本发明公开了一种红外大景深面阵成像探测芯片，包括面阵红外折射微透镜、面阵非制冷红外探测器和驱控预处理模块。面阵非制冷红外探测器位于面阵红外折射微透镜的焦面处，包括多个阵列分布的子面阵非制冷红外探测器。每个子面阵非制冷红外探测器包括数量和排布方式相同的多个阵列分布的光敏元，面阵红外折射微透镜包括多个阵列分布的单元红外折射微透镜，每单元红外折射微透镜与一个子面阵非制冷红外探测器对应。本发明的红外大景深面阵成像探测芯

光学相干层析术 (Optical Coherence Tomography，简称OCT) 利用宽带光波场的低相干性来探测被测组织内部不同深度处的散射光信号，是继超声波、X-CT、MRI技术之后的一种全新的医疗检测和成像技术，并被证实在临床医学中有着巨大的应用前景，已成为现代生物医疗仪器领域的一个极其重要的研究热点，在眼睛、耳鼻喉科、胃肠病、妇科、牙科等等医学领域有广泛的应用价值。 OCT技术的探测深度为1.5～2毫米，分辨率为几～十几微米，可非接触、无创、原位及实时地诊断表皮、上真皮

产品详细介绍 　　SOC710VP® 便携高光谱成像光谱仪, 可以随时随地获得光谱影像！ 无论是在温室、 野外或者实验室，SOC710VP 都能实时获得400-1000nm波长范围内的光谱数据。　　在农林业、植物科学、矿业、水环境及海洋学等应用领域内，SOC710VP 都是非常理想的高光谱成像系统，SOC710VP性能高、超便携、坚固且性价比高。12-bit动态范围的阵列成像CCD和精确的出厂标定使得获得的数据误差非常小。　　SOC710VP 采用内置扫描设计，不需要沉重且耗电的扫描云台，设计非常紧凑、使用方便、便携。USB 2.0 接口方便和各种电脑连接。软件界面简单易用。分析功能包括比色法、光谱辐射线测定和遥感方法。高质量数据：　　SOC710VP具有新式内置扫描设计及12-bit动态范围的阵列成像CCD，能够获得的400-1000nm波长范围的高质量数据。SOC710VP还配备了美国NIST（美国国家标准与技术研究院）溯源校准板，确保数据的准确性灵活性：　　SOC710VP可在飞机--通量塔--地面等不同尺度测量光谱数据并成像，或连接生物显微镜，测量微观样品的光谱信息；还可以进行定点长期连续测量，适应于各种应用环境便携性：　　SOC710VP重量只有3Kgs，可以安装在三脚架上进行野外移动式测量，USB接口方便和电脑连接使用    易用性：　　利用特制的多功能野外操作支架，SOC710可以非常方便地实现垂直向下测量，而不需要额外配备任何沉重耗电的其他部件，当然，这也得益于SOC系列成像光谱仪的内置式扫描设计。SOC710还可以仅通过多功能支架，即可实现360°扫描，使得野外操作极为便捷。下面是SOC710垂直使用示意图，不需增加其他任何部件。技术参数：　光谱范围：400-1000 nm　速度：30 行/秒    每行像素：696　23.2 秒/cube (696 by 520 cube)　分 辨 率：4.6875 nm　波　　段：128个　镜头类型：C-Mount　动态范围：12-bit　重量：2.95 Kg (6.5 lbs)　校　　准：美国NIST溯源标准的校准板　尺寸：9.5 x 16.8 x 22cm  (3.75 x 6.62 x 8.66in.)　焦　　距：可调 (基于所用镜头)　耗电：12-VDC / 100-240VAC (50-60Hz)　　系统包括SOC分析软件用来标定和数据分析，数据存储格式为二进制，也可以通过第三方高光谱分析软件读取，如：ENVI软件品牌发展　　SOC具有20多年光谱成像经验，在实时光谱成像领域里具有多项专利，获得美国海军及陆军多次SBIR奖，并获得美国NASA科技创新奖软件支持　　软件更新，常见问题解答 ，软件培训和系统标定文档都可从SOC在线支持站点下载 系统要求：　　Windows XP系统　　USB 2.0 接口　　1 G内存　　Intel Atom™ class 处理器应用领域(仅列举部分)： 环境遥感　　遥感定标　　地面验证　　分类制图　　航空遥感农林植物　　精准农业　　土地分类　　胁迫生理　　作物健康（病/虫害检测）　　果实品质检测 水色水环境　　水质光谱测量　　藻类叶绿素测量　　水色遥感生物医药/食品　　显微分析　　生化分析机械视察　　表面检查　　机械视觉产地：美国SOC

