中软国际教育科技集团充分发挥教育行业总集能力，携手产业生态合作伙伴（腾讯&中软国际云智能业务集团），为高校提供一站式校园信息化建设服务。依托中软国际教育科技集团对教育产业的理解与沉淀，将腾讯优质的高校信息化建设产品及服务引入，联合中软国际云智能业务集团在高校运营服务领域优势，三方创新融合，致力打造中国高校信息化建设标杆服务体系。

一种基于机器视觉的水稻穗颈瘟染病程度分级方法，包括以下步骤：（1）建立水稻穗颈瘟染病程度分级模型；（2）对农田现场的水稻染病程序进行测试，其过程为：（2.1）、采用多光谱成像仪拍摄农田现场的水稻的图像；（2.2）、将获得的多光谱图像去除图像背景，提取图像信息；（2.3）、获得图像的12个颜色特征；（2.4）、通过对获取的12个颜色特征进行变量标准化预处理，然后进行用以对数据降维的主成分分析，根据各主成分的贡献率，得到第一主成分和第二主成分；（2.5）、将第一主成分和第二主成分作为测试模型的输入，运行所述测试模型得到农田现场的水稻的穗颈瘟染病级别。本发明省时省力、可靠性高、效率很高。

本项目提供压缩机全生命周期管理系统，建立模块化、集成化数据环境，面向于往复压缩机、隔膜压缩机，服务于石油化工、加氢站、储气库、船舶动力等行业主要包括： 设计规划阶段——压缩机整体方案设计，压缩机结构形式设计，核心部件材料遴选分析，启/停流程设计，安全控制策略设计等； 运行工作阶段——压缩机运行数据实时采集、远程动态展示，核心部件状态监测与故障诊断，监测诊断一体式/分体式硬件与软件系统开发； 检修维护阶段——零部件维修预警、寿命预测，可视化维修方案、维修模型、维修视频，压缩机及其辅助系统、零备件信息数字化管理平台。 关键技术一：压缩机性能计算技术与选型设计技术 基于 Windows 平台，遵循结构化、模块化原则，采用 QT 框架、C++语言编制交互设计软件，可实现往复压缩机物性计算、热力计算、动力计算、设计校核复算、平衡计算、产品系列化自动匹配、多工况计算七项功能于一体，可实现往复压缩机机组设计计算、选型、零部件管理一体化功能。现阶段已授权发明专利 1 项，软件著作权 1 项。 关键技术二：压缩机状态监测与故障诊断技术及设备 针对压缩机核心零部件构建相应状态监测方案与故障诊断方法，包括：①集成气缸内热力过程特征和阀片声发射信号的诊断方法，基于气阀声发射信号获得气阀故障的特征参数和反映故障程度的量化指标，诊断不同类型气阀故障；②基于活塞杆应变重构 pV 图方法的往复压缩机气阀无损故障诊断方法，基于活塞杆应变重构压力-容积图（p-V图）的无损监测方法，为传统侵入式方法破坏气缸完整性带来安全隐患的问题提供解决方案；③十字头销磨损、活塞杆松动的故障诊断方法，对不同程度十字头销磨损、活塞杆松动故障进行模拟试验，对比时频域分析研究十字头销磨损、活塞杆松动的故障机理、声发射信号和振动信号特征，提取故障特征识别故障程度；④基于压缩机内油-气压力“伴随”关系，国内外首次提出了集成声发射与油-气压无损监测的隔膜压缩机状态监测新方法，进一步根据油-气压力“伴随”关系的失调追溯故障根源；⑤基于增量式编码器的往复压缩机轴系扭振测试方法，基于增量式编码器构建了往复式压缩机扭振测试系统，为传统方法在现场实际应用时难于实施提出解决方案；⑥压缩机气流脉动和振动模态分析技术，隔振结构设计、管路结构设计，提供机组振动测试、诊断以及改进方案。 本项关键技术现阶段已授权国内发明专利 4 项，申请国际专利 2 项、国内发明专利10 项；应用于中海油海洋平台天然气压缩机；开发压缩机故障诊断仪，已在某加氢站压缩机调试中成功检测出气阀泄漏、膜片运动失效、活塞环磨损、溢油阀阀芯磨损等严重故障。 关键技术三：压缩机数据共享与健康管理云平台 构建压缩机及其辅助系统、零备件信息数字化管理平台；构建压缩机热力-动力-应力-寿命分析模块，集成监测数据评价机组运行状态；基于故障诊断技术，建立机组现场监测数据与健康/故障状态信息实时共享平台，打破机组现场与远程管理者之间的技术壁垒；实现压缩机核心部件维修预警、寿命预测，交互 GUI 界面集成可视化压缩机维修维保手册、指导视频、三维模型；压缩机全生命周期管理，显著提高运维效率和管理水平。

