|
搜索
搜 索
高等教育领域数字化综合服务平台
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
光纤激光器
技术参数光纤激光器输出功率：500W/750W/1000W/1500W/2000W波长：1070-1080nm光束质量（M2):≤1.2机器人型号：STAUBLI ABB 川崎Fanuc工作范囤：工作半径1400mm-2010mm重复定位精度：±0.05mm（根据机器人不同参数不同）安装方式：地面安装、吊顶安装、倾斜角安装
山东优特智能科技有限公司
2021-08-19
超短焦激光投影
产品展示
产品特点
鲜艳明亮
色彩显示区域高于REC.709色域标准
还原教师授课的真实内容
35,000：1的超高对比度，3300- 4200
流明的高亮度，光亮环境下画面依然清晰明亮
超长寿命
可维持至少25000小时的最佳亮度和可靠性能
打破空间
0.23超短焦投射比
39cm即可投影80"大画面
广阔可视角
保证教室两侧的同学也可清楚观看
防尘保护
光源光机一体化设计
光路密封双重防尘设计
防止课室灰尘入侵
3D 投影，丰富拓展
DLP Link 3D立体播放
为课堂带来生动有趣的虚拟仿真教学体验
超低噪音
正常运行下噪音低于30分贝
无扰课堂学习
广州视睿电子科技有限公司
2021-08-23
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
超薄激光拼墙
激光，让拼墙更出色！ 46cm超薄厚度，安装更便捷！
深圳光峰科技股份有限公司
2022-09-19
疫情防控智能识别系统
2020年2月15日，同济大学牵头建设的上海自主智能无人系统科学中心新冠肺炎疫情防控科研攻关团队研发的第一套疫情防控智能识别系统（Tongji NCP-AIS），在同济大学四平路校区大门口开始试运行，可快速识别人流中个体感染者的风险。 科研团队利用人工智能、大数据、人脸识别、温度识别、动作识别等技术，可实现人脸识别、心率监测、呼吸监检测、门禁联动、门禁数据智能更新、咳嗽检测和语音播报，让人工智能技术在疫情防控期间发挥更大的作用，减轻学校相关管理人员的工作，实现疫情期间高效的校园安全管理。系统针对大规模人群，可以自动发现体温不正常个体，实现拍照和跟踪，以及提醒功能。
同济大学
2021-04-10
车辆精细化检测与识别
项目成果/简介: 目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。知识产权类型:其他技术先进程度:达到国内先进水平成果获得方式:与企业合作获得政府支持情况:无
安徽大学
2021-04-11
人类属性自动识别技术
通过机器学习方法对个人的各种属性，如身份、年龄、姿态、表情、颜值、行为等进行自动识别和分析，广泛应用于人机交互、推荐系统、智能监控、安全控制等诸多领域。包括3D手势姿态识别、基于静态图像的人体行为识别等技术。
东南大学
2021-04-11
车辆精细化检测与识别
目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。
该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。
安徽大学
2021-05-09
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