XM-855螺旋器及膜性蜗管模型   功能特点： ■ XM-855螺旋器及膜性蜗管模型放大350倍，由3部件组成，显示螺旋器及膜性蜗管三壁的立体微细结构。 ■ 模型内侧端为骨性螺旋板，相当于螺旋缘外的断面，可见其中的骨质、表面肥厚的骨膜及穿通骨质的听神经纤维束。 ■ 另一端为螺旋韧带，内含多数血管。 ■ 前庭膜起于骨膜，止于螺旋韧带上方，由间皮、结缔组织和上皮组成。 ■ 膜性蜗管外壁为螺旋韧带，韧带下部向内凸起为螺旋凸，向内侧的尖锐突起为螺旋嵴，与膜性螺旋板相连，凸与嵴间的沟为外螺旋沟。 ■ 膜性蜗管下壁示骨性螺旋板骨膜肥厚形成螺旋缘，它突入膜性蜗管中，分别形成前庭唇和鼓室唇，二唇间有内螺旋沟。 ■ 鼓室唇的外方为膜性螺旋板的固有膜，它止于螺旋韧带嵴，此处有听弦（深红色）呈放射状进入螺旋韧带中，在近骨性螺旋板处示多处穿孔带，内有听神经穿过。 ■ 螺旋器位于外内螺旋沟之间，固有膜之上，由各种细胞构成，示螺旋器的内隧道由内外柱细胞围成。 ■ 内柱细胞（浅兰色）上端长方形头板与外柱细胞（深绿色）的凸形头端相嵌合，内柱细胞内侧有内指细胞（浅绿色）。 ■ 内指细胞内侧有边缘细胞（黄色），它内方变低为内螺旋沟上皮细胞，在内柱及边缘细胞之间内指细胞之上，有呈长颈瓶形的内毛细胞（白色），上端表面有纤毛。 ■ 外柱细胞（白色）外侧有外指细胞，外毛细胞位于其上，再向外为外螺旋沟上皮细胞。 ■ 盖膜（黄褐色）由细纤维和胶样基质所成。 ■ 前庭唇上有多数齿间细胞（兰色），它下部埋于螺旋缘结缔组织中，细胞上面合在一起形成盖膜。 ■ 耳蜗神经的树突和轴突穿过骨性螺旋板，再经穿孔带进入边缘和内指细胞间，一部终于内毛细胞上，大部纤维横越内隧道分布于外毛细胞上。 ■ 尺寸：放大350倍，47.5×18×32.5cm ■ 材质：玻璃钢材料

XM-SQ三腔两囊管操作训练模型   功能特点： ■ XM-SQ三腔两囊管操作训练模型为成人年男性整体人，解剖标志明显，具有真实的内脏器官。 ■ 关节灵活，可实现多种体位。 ■ 采用高分子材料制成，环保无污染，肤质仿真度高。 ■ 进行三腔两囊管压迫术操作，可模拟胃底静脉出血，进行正确操作后，可有效止血。 ■ 鼻饲：操作正确可抽出模拟胃液。 ■ 洗胃术。 ■ 瞳孔示教：一侧瞳孔散大、一侧瞳孔正常。 ■ 颈动脉搏动可根据模拟病情进行示教。 ■ 导尿术：设有可互换的男女生殖器，正确操作可导出模拟尿液。 ■ 静脉注射：可选择不同类型的穿刺针进行训练，操作穿刺时有落空感，穿刺正确后可有回血，并可进行输液等练习。 ■ 静脉注射手臂及肌肉、皮下注射模块可更换。

XM-855A螺旋器及膜性蜗管模型（带数字标识）   XM-855A带数字标识螺旋器及膜性蜗管模型放大350倍，可拆分为5部件，显示螺旋器及膜性蜗管三壁的立体微细结构，模型的内侧端为骨性螺旋板，相当于螺旋缘处的断面，可见其中的骨质，表面肥厚的骨膜及穿通骨质的听神经纤维束，模型的另一端为螺旋韧带，内含多数血管，由侧面看可见前庭膜起于螺旋缘上面的骨膜，止于螺旋韧带的上方。将前庭膜取下观察，可见它由上面的间皮，中间的结缔组织及下面的上皮所成，膜性蜗管的外壁为螺旋韧带，内面附有单层立方上皮。 尺寸：放大350倍，47.5×18×32.5cm 材质：PVC材料

乐普乐吉集成式智能净气安全柜可对实验室使用的管控类试剂和化学品安全储存，辅以智能净化器以去除有毒气体，中和废弃排放。柜体配备自承重电子天平，天平承重范围 5Kg，精度可达至 0.01g，满足实验室化学品精确称重需求。柜体搭载危化品全生命周期管理系统，对存储场所、实验场所等的试剂和化学品实现智能管控，并通过服务器将化学品数据同步至管理人员主机或移动端，可随时查看化学品情况。  系统包含危化品流程管控系统、通风系统、净气系统、安全准入系统等，以全方位维度保证危化品的安全。危化品流程管控系统主要包含了危化品的盘点、采购、存储、领用-转运、使用、回库、废弃八大环节，对危化品达到闭环管理模式。 

