|
搜索
搜 索
高等教育领域数字化综合服务平台
液氮生物容器
广泛应用于科研院所、医疗、动植物及海洋研究所、金属物质低温下的研究等机构。适用于DNA、RAN、干细胞、血浆、精液、胚胎、各类组织器官大批量生物样本的长期保存;适用于对金属材料进行深冷处理，改变金属材料的金相组织，显著提高金属材料的硬度、强度和耐磨性能。
自动/手动除雾，可视操作；
超长使用寿命，航天级真空绝热技术；
超低液氮消耗量，日消耗量低于0.8%；
超长存储时间，一次加注使用超15天；
稳稳的超大样本存储量21800~125800份；
多级用户权限管理，密码保护，日志管理；
双路安全阀多级保护技术，保障液氮存储安全；
超大12寸安卓UI交互界面，具备数据记录导出；
稳定的低温存储环境，罐体顶部温度始终低于-180℃；
多级报警响应：高低温报警、高低液位报警、液氮供给中断报警、开盖超时报警、温度传感器故障报警、液位传感器故障报警、断电报警等。
青岛澳柯玛生物医疗有限公司
2021-09-13
南京农业大学国家作物种质资源南京观测站质构仪采购项目招标公告
南京农业大学国家作物种质资源南京观测站质构仪采购项目招标项目的潜在投标人应在江苏省南京市雨花台区软件大道109号雨花客厅2幢1307室获取招标文件，并于2022年06月20日09点00分（北京时间）前递交投标文件。
南京农业大学
2022-05-27
生物纤维面膜和抗菌性生物医用敷料
本项目结合目前先进的生物技术、面膜和抗菌医用敷料生产技术培育两类高附加值新型生物技术产品：生物纤维面膜和抗菌性生物医用敷料。 目标产品生物纤维面膜，基料采用了微生物合成纳米纤维素材料，是100%的纯天然材料，材质均匀细致，韧性、持水性强，与皮肤相容性、服贴性佳，是生产面膜的理想基料。采用新型清洁发酵生产工艺和后处理技术，大批量提供优质生物纤维面膜原料，独立研发，推出保湿、美白两大类生物纤维面膜。 目标产品抗菌促愈医用生物敷料，是在细菌纤维素基体中均匀植入纳米银粒子后，通
南京理工大学
2021-04-14
基于卷积神经网络的干扰信号识别方法
本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。
电子科技大学
2021-04-10
基于手机的人脸识别和定位的人员监管系统
基于手机的人脸识别和定位的社矫人员监管系统”主要功能：每天可定时和随机方式要求社矫人员上传个人GPS位置信息，同时进行人脸识别和活体检测，从而在不需要增加额外的专用硬件设备，仅借助现有的智能手机，便实现对相关社矫人员行踪的实时监管，并有效杜绝监管工作中普遍存在的社矫人员“人机分离”、“冒名打卡”、“照片刷脸”等现象。该系统已与现有社矫系统（蓝信、律兜）无缝对接。无人社矫厅版本已经投入使用。
东南大学
2021-04-10
三维人脸识别系统3D-FRS
生物特征识别是模式识别、图像处理、人工智能等学科领域的一个前沿研究方向，是涉及国家社会公共安全的战略高技术，同时也是电子信息产业新的增长点。从今年开始，我国已经开始计划在第二代身份证和电子护照中嵌入生物特征信息以提高个体身份认证的可靠性，生物特征识别技术在国家的人口管理、安全反恐、机场安检、出入境边检、门禁与安全系统、权限控制、对象监控、金融防伪、电子商务、社保福利等领域发挥重要作用。
东南大学
2021-04-10
一种自适应的网络舆情识别方法
本发明公开了一种网络舆情识别方法
电子科技大学
2021-04-10
恶劣成像环境下图像目标检测、识别与跟踪系统
一、项目简介 项目旨在解决现有目标检测、识别和跟踪系统易受雨天、雾天、沙尘、低光照、水下等恶劣成像环境的影响问题，使得相关目标检测、识别与跟踪系统可以全天候工作，最大程度克服相关视觉应用系统受天气和工作场景的影响的局限。 二、前期研究基础 课题组通过多年攻关，在相关核心技术方面有多项突破，提出多项拥有自主知识产权的针对恶劣成像环境下退化图像的质量提升方法。相关研究处于国内领先水平，已在包括IEEE Trans.Image Processing， CVPR，ICCV等计算机视觉国际顶级期刊和会议上发表论文17篇。授权发明专利5项，软件著作权1项。 三、应用技术成果 1) 雾天图像增强2) 水下图像增强 3) 雾天图像增强
厦门大学
2021-04-11
移动互联网未知应用自动识别系统
本技术成果克服了现有技术的不足，提供了一种对未知 应用（包括恶意软件）进行自动发现、自动聚类、自动分析、自动识别的技术
中山大学
2021-04-10
一种基于表示学习的星图识别方法
本发明公开了一种基于表示学习的星图识别方法，该方法利用端对端的、基于表述学习的神经网络模型RPNet，用于快速高效且鲁棒性强的全天星图识别任务
北京航空航天大学
2021-04-10