|
搜索
搜 索
高等教育领域数字化综合服务平台
超短焦激光投影
采用HLD高亮固态光源，能够提供较高亮度，又呈现接近自然的高度淳美色彩还原，同时支持360°投影，光源寿命超过20000小时，大大节省了用户的使用成本。
苏州腾邦科技有限公司
2021-02-01
激光切割机
大于60W；雕刻、切割木板材、皮革、布料、塑料、玻璃等材料；图形化编程，设计界面能显示加工预览；(适合教学使用)。带安全防护装置。
宁波华茂文教股份有限公司
2021-08-23
激光投影机
产品详细介绍
型号：ZHJ-J126805
基本规格：显示芯片尺寸0.65 "(16:9）
显示方式：DLP™芯片x1, DLP™投影系统
分辨率：1280x800
亮度：3000流明（3500流明）
对比度：10000:1
均匀性：>90%
光源：激光+荧光粉系统
光源寿命：高亮度下: 20,000小时 /节能模式下: 25,000小时
投射比：0.25：1
对焦范围：手动 60“--150”
梯形调整：一维,垂直方向 +/- 30度
最大功耗：460W
待机功耗：<0.5W
北京中航健科技有限公司
2021-08-23
激光投影机
产品详细介绍
型号：ZHJ-J386803
显示芯片：DMD,WXGA,0.65"
分辨率：1280x800
亮度：3600 ANSI lumens
对比度：12000:1
显示色彩：30 Bits (1,037,000,000 colors)
屏幕宽高比：16:10
投射比：0.24
图像尺寸:80" ~150"
变焦倍率：fixed
光源类型:LD module
光源寿命：20000Hrs
北京中航健科技有限公司
2021-08-23
激光投影机
产品详细介绍
型号： ZHJ-J386802
显示芯片：DMD,1080P,0.65"
分辨率：1920x1080
亮度：3600 ANSI lumens
对比度：12000:1
显示色彩：30 Bits (1,037,000,000 colors)
屏幕宽高比：16:9
投射比：0.233
图像尺寸:80" ~150"
变焦倍率：fixed
光源类型:LD module
光源寿命：20000Hrs
北京中航健科技有限公司
2021-08-23
激光投影机
产品详细介绍
型号：ZHJ-J386801
显示芯片 规格：DMD,XGA,0.55"
分辨率：1024x768
亮度：3600 ANSI lumens
对比度：12000:1
显示色彩：30 Bits (1,037,000,000 colors)
屏幕宽高比：4:3
投射比：0.276
图像尺寸：80" ~150"
变焦倍率：fixed
光源类型：LD module
光源寿命：20000Hrs
北京中航健科技有限公司
2021-08-23
激光投影机
产品详细介绍
型号：ZHJ-J386801
显示芯片 规格：DMD,XGA,0.55"
分辨率：1024x768
亮度：3600 ANSI lumens
对比度：12000:1
显示色彩：30 Bits (1,037,000,000 colors)
屏幕宽高比：4:3
投射比：0.276
图像尺寸：80" ~150"
变焦倍率：fixed
光源类型：LD module
光源寿命：20000Hrs
北京中航健科技有限公司
2021-08-23
锂电池组监控芯片
高校科技成果尽在科转云
西安交通大学
2021-04-10
高端数字电视芯片 SoC 设计
芯片的重要功能包括:地面数字电视传输标准 DTMB、有线数字电视传输标准、AVS/MPEGII 解码和 UTI 接口等。清华大学是 DTMB 的重要技术提供方，已经于 2007 年 11 月顺利完成了 DTMB 解调芯片的 MPW 流片，主要性能与国内最好产品的指标相当，一 些指标国内领先，当前正在完成国家重大专项数字电视 SoC 设计和产业化项目。清华大学 同时也是工信部确定的《数字电视接收机 UTI 机卡分离接口技术规范》和《数字电视接收 机 UTI 机卡分离接口测试规范》两项标准的牵头研发单位。在电视机产业面临升级换代的 关键时刻，我们愿意充分发挥自己的技术优势，与合作伙伴一道，以国家重点支持的高端数 字电视芯片 SoC 设计为契机，开发出低成本、高可靠性和有市场竞争力的芯片，为当地电 子信息产业的发展尽微薄之力。
清华大学
2021-04-11
人工智能语音识别芯片转让
人工智能物联网时代要求语音交互有非常好的体验感,室内环境下,当距离超过两米后,通过墙壁的反射造成的混响、音响设备的回声及其他环境噪声对语音识别带来了极大的影响,因此基于麦阵的声音采集与处理模块成为物联网时代的最佳人机交互采集模块。目前成熟的麦克风阵列语音信号采集与前端处理模块尚未出现，市面上仅有少数国外厂家如科胜讯提供双麦降噪芯片。同时,语音识别应用还需要配合降噪处理,目前的方案全部采用分离设计,一颗降噪芯片+一颗语音识别芯片。近年来随着大数据挖掘,基于人工智能神经网络的深度学习开始在语音识别领域进行推广运用,相对于传统的GMM模型,识别率得到了很大的提升。然而神经网络计算量非常巨大,需要采用GPU或CPU阵列的方式来进行运算,并且需要外加语音阵列降噪模块,其方案成本高,体积和功耗大。因此市场上对一款同时支持远场语音麦阵降噪和神经网络识别,具备高性价比的单芯片需求极大,具有巨大的市场前景和竞争力。
电子科技大学
2021-04-10