产品详细介绍一、概述：基因型、表型和环境是遗传学研究的铁三角。表型（性状）是基因型和环境共同作用结果，而基因型与表型之间有着多重关系。研究者用测序和基因组重测序来评估等位基因差异定位数量性状等已变得很普遍，但其需大量性状数据来佐证。然而这类分析测量的结果受人员、工具和环境等的干扰很大，还会损伤到植物。故迫切需要高效、准确的万深PhenoGA植物表型分析测量仪来做可视化的精确数据分析和表型测试，如测试对压力和环境因素的表型反应、生态毒理学测试或萌发测定、遗传育种研究、突变株筛选、植物形态建模、生长研究等。二、主要性能指标：1、万深PhenoGA植物表型分析测量仪是顶视+侧视版本，由顶视+侧视的超大变焦镜头自动对焦1500万像素以上的佳能EOS单反相机直联电脑获取植物顶视和侧视的RGB彩色图，并做自动分析；由顶部的主动红外双目3D相机（点云密度512*424像素）来获取植物冠层的3D景深伪彩色图和可转换视角的3D重建伪彩色图。2、可获得植物在不同生长阶段的表型数据主要有：植株高（测量误差≤±1.5mm）、投影叶面积及其差异值、投影叶片长和卷曲度、叶片数量（自动计数+鼠标个别修正）、叶冠层的3D构型数据（叶冠直径、叶冠层面积、叶冠层占空比、叶片分布和密度、叶冠层对称性等，冠层尺寸的测量误差≤±2mm）、植物株形、精准的茎叶夹角（真实夹角重复测量误差≤±1.0°）、节间长度及其空间体积估算值、植株高和叶冠层随时间改变的相对生长速率、叶色平均值（具有叶片颜色自动矫正特性，可按英国皇家园林协会RHS比色卡2015版来自动比色）及其对表征的贡献评估等。具有分析特性表述如下：1）常规分析：投影叶面积及其动态变化，外周长，外接圆直径及面积，拟合椭圆主副轴及偏角，凸包内径、面积及周长，植株高、宽，最小外接矩形长、宽，植株紧实度。2）颜色分析：RGB、LAB颜色值，具有叶片颜色自动矫正特性，可按英国皇家园林协会RHS比色卡2015版来自动比色。3）骨架分析：骨架长度，端点数（叶片数），分叉数（分枝数、分节数），茎叶夹角等。4）玉米株形分析：叶片数，叶片长、宽，叶片弯曲度，叶片投影面积，茎秆分节数，分节长、粗，叶片颜色等。5）生长分析：植株绝对生长、相对生长曲线，相对生长趋势。6）根系分析：根长，根粗，根尖数等（根粗>1mm）。7）考种分析：种粒数，种粒面积，种粒长、宽（种粒直径>5mm，不粘连）。8）其它：不同生长时期自动批量化处理分析，多植株网格分析，直线、角度等几何测量，各测量结果可编辑修正。3、可接入条码枪来自动刷入样品编号，具有按条码标识跟踪分析的特性。图像分析方式和耗时：自动分析（约1个样品 /分钟）+鼠标指示测量或修正。标配成像分析的植株高可达100cm（茎秆基部距顶部3D相机约135cm，植株距侧面拍摄仪约100cm）、叶冠幅可达100cm*80cm（拍摄箱外尺寸160cm高*120cm长*80cm宽）。各项分析数据和标记图片可导出。三、标配供货清单：1、超大变焦镜头自动对焦1500万像素以上的佳能EOS单反相机  2套2、主动红外双目3D相机及适配器  1套3、单反相机拍摄支架 1套4、含光源的拍摄箱（标配尺寸160cm高*120cm长*80cm宽）  1套5、万深PhenoGA植物表型分析测量仪软件及软件锁  1套6、叶色色彩矫正板和尺寸自动标定板1付7、手持式条形码阅读器 1付8、超薄背光灯板  1付注：可定制到250cm高*120cm长*120cm宽的拍摄箱或定制便携式的野外田间顶视版的分析检测仪。若加配万深SC-G自动考种仪、RootGA根系动态生长监测分析仪等，还可分析种子形态、果实外观品质、花形和花色、植株根系的胁迫响应等。推荐选配电脑：酷睿i5 CPU / 8G内存/ 256G硬盘 / 23”彩显/无线网卡，2个USB3.0和3个USB2.0口，Windows 完整专业版或旗舰版