实验内容 1、理解诺贝尔物理实验弗兰克 - 赫兹（汞管）实验仪的设计思想和方法； 2、研究灯丝电压、加热炉温度、反向拒斥电压等参数对实验现象的影响； 3、测量汞原子第一激发电位 63P1，了解原子能级的存在； 4、测量汞原子高能级激发态 63P2、61P1，加深对原子能级的理解； 5、测量汞原子电离电位。

640*430*760mm

本发明公开了一种随机动载荷空间分布及统计特征的识别方法。本发明的方法包括步骤：Ｓ１．开展模态试验，获取结构的模态参数，包括固有频率和模态振型；Ｓ２．将结构随机振动响应利用模态振型展开，获取结构在模态空间的动响应；Ｓ３．利用模态振型展开，将随空间分布的随机动载荷投影到模态空间；Ｓ４．在模态空间内，由随机动响应样本反演随机动载荷样本；Ｓ５．由模态空间内随机动载荷样本及振型函数求解结构上随机动载荷的空间分布和统计特征。本发明能够解决在时域内利用实测结构动响应样本识别结构上随机动载荷的统计特性和分布特征问题，为服役于分布式随机动载荷环境下的工程结构设计与安全评估提供准确可靠的动载荷信息。

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

一、项目简介 水下潜水器是海洋立体监测系统的重要移动平台，在深海工程检测、地质勘探、科学考察、环境监测与军事应用等方面有重大需求与发展前景。《国家“十二五”海洋科学和技术发展规划纲要》明确了“开发水下自航行剖面测量技术，形成近海实时、快速观测能力”的重点任务。目前国内外水下潜水器普遍采用细长或开架结构和螺旋桨驱动，具有推进效率低，转弯半径大和辐射噪声大的弱点，急需在减阻和探测能力上取得突破。本项目围绕水下小型机器人高精度探测与识别重要需求，研究基于人工智能的水下探测与识别技术，在水声仿生智能探测、目标特征提取和分类识别上开展技术攻关，并研制样机。海图公司开发多款水下机器人产品，618展示得到重要认可。基于人工智能的小型水下机器人可广泛应用于海洋与内陆，有显著产业化前景。 二、前期研究基础 科研依托厦门大学海洋与地球学院、水声通信与海洋信息技术教育部重点实验室，具备开展水声实验的良好设施：嘉庚号科考船、一艘海洋二号实验船、两处岸边实验站、一个大型水声水池、水声换能器、测量放大器、丹麦B&K公司的声学测量仪器谱分析仪等。已研制多款水下仿生机器人并在水池完成测试。研究团队凭借跨学科优势，把仿生声学探测与水下机器人技术相结合，取得创新成果。本项目实施所需要的实验方法与技术已经具备，并已在以往研究中得到成功应用，从而具备扎实的科研基础。 三、应用技术成果 在仿生探测方面，研究基于人工智能的水下探测与识别技术。仿生最优能量传输与波束控制、仿生目标探测与人工智能识别可以提高水声探测指向性、抑制混响并具备定向水声通信能力，能够突破现有水下机器人水声探测和通信限制。在基于人工智能的海洋仿生机器人研发方面，利用生物医学成像测量鲸豚流线体形、结构和组织特性，设计仿生机器人具有仿生形态和柔性特性，突破现有水下机器人结构和材料设计理念。研究水声仿生智能探测、目标特征提取和分类识别提升仿生机器人水下工作能力。在仿生水下机器人样机研制、传感和模式识别等取得应用成果。 四、合作企业 海图志（厦门）智能科技有限公司由福建省海洋与渔业厅批准的双创干部苏芃牵头成立，组织了西北工业大学、华南理工大学、厦门大学、福州大学、福建师范大学等院校博士专家40余人组成，2015年开始，经过了2-3年的基础理论研究，已经申报和取得相关的专利软著20项。开发过相关的水下装备设备包括水下光学成像摄像机、水下光学镜头、水声定位设备、水下潜器等等，具备一定的开发研究的基础。得到省委于伟国书记、中国工程院院长周济、国家海洋局林山青副局长等等领导的认可。相关的产品取得福建省618青年海洋创新创意成果奖第一名，第六届全国海洋航行器设计与制作大赛一等奖，19届中国国际高新技术成果交易会优秀产品奖、中国创新创业大赛福州市三等奖。海图志（厦门）智能科技有限公司取得厦门海峡科创基金的以5000万估值的投资，在厦门设立海洋机器人创业基地。 海图志（厦门）智能科技有限公司小型水下产品在2016年深圳高交会上引起了科技部、云南省科技厅、广西省海洋局等其他省市领导的重视，2017年福建618项目成果交易会上得到中国工程院院长、福建省省长（现任省委书记）、国家海洋局副局长、福建省副省长、省发改委主任等专家领导的肯定。

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。