产品详细介绍无液氦超导强磁场平台能够提供一个5~18特斯拉的强磁场环境，温度可以从1.6K连续变化到300K，无需液氦制冷，大大降低了运行费用，操作灵活简便。 应用领域：磁光效应，磁化率和磁特性测量霍尔效应测量和电特性测量           超导转变点和临界电流，磁性转变点和磁场中的比热测量顺磁共振和核磁共振医学方面研究工业方面的应用（高磷土等工业矿石的处理）晶体生长污水净化核磁共振成像技术  产品特点：Ø  无需液氦，运行费用低实验时不需要再消耗昂贵的液氦或者液氮就可以维持4K或更低的温度，拥有制冷剂自动循环系统，使运行费用降到最低。Ø  快速变温能力，控温准确变温样品室和超导磁体共用同一个制冷装置，温度从300K降到4K只需1个小时左右，控温精度可达25mK 。Ø  全自动操作,安全可靠系统具有多项自动保护功能，确保设备安全运转。操作简单，非专业人士也可自如操作。同时也提供了数据共享，采用其它相关软件也可以实现操作控制。Ø  功能强大的软件系统，自动控温装置低温公司开发了一套软件用来控制和检测无液氦超导系统。可实现对磁场，样品温度控制实时监控。可视化操作界面，操作起来更加方便。提供实验数据分析，也可以将数据导出用于专业软件分析。性能指标磁场范围（标准）：5~18特斯拉控温范围：1.6K~300K样品降温时间：大约1个小时从300K~4K样品室尺寸：24mm或者29.5mm系统测试选件 1、霍尔效应及电阻率测量选件主要指标：Ø  2400电流源表量程范围：1 nA to 1 A.Ø 2182数字万用表的测量范围：100nV to 10V. Ø 电阻测量范围： 108 ohm to 10-7 ohmØ 测量精度：0.01% （量程的极端测试除外）Ø 系统具有扫描功能RnX 测量选件带有8 个电接头， 最多电测量接头可达到24个，因此一次实验，最多可测量6个样品。最大样品尺寸 10mm 直径DC电阻测量量程 10-7 to 108 OhmsDC电压量程 1V to 1mV电阻测量精度 < 0.1%  1-106 ohmAC 电阻测量频率，使 Stanford PSD 电桥法 1Hz to 100kHz 2、AC磁化率测量选件   在变温样品室内装上带线圈的特殊探杆，来产生AC磁场和监测样品的反应。样品室的直径为5mm，样品可手动的从上安装在线圈的中心，在测试探杆上装有Cenox传感器，用来检测样品的温度，AC磁场频率范围宽，磁场的监测器采用的是PAR高灵敏度相位探测器。主要技术指标如下：AC磁场最大值 10Hz时为100G1kHz灵敏度 4K时为10-8emu有效频率范围 0.1Hz到10kHz最大样品尺寸 5mm直径探杆外径尺寸 24mm温度范围 1.6K-300K 3、振动样品磁强计（VSM）选件特殊的带有线圈的测试探杆与低温装置外部的样品驱动的机械装置配合使用，便形成了测量材料DC磁特性的振动样品磁强计选件。VSM的样品驱动机械装置是由Cryogenic公司开发研制的，样品在测试线圈中的最大运动距离为10mm，可测试的最大样品尺寸为5mm，线圈探测器采集的信号直接由高灵敏度的PAR锁相放大器进行处理。 技术规格样品尺寸 最大为5mm直径的球体样品的移动 10mm （peak to peak）VSM的振动幅度 0到10mm（peak to peak）频率范围 10—100Hz通常操作频率 20Hz背景噪音 10-6emu精确度及重复性 0.5%温度范围 1.6  1.6K到300K4、比热测试选件  比热测试选件采用氮化硅薄膜上的带温度计和加热器的微型热量计对毫克级的样品进行比热测试。热量计工作在低压的交换气体中，封闭在锥形密封的腔体中。样品通过真空润滑脂直接粘到热量计的芯片上。AC热量测试法是可行的热量测试方法，加上生产传感器用的氮化硅薄膜技术，AC测试方法具有非常卓越的灵敏度，而且操作非常简单。5、热传导测试选件 Cryogenic公司采用锁相技术来进行热电功率和热传导的测试，测试探杆可根据用户样品的具体测试需要来进行定做。 热电功率的测试技术指标热电系数：+/-цV/ K温度范围：3到300K 系统扩展选件 1、 He3和稀释制冷机选件He3选件可以提供低至0.3K的样品温度。稀释制冷机选件可以提供低至0.01K的样品温度。2、 电阻测量选件的高温炉装置温度范围:300K到1000K3、 振动样品磁强计高温炉装置温度范围：300K到1000K4、 样品旋转平台一维、二维及三维样品旋转平台，可以使样品可在与磁场垂直的方向上进行分辨率为0.2度的旋转。5、 光学窗口系统还可以根据用户需要加上光学窗口，用作低温强磁场下的光学实验平台。 