产品详细介绍GWTF-300高温铁电材料测量系统  关键词:电滞回线，高温，电致应变，蝴蝶曲线GWTF-300高温铁电材料测量系统是一套建立在高温高压下的铁电测量系统，旨在针对一些特殊的要求材料需要在高温下测量而研发的一套铁电测量系统。该系统不仅仅在温度上将实现了高温测试，而且在电压和频率上进行了提高，对我们的铁电材料研究和测试带来更加重要的帮助，该系统可以测量铁电材料的电滞回线，饱和极化Ps、剩余极化Pr、矫顽场Ec、漏电流、疲劳、保持、I-V和开关特性等性能的测试，是科研机构和高等院校进行研究的重要辅助工具。二、产品主要用途：1、应用高温下薄膜、厚膜的铁电材料性能测试和研究2、应用高温下块状陶瓷、铁电器件及存储器等铁电材料领域的研究。三、主要技术指标参数： 1.输出信号电压：：0-4000/5000/6000/10000多种可定制2.输出信号频率：0.2到100Hz（陶瓷、单晶），1到1kHz(薄膜）3.电容范围：电流0到±6mA（陶瓷、单晶），±50mA(薄膜）连续可调,精度: ≤1%。4.电流范围: 1nA～10A ,精度: ≤1%。5、温度测量范围:0-200℃6. 匹配高温电致应变测试模块、夹具及自动采集软件。7.测试速度：测量时间《5秒/样品•温度点8. 样品规格：块体材料尺寸：直径2-100mm，厚度0.1-10mm，薄膜：直径：1-60mm9. 数据采集分析软件： 能画出铁电薄膜的电滞回线，定量得到铁电薄膜材料的饱和极化Ps、剩余极化Pr、矫顽场Ec、漏电流等参数;可以进行铁电薄膜材料的铁电疲劳性能、铁电保持性能的测试，电阻测量，漏电流测量。 10、控制方式：计算机实时控制、实时显示、实时数据计算、分析与存储11、软件采集：自动采集软件，分析可以兼容其他相关主流软件。

1、产品介绍： 心理云平台是一款基于系统化管理理念设计的心理健康综合系统，通过建立区教育局—学校—年级—班级—学生的纵向心理辅导体系，构建教育局—学校—家庭三方协作的心理管理平台，实现线上线下联动心理健康服务网络。 2、技术参数： 1)系统全面采用UTF-8全球标准编码，支持多种浏览器。 2)采用安全可靠的云计算技术，数据多重备份和加密，保证数据安全。 3)支持PC、微信公众号等多端口用户登录。 4)B/S架构，Mysql数据库引擎。 3、功能参数： 1)心理云平台主要由基础信息维护、心理测评、统计分析、咨询预约、量表管理、消息中心等模块组成，预留收集心理设备采集数据接口，便于进行大数据整合管理。 2)可根据需求设置组织架构（如区域、学校、年级、班级进行由上至下的分级），并提供对组织架构的新增、修改、查询等管理性操作。 3)灵活设置不同角色不同权限的管理员，如区级管理员、校级管理员、年级管理员、学生、教工、家长等。 4)具有新增、删除、修改、查询、关闭等账户管理功能，可单选或批量操作；同时，系统可自动生成学生对应家长的信息，便于家校互动；还可开设教职员工账号，开展教职员工的心理测评工作。 5)心理档案动态更新，包括个人基本情况、心理测量结果、危机预警、教师干预、心理咨询记录等。 6)心理测评量表涉及学业、情绪、智力、能力、人格、心理健康、婚姻与家庭、职业、人际关系等类别，可根据用户需求调整量表数量。 7)支持普测与个测，可自定义施测对象、施测量表、测试日期等。选择量表时可设置报告查看、测试次数等权限；系统智能分发，自动过滤不符合参测条件的对象；测评进度自动更新、详情随时可查，并支持未测名单导出。 8)个体测试完成后，系统即自动生成图文并茂的个体报告，报告内容包含量表简介、维度雷达图、结果分析、指导建议等。 9)团体测评完成后，按照性别、年级、班级等，即可一键生成团体分析报告，支持原始数据、异常数据导出。 10)心理预警功能：根据心理测评结果自动筛选预警名单，并智能分级预警。 11)统计分析：具有横向、纵向统计分析功能，可设置相关参数，一键生成分析报表。 12)量表管理：查看量表介绍及内容，可根据需求定制特殊量表及指定量表的更新；支持自定义量表的导入。 13)支持学校心理教师按周设置咨询排班时间、处理预约申请，并提供咨询过程中文字、图片、表格等的记录。 14)管理员可在消息中心发布新闻、通知、公告等。

