空度：小于133Pa 5、真空度：100Pa～100000Pa 6、定时范围：1～9999min 7、工作室材料：316L 8、样品架：2块、3块 9、真空泵：4L/S 10、电源电压：220V/50Hz、380V/50Hz三相五线制 11、总功率：3000W、4500W 三、产品特点： 1、外壳采用冷轧钢板制造，表面静电喷塑。内胆、样品机、连接管路均采用优质不锈钢316L材料制成；加热器均匀分布在内胆外壁四周，内胆内无任何电气配件及易燃易爆装置。钢化、防弹双层玻璃门观察工作室内物体一目了然。 2、箱门闭合松紧能调节，整体成型的硅橡胶门封圈，确保箱内高真空度。 3、HMDS气体密闭式自动吸取添加设计，真空箱密封性能佳，确保HMDS气体无外漏顾虑。 四、HMDS预处理系统操作流程： 1、首先确定烘箱工作温度； 2、预处理程序为：打开真空泵抽真空，待腔内真牢度达到某一高真空度后，开始充入氮气，充到达到某低真空度后，再次进行抽真空、充入氮气的过程，到达设定的充入氮气次数后，开始保持一段时间，使硅片充分受热，减少硅片表面的水分; 3、再次开始抽真空，充入HMDS气体，在到达设定时间后，停止充入HMDS药液，进入保持阶段，使硅片充分与HMDS反应; 4、当达到设定的保持时间后，再次开始抽真空。充入氮气，完成整个作业过程。 五、控制系统： 1、7.0英寸维纶彩色触摸屏，三菱PLC控制器； 2、富士微电脑双数显温度PID控制器，控温精确可靠； 六、保护系统： 1、漏电保护； 2、超温保护； 3、缺液保护；              七、设备使用条件： 1、环境温度：5℃～＋28℃（24小时内平均温度≤28℃） 2、环境湿度：≤85%R.H 3、操作环境需要室内通风良好,机器放置前后左右各80公分不可放置东西; 八、HMDS真空预处理烘箱服务承诺： 保修十二个月，免费送货上门,在对该设备安装调试结束后,在用户现场对相关技术人员免费做相应的操作培训,人数不限。

高校科技成果尽在科转云

产品详细介绍   反渗透是一种以压力为推动力的膜分离过程。随着膜性能的提高，反渗透技术将发展成为进行分离、分级、提纯和富集的化工分离新技术。     反渗透技术的主要特点： 能耗低 结构紧凑 操作简单易维修 自动程度高 不污染环境     反渗透技术广泛应用于给水处理；城市自来水的净化；制取电力、医药、医疗和食品等行业的纯水、超纯水、注射用水和食用纯净水的制备；海水和苦咸水的淡化制取饮用水等。     反渗透系统由反渗透装置及其预处理和后处理三部分组成。反渗透系统的核心是反渗透装置，预处理是反渗透装置能否长期稳定运行的前提，后处理用以满足不同处理对象的最终产水水质指标

悬赏金额：15万元 发榜企业：广东智云工程科技有限公司 需求领域：人工智能；软件开发 产业集群：软件与信息服务产业集群 技术关键词：深度学习；变形预测；灾害预警

医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。 由一款围棋人工智能程序AlphaGo(阿尔法围棋)开始，人工智能开始走进大众的视野。世界范围内对其的广泛讨论预示着人工智能时代已经到来。随着深度学习算法不断发展、日益成熟，人工智能已逐步用于医疗影像分析领域。近年来，关于内窥镜影像在AI领域的发明成果如潮水般涌现。 在内镜检查中，操作医师将抓取的图像和视频保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。由目前公开的内窥镜影像收集归纳系统中，尚未利用深度学习的方法来进行胃、肠的内窥镜影像学习，进而构建一个较为全面的内窥镜影像的样本库。目前的方法不利于简化医生的操作且不具有数据归一化处理和转换能力，无法根据数据适用范围的不同对数据进行管理和提供智能的数据分析功能。 一种人工智能扫描内窥影像样本库管理系统包括以下模块：图像输入模块，用于收集内窥镜图片；按官方标准，将胃部或者肠部内镜视野分成多个部位，通过人工智能系统对从医院内窥镜系统采集的图像进行预分类，并将影像数据上传至系统指定文件目录；登陆模块，用于在注册医生登录系统进入当前功能菜单后，对图片进行评图，确认该图片类别是否正确；系统主控界面，用于进行人机交互，并对图像进行显示；业务功能模块，包括：图像分类单元、视频库单元、病灶标记单元、我的任务单元、用户信息单元；系统设置模块，用于管理用户与权限。本发明界面美观友好、信息查询灵活方便；对上传影像数据智能分类，减少医生操作，只需最终确定。 本系统产生的价值在于： 一、界面美观友好、信息查询灵活方便； 二、对上传影像数据智能分类，减少医生操作，只需最终确定； 三、数据库管理模块，具有数据归一化处理和转换能力，根据数据适用范围的不同对数据进行管理，提供智能的数据分析功能； 四、集成第三方标记工具，标记过程简单清晰，结果数据稳定可靠； 五、用户权限设置合理，系统安全级别高； 六、防错退出模式，保证系统安全稳定运行。

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果

包括以下步骤：（1）加热改性沥青使之软化融熔，加热温度为 100～130℃；（2）将融熔的改性沥青在室温中自然稍冷却 5～10min；（3）将稍冷却后的改性沥青搅拌均匀并倒于圆柱形器皿中，沥青高于器皿口边缘处；（4）将装有沥青试样的圆柱形器皿水平放置于-25--30℃的环境中，放置时间 3-5h；（5）取出试样，观测试样表面是否平整；（6）将表面平整的试样器皿在室温中水平放置 2h，自然脱水后进行图片拍摄；将表面不平整的试样器皿用小刀将表面刮平，使之具有良好的平整度，放回-25--30℃的环境中继续

项目成果/简介:医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。由一款围棋人工智能程序AlphaGo(阿尔