产品详细介绍一、特点高级全功能护理人训练模型是根据临床基础护理操作与实习护理技术大纲的要求，经专家研讨后由我公司开发研制的最新产品增加了血压测量操作练习。该产品综合了基础护理与外科护理的主要功能。 本模型由进口PVC塑胶材料，经模具浇模工艺制成。具有形象逼真、操作真实、拆装方便、结构合理和经久耐用等特点。还可以拆装分部件进行局部功能教学训练。是目前国内最先进、功能齐全、材料讲究的全新高级护理训练模型。二、产品功能：1、头部护理：洗头、洗脸。2、眼、耳滴药水清洗。3、口腔护理。4、氧气吸入法。6、气管切开护理7、可进行口腔直接气管插管操作训练。8、洗胃法。9、胸腔解剖重要器官结构观察。10、手臂静脉注射、输液、输血训练。11、三角肌皮下注射。12、大腿、臀部肌肉注射。13、男、女性导尿术。 14、男、女性膀胱冲洗。15、灌肠法。16、会阴护理。17、造瘘引流术护理。18、胸、腹部穿刺训练包括胸腔、腹腔、肝脏、骨髓和腰椎穿刺。①胸腔穿（在左侧肩胛线第7-8肋间，避免在第9肋间以下穿刺）；②腹腔穿刺（在下腹部脐与髂前上棘连线中外1/3交点处）（暂缺）；③肝脏穿刺（在右侧腋中线第8-9肋间，深度不超过6cm）（偏高）；④骨髓穿刺（在左侧髂前上棘后方1-2cm处）；⑤腰椎穿刺（在第3-4腰椎棘突间隙，成人进针深度为4-6cm，髂嵴最高点平第4腰椎棘突）。19、胸腔解剖重要器官结构观察20、整体护理：床上擦浴、座式擦浴、穿换衣服、冷、热疗法21、创伤护理：消毒、换药、止血、包扎（1）、大腿皮肤裂伤（消毒、清洗）（2）、大腿感染性溃疡（消毒、清洗、换药）（3）、足坏疽，第1、2、3足趾和足跟压疮（褥疮）（4）、上臂截肢残端（供包扎训练）（5）、小腿截肢残端（供包扎训练）三、可进行血压测量练习（功能特点）1、血压测量训练模式及考核模式，收缩压、舒张压及心率参数可自行设定2、技术指标：①设定收缩压范围：80-200mmHg ②设定舒张压范围：50-120mmHg ③心率设定范围：50-140次/分五、血压测量训练模式及考核模式1.血压测量训练模式使用方法：⑴ 将手臂模型与训练仪连接并设置收缩压、舒张压和心率值。注意：使用时，如果发现训练仪所测压力值与压力表指针读数偏差较大，请进行压力校正以保证训练的准确性。⑵ 将手臂模型水平放置，手心向上，血压表平放在桌面上，排尽袖带内的余气，平整地缠绕在肘关节上方2厘米处，松紧以能放入一指为宜。⑶ 戴上听诊器，将听诊头紧贴在肘关节上方上臂内侧肱动脉处，关紧气门，握住手球往袖带内打气至160mmHg左右（正常人舒张压<130mmHg），然后缓慢打开气门放气，使指针缓慢下降，当听到听诊器中的第一声响亮搏动声，血压表指针所指示的刻度即代表收索压。继续放气，搏动声继续存在并放大，当搏动声突然消失时，此时指针所指示的刻度即代表舒张压。*如果没有听清楚，可将指针降至”0”位，重新测量。*如果在第一次加压结束后马上听到柯氏音，请再适当加压20~30mmHg进行测量，高血压病症适用。*放气测量过程中，如放气速度过快，训练仪将报警提示*测量过程中，如柯氏音不明显或声音偏低，请确认听诊器头放置是否正确*测量过程中，放气速度控制在2-4mmHg/s可使测量结果精确⑷ 测量完毕，排尽袖带内余气，拧紧气门，解开袖带，整理妥善，放入盒内。2.血压测量考核模式使用方法：①首先进行压力校正（见”压力校正方法”）②然后设置收缩压、舒张压和心率值。③最后同时按”+”和”-”键，此时，训练仪将进入考核模式，屏幕上主要参数值将被隐去，同时键盘被锁，无法执行单键操作（不包括快捷键）。④考核模式血压测量方法与训练模式测量方法相同⑤将学员所测得的收缩压、舒张压数值与设定数值进行对比，考核学员成绩。⑥考核结束后，用户再次同时按“+”和“-”键切换到训练模式，原设定的参数值将重新显示。六、适用范围1、适用于高等医学院校、护理学院、职业卫生院校等临床教学示教及学员实践操作训练2、医院医护人员继续教育临床教学实践操作训练3、基层卫生单位临床医学普及培训