简单介绍： ZL-22A高精度足趾容积测量仪是用于解热****筛选和鉴定的仪器，是一种通过测量大鼠足趾致炎肿胀后的消肿过程来评价**的效价，了解**作用时间和药效规律的仪器。高精度足趾容积测量仪有测量准确、计时准确、准确性和操作上的方便性，高精度足趾容积测量仪与国外同类产品相比无论在式样结构、精度上都提高了一个档次，但对介质（液体）的使用要求和对操作技术上的要求远低于国外同类产品。 该设备采用加高式机身，测量人员测试时不用弯腰，符合人体工学设计。 详情介绍： 1、显示：5寸触摸屏 2、显示分辨率：480万 3、测量容积范围：0～150ml 4、测量误差：≤±5μl 5、显示分辨率：0.001ml 6、测量精度：0.001ml 7、校零误差：≤±3μl8、石英测量筒内径为：φ=50mm  (可拆卸清理)9、测量筒*大盛水量：130ml  (水质不限)10、内电式时钟连续运行：10年11、时钟误差：<0.083秒/小时12、配脚踏控制开关，无需动手可锁定读数13、自带背光灯板，可清晰观察足底状态14、带USB外部存储功能，实验数据方便导入EXCEL15、大面积机箱平台，可作为手腕托架，测量更稳定。16、系统内存50组,每组512个历史数据17、输入电压：交流190～250V  50HZ18、功率<20W19、体积：350×245×340mm 20、重量：约4KG

随着社会经济的发展，医院、车站、机场等大型场所的规模和数量不断扩大，其保安巡逻 自动化需求将日趋迫切。目前依赖于人力巡逻或CCD定位监控已不能满足夜间保安的要求， 采用保安巡逻机器人实行定时、定点监控巡逻与不间断流动巡逻结合将是目前最佳的解决方 案。 为了实现保安巡逻的各项功能，使系统在总体性能上满足实时性、可靠性和方便性的要 求。远程操作计算机远离移动机器人的工作现场，操作者通过这台计算机实现对机器人的远程 操作控制，其实现的功能有：网络通信、视频的解压缩和显示、非视觉传感器信息的可视化显 示、移动机器人工作状态的显示和接收操作者通过控制设备对移动机器人下达的控制命令。 移动机器人平台由移动机器人信息处理及操作系统、道路识别系统、视频采集系统、非视 觉传感器信息采集系统和伺服驱动系统组成，其中移动机器人上位机系统实现的功能有：网络 通信、视频信息压缩、视频信息识别、非视觉传感器信息的处理、移动机器人的运动规划和运 动控制。本项目创新点如下： (1) 基于区域矢量化道路识别 对车道线进行区域矢量化，并对获取的车道线进行数学分析及建模，用以后续的自动导航 控制。 (2) 基于多信息融合的自动导航 本巡逻机器人自动导航系统采用多信息融合，结合视觉信息和GPS定位。视觉信息用来识 别车道线进行导航，而GPS可以提供必要的导航信息，对视觉信息的不足进行补充。 (3) 巡逻机器人组网及远程控制 巡逻机器人控制系统接入无线网络，可以通过控制端PC对机器人发送指令，使其按所发 送的指令自动到达指定站点。机器人之间应该也能够互相通信，这样才能够及时的避免冲撞以 及交换信息。

智能交通是关键在于两方面：智能道路与智能车辆。前者主要目的在于规范 交通秩序，提升道路的通行能力；后者的使命是通过发展通过驾驶辅助系统，最 终实现车辆的无人驾驶。 针对智能道路，团队研发了电子警察。通过装配在城市交通路口的智能一体 相机，电子警察自动抓拍车辆闯红灯和变道等违章行为，通过治理违章规范驾驶 行为。其核心技术在于基于计算机视觉的嵌入式车辆运动分析系统。团队与智能 相机厂商合作，开发了基于达芬奇（DaVinci）平台的嵌入式电子警察产品，并 已成功上市销售数百套。 针对智能车辆，团队研发了交通标识自动识别系统。通过车载视觉智能分析 系统，提前主动定位并识别交通标识，规避违章驾驶。团队与国内领先的无人车 研发机构合作，已参加数届中国智能车未来挑战赛（IVFC）,获得了交通标识识 别第一名及总成绩第三名的成绩，并得到了中央电视台等机构的好评。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

研发阶段/n基于机器视觉技术的干香菇等级自动分选系统与设备 技术简介：　　香菇生长过程中，在适宜的温度、湿度、光照、风速和温差条件下，表皮细胞与肉质细胞分裂不同步，生长速度过快的肉质细胞胀破表皮细胞，使菌盖龟裂形成褐白相间、菊花状的花纹，因而形成花菇。香菇可分为天白花菇、白花菇、茶花菇及光面菇。其中以天白花菇价值最高，与普通光面菇相比，价格可相差5-8倍。　　我国是香菇生产大国，香菇分级加工属于劳动密集型环节，长期以来依靠人工肉眼进行香菇颜色、形状、厚薄分级及破损、畸形、霉变香菇分级。

现代高速计算机的计算能力已达到惊人的程度，但计算机视觉系统却无法指导诸如过马路之类对  人来说非常简单的视觉任务。本成果模拟人眼选择性关注视觉场景中显著变化区域的模式，提出一种  图像中不同区域视觉显著程度的检测方法，从而达到提高计算机图像分析效率的目的。