一、产品介绍        光电成像基础与应用实训平台包括CCD和CMOS两大方面，这两方面原理与应用是《光电技术》和《图像传感器应用技术》课程重要章节，也是教学的难点章节，因此，monxyuan开发了光电成像基础与应用实训平台。该平台采用搭建式、开放式设计，直观展现了线阵CCD、面阵CCD和CMOS的工作原理，并且设置了工程实际检测的实验，是学生理解和认识CCD和CMOS工作原理与实际应用的最理想的教学实验系统。 二、教学目的 1、了解并掌握线/面阵CCD和CMOS的原理； 2、了解线/面阵CCD和CMOS的软件使用方法； 3、了解并掌握面阵CCD和CMOS信号处理方法； 4、了解并掌握运用面阵CCD和CMOS进行尺寸测量和图像处理的方法； 5、了解并掌握学生掌握线阵CCD的几种典型的应用； 三、实验内容 1、面阵CCD 原理与驱动实验； 2、面阵CCD 数据采集与计算机接口实验； 3、面阵CCD 边缘与轮廓检测； 4、面阵CCD物体尺寸测量实验； 5、面阵CCD 图像的点运算； 6、面阵CCD 图像的几何变换； 7、面阵CCD 图像采集与参数设置； 8、面阵CCD 投影与差影图像分析； 9、面阵CCD 图像的滤波与增强； 10、面阵CCD 形态学处理； 11、面阵CCD 旋转与缩放； 12、面阵CCD 颜色识别与变换； 13、面阵CCD图像采集程序设计；  14、线阵CCD 工作原理与驱动波形观测； 15、线阵CCD 模拟输出信号的调整； 16、通过采集卡对线阵CCD的模拟输出信号进行A/D转换和数据采集； 17、通过软件浮动阈值对CCD的输出信号进行二值化处理； 18、利用线阵CCD 对物体尺寸进行非接触的实时测量； 19、利用线阵CCD 对物体的角度进行测量； 20、利用线阵CCD 测量物体的振动； 21、利用线阵CCD识别一维条形码； 22、利用线阵CCD扫描物体的二维图像； 23、利用外置相机进行实物尺寸测量 24、用硬件提取边缘信号的二值化 25、CMOS原理与驱动实验； 26、CMOS数据采集实验； 27、CMOS图像采集程序设计 28、CMOS用于边缘与轮廓检测实验； 29、CMOS用于物体的尺寸测量实验； 30、CMOS用于图像采集与参数设置实验； 31、CMOS用于投影与差影图像分析实验； 32、CMOS用于图像的滤波与增强实验； 33、CMOS用于颜色识别与变换实验； 34、扩展性实验     （1）通过提供的CPLD程序，学生可以了解CPLD对外围器件的控制；     （2）有能力的学生还可以自己编程来产生方波；     （3）通过提供的SDK和DEMO程序，编写程序来采集扩展相机的数字信号；     （4）利用扩展相机并编写软件进行其他如尺寸测量等实验等； 四、配套文件资料 1、实验指导书1本； 2、实验软件1套； 3、实验录像光盘1套；    客户自行配置电脑及示波器    

项目成果/简介:本发明提供了一种从红豆杉中培养筛选产紫杉醇菌的方法.本发明的方法包括以下步骤:1)对红豆杉植物的组织进行培养,分离纯化获得内生真菌;2)培养步骤1)中获得的内生真菌,利用薄层层析对发酵代谢物进行初筛,筛出可产紫杉醇或其类似物的菌株;3)结合细胞毒性实验,测定出代谢物对CHO细胞的抑制率;4)利用高效液相色谱对其作了进一步分析,确定产紫杉醇菌株.本发明提供的从红豆杉分离产紫杉醇的方法过程简单,成本较低.并且通过本发明提供的方法提取得到的产紫杉醇菌用于微生物培养时,获得紫杉醇的含量大大增加,该方法为微生物工程提供了更广阔的途径.

本发明提供了一种从红豆杉中培养筛选产紫杉醇菌的方法.本发明的方法包括以下步骤:1)对红豆杉植物的组织进行培养,分离纯化获得内生真菌;2)培养步骤1)中获得的内生真菌,利用薄层层析对发酵代谢物进行初筛,筛出可产紫杉醇或其类似物的菌株;3)结合细胞毒性实验,测定出代谢物对CHO细胞的抑制率;4)利用高效液相色谱对其作了进一步分析,确定产紫杉醇菌株.本发明提供的从红豆杉分离产紫杉醇的方法过程简单,成本较低.并且通过本发明提供的方法提取得到的产紫杉醇菌用于微生物培养时,获得紫杉醇的含量大大增加,该方法为微生物工程提供了更广阔的途径.

研发阶段/n本成果采用了菌种和培养基分离的方法，主要试剂均以工作液形式提供，解决了传统微生物方法稳定性差的问题；在测定样品时，只需将棉拭子插入组织样品，样品前处理简单，整个测定过程由6h缩短为5h，适合高通量的样品筛选；对磺胺类药物的灵敏度低，适用于定性检测动物组织样品中多种磺胺类药物残留；操作方法方便易行、灵敏度高、简单、快速，将会为磺胺类药物残留的监控提供有力的保障。技术水平：专利技术（国家发明专利授权号：ZL2006100186472）应用前景：本成果克服了现有技术灵敏度低、检测时间长、操作费

黄酒酿造过程中，酵母作为关键微生物，是发酵重要的动力源，酵母发酵性能的优劣，代谢产物的差异直接影响到黄酒的风味、口感和出酒率。本项目筛选分析研究传统黄酒酿造过程中酵母的发酵性能以及抵抗外界环境胁迫（高酒精、高盐、高渗等）的能力，筛选出具有优良抗逆性的黄酒酵母，利用其酿制功能性谷物黄酒新产品，对于黄酒发酵工业具有重要的意义。

肢端肥大症通常是由垂体腺瘤引起的生长激素的持续性分泌引起的一种临床综合征，其患病率约为60/百万人，年发病率约为0.03~0.04/万。由于其隐匿的发作，模糊的症状和缓慢的进展，该疾病的诊断通常被延迟，导致严重的并发症，例如心血管疾病和治疗困难。因此，必须使用自动高效的筛选方法，促进该疾病的快速准确诊断。

程然课题组在医学领域知名期刊Journal of Hematology & Oncology上发表了一种通过学习面部照片特征，构建肢端肥大症自动诊断和严重程度分类的深度学习方法。该方法可以帮助人们方便地进行自我筛查，从而对肢端肥大症进行早期诊断并因此得到早期治疗。并且，该方法是第一个具有肢端肥大症严重性分类功能的自动化方法，并对每种分类取得了89%以上的准确率（超过一般医生水准），为进一步推广应用奠定了基础。程然为论文共同通讯作者，合作单位包括北京协和医院与剑桥大学公共卫生和初级保健司。