上海芸英工业皮带有限公司生产各种型号的糙面带，糙面橡胶带，糙面橡胶皮，糙面包辊带，包辊糙面带，防滑糙面带，罗拉皮，糙面罗拉皮，粒面罗拉皮，高温罗拉皮，包辊罗拉皮，防滑罗拉皮，刺皮，高温刺皮，糙面刺皮，粒面刺皮，包辊刺皮，刺皮包辊带，平面包辊带，光面包辊带,糙面带，耐高温糙面带，耐高温光面带，耐高温粒面，耐磨耐油防滑包辊带，耐高温硅胶包辊带,主要库存40mm，50mm，100mm门幅的包辊带，糙面带，拥有大量糙面带现货，我公司拥有一整套的生产加工糙面带的设备，可以根据不同客户的要求进行加工长度以及宽度可根据用户的特殊需要定做.特性采用经特殊处理的织物为骨架材料，表面压制特种花纹（糙面、粒面），广泛应用于各种辊筒的包辊；耐油、耐磨、高弹性、不变形、不剥离、牢固耐用糙面带又称糙面橡皮、糙面带、糙面橡皮、包辊带，包辊皮，辊包皮，颗粒带，颗粒皮，粒面带，粒面皮，糙面皮,罗拉皮,防滑带，糙面橡胶、胶刺皮、刺皮、粒面橡胶。糙面带适用于喷水织机、喷气织机、剑杆织机、印染机和验布机的导布辊上，可用于各类织物的牵引，增大摩擦力，提高生产效率。具有不变形、不剥离、耐磨、耐油、防水、抗静电等特点

本实用新型公开了一种野外连续测试原位水稻土高光谱的车载微型铧犁装置。铧犁立柱和光谱组件立柱通过定位杆固定在连接桥上，铧犁刀片固定在铧犁立柱底端，保护罩固定在光谱组件立柱底端，保护罩靠近土壤一侧底部开有透光孔，蓝宝石固定在透光孔正上方，蓝宝石横截面中心和透光孔横截面中心连线与光谱传感器的中心轴线重合，将装置通过连接桥与微型履带式拖拉机固定后，打开光谱仪和光源电源，设置光谱仪的数据自动采集频率，启动微型履带式拖拉机拖动本装置，进行野外原位水稻土光谱连续测试。使土壤原位高光谱的大范围实时连续测量更加简单，省时省力。