成果介绍人脸图像分析研究不仅能丰富和发展图像处理与分析的理论和方法，而且在教育、医疗、公安等社会服务以及公共安全等行业中具有重要的应用价值。基于人脸视觉特征的表情、身份以及亲属关系识别是当前人脸图像分析研究的前沿课题，而光照和人脸姿态变化等因素对人脸视觉特征提取与建模的影响则成为当前该研究面临的主要瓶颈。开展鲁棒人脸视觉特征的提取、建模与识别研究，突破现有研究的局限性，能显著推动人脸图像分析的研究进展，进一步满足国家在社会服务与公共安全等领域中的需求。技术创新点及参数1、 突破局部二值模式编码的视觉特征描述算子的局限性，提出局部三值模式编码的视觉特征描述算子，提出解决场景光照变化干扰以及高斯噪声干扰的图像处理一般性方法。2、 率先提出基于区域协方差矩阵的非正面表情特征描述方法，提出基于高斯混合模型和最小贝叶斯错误率估计的异方差鉴别分析方法，建立基于高斯混合模型的多视角表情识别理论。3、 率先提出基于人类学和遗传学的“父母—子女”亲属关系鉴别方法，提出以父母年轻时面部图像为桥梁的“父母—子女”亲属关系鉴别的子空间迁移学习理论和方法。4、 提出人脸视觉特征提取和识别的多流形鉴别分析理论，提出双子空间鉴别分析的增量式算法，突破双子空间鉴别分析方法的计算瓶颈。市场前景本项目围绕人脸图像中的表情、身份以及亲属关系识别等科学问题，深入开展鲁棒人脸视觉特征的提取、建模与识别的理论和方法研究，重点解决视觉场景中光照与人脸姿态变化下的鲁棒人脸视觉特征的提取与建模问题

本发明公开了一种智能视觉监控检索中提取目标运动轨迹特征的方法，包括以下步骤：获取目标运动轨迹，以二维空间坐标序列对目标运动轨迹进行描述；根据描述目标运动轨迹的二维空间坐标序列，计算描述每次采样中目标运动方向的水平分量和垂直分量；将每次采样中目标的二维空间坐标和描述每次采样中目标运动方向的纵向斜率和横向斜率合并组成每次采样中目标的流矢量；以流矢量序列对目标运动轨迹进行描述；读取预先建立的参考矢量集合；计算描述目标运动轨迹的流矢量序列到各参考矢量的距离作为该目标运动轨迹的特征向量。本发明方法使用流矢量序列描述目标运动轨迹并提取特征向量，可以在轨迹描述中同时包含位置和方向信息，避免了测量误差。

面向机器人的智能视觉环境感知及三维场景重建 面向机器人视觉的自然场景理解是近年来的研究热点和重要挑战之一，其目标是对自然场景图像及视频的内容作出有效分析、认知与表达，目前相关理论和算法正处于初期探索阶段。我们的研究成果表明，从场景视觉语义推理、场景目标识别和场景行为模式检测三个环节展开研究，有助于构建自然场景理解的创新机制，进一步开发机器人

