|
搜索
搜 索
高等教育领域数字化综合服务平台
教学用生物显微镜
产品详细介绍
云南北方光学电子集团有限公司
2021-08-23
生物观察实验室设备
产品详细介绍
深圳长海现代实验室设备有限公司
2021-08-23
微生物有机肥
微生物活体制剂，含有多种植物生长有益微生物，能够产生多种拮抗物质，抑制土壤病原菌，可有效抑制线虫和其它病虫害的传播与发生；促进植物根系发育、生长；降解土壤有机物料，降低重茬障碍；改善土壤结构、板结等，提高植物有益微生物种群数量，形成有益植物生长的土壤微生物种群结构。
山东凯翔生物科技股份有限公司
2021-09-09
生物降解-水溶膜
山东森工新材料科技有限公司
2021-09-02
智联生物安全柜
德国 EBM 双直流风机，低噪、节能、气流恒定，可靠性更高 智能物联模块，可实现手机 APP 控制开关门，实时观看工作区监控画面
德国 EBM 双直流风机，实现低噪、节能、高 可靠性；
海康威视监控摄像头，可分别独立记 录工作区；
X 系采用电动升降玻璃门，搭配脚踏开关解放双手；
平台式搁手架，使用舒适，减少疲劳。
青岛海尔生物医疗股份有限公司
2022-09-08
两部门关于开展高性能生物反应器创新任务揭榜挂帅工作的通知
高性能生物反应器创新任务揭榜挂帅。
工信部
2025-06-05
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12
东南大学医学院生物信号采集与处理系统采购公开招标公告
东南大学医学院生物信号采集与处理系统采购招标项目的潜在投标人应在东南大学采购中心网（https://dnzb.seu.edu.cn/）获取招标文件，并于2022年07月06日09点30分（北京时间）前递交投标文件。
东南大学
2022-06-14
微曝气循环一体化污水生物生态处理系统及方法
一种微曝气循环一体化污水生物生态处理系统及方法,生活污水先由调节池均质均量,后送至表面布水式生物滤池,进行酸化水解降低部分有机物,然后自流进入循环生物强化接触池进行好氧生化处理去除绝大部分有机物,硝化反硝化脱氮,污泥好氧吸磷等生化作用,出水自流至斜板沉淀池进行固液分离后,上清液自流至竖向流湿地,废水中磷污染物进一步被滤池中富铁矿材料吸附去除,出水流至清水池排放或回用.本系统将表面布水式生物滤池,循环生物强化接触池,人工湿地进行一体化集成设计,各反应单元空间布局紧凑,占地面积小;工艺使用的设备少,废水主要靠重力流和推流,自动化强,运行管理简便;污泥回流量小,脱氮除磷处理效果好,尤其是磷去除率高.
重庆大学
2021-04-13
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10