产品详细介绍概述：作物的穗长、穗粗、茎粗、茎叶夹角，是作物表型的基本参数，其人工测量获取工作繁重。万深SC-K型水稻麦穗穗长-茎粗-茎叶夹角自动测量仪利用机器视觉智能识别技术来高效获得精准的测量结果，为育种选材提供依据。系统由拍摄仪、识别分析软件、电脑、背光装置组成，可自动测量水稻的穗长、茎粗、茎叶夹角参数，以及小麦、谷子和高粱等的穗长、穗粗参数。是操作极其简单的免培训智能款。主要性能参数：1、用自动对焦的大景深800万像素拍摄仪成像，由软件自动识别计算。2、★可自动识别所有穗子的穗长、茎粗（穗粗）以及自动测量茎叶夹角。3、★穗子放稳后自动触发识别，单穗自动测量≤2秒（最快可测30个穗长/分钟）。也可外接条码枪或键盘输入样品编号来触发拍照测量。4、穗长重复测量误差≤±0.5mm、茎粗重复测量误差≤±0.3mm、茎叶夹角重复测量误差≤±1°。5、设置参数带有记忆，可重用。可自动去除稻谷芒长的干扰。。6、可设置测量界限值，语音自动报告筛选识别结果（穗长、茎粗、茎叶角过界报OK、不过则报NG）。7、可存上万张图片及其对应的数据，并无线上网来远程发送图片、结果数据。产品优势：1、可自动识别所有穗子的穗长、茎粗（穗粗），以及自动测量茎叶夹角（放稳后自动触发分析）。2、免培训即可直接使用，用户可看视频1分钟学会、傻瓜式操作。3、工作稳定，抗干扰能力强，通用性强，使用寿命长、灯板功耗≤16W。供货清单：自动对焦的大景深800万像素拍摄仪1台、软件锁1个、带220V电源适配器的LED背光成像装置 1个、自动标定版1个、背光灯板支架1付使用需另配电脑（酷睿i5 CPU/8G内存/无线网卡，运行环境Windows 10完整旗舰版）

南开大学生命科学学院丁丹教授团队牵头，联合南方医科大学南方医院郑磊教授团队、华南理工大学唐本忠院士团队、深圳金准生物医学工程有限公司开展联合攻关,成功研制出新冠病毒IgM/IgG抗体联合检测试剂盒，并已实现量产。 1例（63.9%），IgG阳性138例（87.3%），在151例健康对照及非新冠肺炎疾病中特异性为98.7%。

成果描述：本发明涉及分布式极化敏感阵列的参数估计技术，特别涉及信号波达角度和极化参数的联合估计方法。 一个完备的电磁矢量传感器由空间放置的3个电偶极子和3个磁偶极子构成，它们在空间共点放置相互正交，从而形成极化敏感阵列，可以接收入射电磁波全部的电场分量和磁场分量，因而相较于传统的标量阵列，极化敏感阵列可以接收更多的入射信号的信息。又，极化敏感阵列能够感应入射信号的极化信息，从而获得入射电磁信号的极化参数。然而，传统的标量阵列却由于不能感应入射信号的极化信息，而无法获得入射电磁信号的极化参数。并且，极化敏感阵列还可以同时感应入射电磁波的极化信息和空域信息。因此，极化敏感阵列不管是用于极化参数估计还是自适应波束的形成，其都具有比传统标量阵列更优越的系统性能。 在极化敏感阵列的应用中，利用电场、磁场和坡印廷矢量之间的矢量关系，当空间放置有单个完备的电磁矢量传感器，利用该电磁矢量传感器就能够同时获得最多5个不相关信号的波达角度（DOA）和极化参数的估计，因此，在空间物理孔径受限的场合具有重要的意义。 然而，针对极化敏感阵列的信号处理，大多假设各个阵元由2至6个共点放置的相互正交的电偶极子或磁偶极子构成，因此，各极子在空间共点放置不可避免的会有严重的互耦效应，互耦效应会降低天线系统的性能。 阵元间的互耦现象是不可避免的，为了有效减少阵元各共点通道之间互耦的相互影响，现有技术提出了分布式极化敏感阵列，分布式极化敏感阵列是将极化敏感阵列各阵元共点分量在空间分散放置，其能够使阵元间的互耦效应大大降低，同时也可以感应入射电磁波的电场信息和极化信息。现有的针对分布式极化敏感阵列的参数估计方法大多针对完备的电磁矢量传感器，即在空间分散放置3个电偶极子和3个磁偶极子，然后再利用改进的矢量叉乘的方法来完成参数估计。然而，在实际中，由于空间电场和磁场是时变的，时变的电场产生磁场，时变的磁场产生电场，二者之间存在一定的冗余关系，因此考虑仅仅采用电偶极子或磁偶极子构成极化敏感阵列将可以获得更多的入射信号电磁信息。