1. 痛点问题 我们生活在一个真实的三维世界中，二维环境感知是远无法满足我们的实际需求。在诸如自动驾驶、机器人抓取和三维目标识别等应用中（如图1），我们经常需要推理三维空间中物体之间的位置关系，从而能够理解真实三维场景并做出进一步的决策行为。 图1 自动驾驶、视觉抓取、物体识别 2. 解决方案 本技术成果提出了一种三维视觉目标检测与识别方法。在三维视觉目标检测方面，提出了一种基于关系推理网络的单目三维物体检测方法，方法流程图如图2所示。方法提出了一种新的单目三维物体检测架构，训练了一个深度关系推理网络来估计三维候选和真实物体之间的空间位置关系，通过测量投影结果和真实物体之间的视觉拟合度来实现高精的三维空间定位。 图2 三维目标检测的流程图 在三维视觉目标识别方法，提出了一种基于球面分形卷积神经网络的三维点云识别技术，方法流程图如图3所示。方法通过引入球面分形结构，将原始三维点云通过可学习的神经网络投影到球面，使得卷积神经网络可以高效处理三维点云数据并进行特征特征，同时通过设计基于分形结构的层次化学习框架，提高了三维点云物体识别的精度，实现了对于三维点云目标在旋转条件下特征表示的鲁棒性。 合作需求 寻求在人工智能、智能机器人、智慧城市等领域有相关技术开发、市场推广经验，能推进本技术落地的高科技企业，可以进行深度合作。本技术成果有望在自动驾驶、虚拟现实等场景进行落地应用。

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 史雨杰 电信院/自动化 2019.9/2023.7 201931072537 李耀辉 电信院/机器人工程 2019.9/2023.7 201931072628 刘忠跃 电信院/自动化 2018.9/2022.7 201831073203 王怡欣 电信院/自动化 2018.9/2022.7 201831073423 孟泽涛 电信院/自动化 2018.9/2022.7 201831073302 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 李杰 电气信息学院 讲师 人工智能 四、项目简介 本项目基于虚实交互技术、仿生机器狗运动控制、机器视觉、机器算法等方面展开研究。其目的在于增强虚实场景下机器狗与现实环境的交互能力，使其更快速地适应复杂地形，并借助机器视觉丰富其应用性。机器狗采用Jetson-Nano为主控板，其上运行ROS系统，采用分布式运行rosserial_arduino、rosbridge实现机器狗运动控制和虚拟场景通信的环节；利用SLAM技术精确构建地形图样，模拟人的真实视觉功能并通过图像摄取装置赋予机器狗，使机器狗能够对图像信号进行获取和识别，并通过数字化处理以实现其在多目标环境下的个体追踪功能以及对人体的姿态识别功能。

一种基于对象随机游走的遥感图像视觉显著性检测方法及系统，包括进行多尺度分割，并在每个尺 度下分别对颜色特征相似的邻接区域进行合并;对于每个尺度下的分割结果，分别提取每个分割区域的 视觉特征，构建当前尺度下的对象集合;对于每个尺度下的对象集合，通过对象间的特征差异计算对应 的边缘权重，并计算注意焦点在对象间的转移概率，获得注意焦点的转移概率矩阵，分别根据注意焦点 的转移概率矩阵计算注意焦点在所有对象间的平稳分布，由该平稳分布中每个对象对应的概率进一步计 算视觉显著性并归一化，获得当前尺度下的归一化视觉显著图;融合各个尺度下的视觉显著图，即可获 得该遥感图像最终的视觉显著图。

本发明提出一种基于视觉特征的视频指纹检测方法，具体为：按照帧间相关性对视频序列分段，在分段中提取关键帧；在各关键帧中提取视频特征；利用像素点特征字典对像素点分类；对各关键帧分别进行多次不同数量的分块，在各子块中依据像素点的分类结果统计像素点特征字典各元素的出现次数，得到该子块的特征向量；将所有子块的特征向量拼接得到关键帧的高维视频指纹；对各高维视频指纹进行降维；将各视频片段关键帧的低维视频指纹按照时间先后顺序连成关键帧视频指纹串。本发明还提供了基于上述指纹检测方法的视频匹配方法。本发明通过对视频内容的关键信息进行有效描述，在不影响匹配率的情况下，大大降低了算法的复杂度，有效提高了检测效率。