产品详细介绍SPEOS光环境模拟仿真与视觉工效学分析软件SPEOS是法国OPTIS公司开发的功能强大的专业用于光学设计、环境与视觉模拟、成像仿真、视觉工效学分析系统应用的照明和光学环境模拟仿真工效学分析系统工具，完全兼容CATIA、UG（NX）、Creo Parametric（pro/E）和Spaceclaim等国际标准的CAD平台，强大的解决方案提供完美的可视化光学系统和直观的人机交互平台，其仿真技术已经广泛用于航空、航天、军工、汽车、轨道交通、通用照明等工业领域的研究机构和知名公司。  SPEOS是全球唯一整和装备结构进行光机系统的模拟仿真设计软件，是全球唯一可依据人眼视觉特征和材料真实光学属性进行场景仿真和视觉工效学仿真分析的专业软件。同时SPEOS提供国际领先的数据库包括:材质库、光源库、涂料库及相关各种光度、色度学标准。SPEOS材质光学属性库提供的玻璃、塑料、铝材、皮革、纺织品已达10000多种,并以全球原材料生产厂家的材料型号编码进行分类。光源库可提供大约10000多种,有Osram. Citiazen、Nichia、GE、Vishay、Lumileds等各国大型照明设备厂生产的LED、LCD、白炽灯、日光灯、弧光灯及各种专用灯光源等,并以全球灯具生产厂家的出厂型号编码进行分类;SPEOS标准数据库库提供目前全球通用的22个光度学和色度学标准和相关细则。同时系统通过CIE的标准认证、内嵌ISO和CIE国际标准的专业光学环境模拟与仿真分析，全天候外部环境光源数据库可提供标准的基于国际CIE标准下的天空环境库，基于CIE标准提供日光模型，可再现任何地理位置的天空光谱亮度，管理远距离成像状态下外界环境光对光学仿真的模拟影响。  SPEOS光学仿真软件基于可视化产品三维模型，直接采用数字化样机，使用虚拟环境仿真平台和津发科技ErgoVR人机工效分析平台，进行视觉工效虚拟分析和人因环境评估，在产品的初步设计和详细设计阶段对方案进行可行性验证，实现在设计前期发现、反馈和处理问题；同时，系统通过SPEOS数据同步模块插件结合ErgoLAB人机环境测试云平台可以实现在不同光学仿真模拟环境下对装备及系统进行客观定量的人因与工效学分析与人机交互评价，包含不同光环境下的大脑认知反应（EEG高精度脑电与脑机交互、fNIRS高密度近红外脑功能成像）、视觉加工（Eyetracking眼动轨迹与视线交互）、生理变化（HRV、EDA/GSR、RESP、EMG、PPG、SpO2、ECG、TEMP/SKT、EOG等）、行为动作与面部表情识别（A/V行为与表情音视频、Motion动作捕捉）、生物力学（拉力、握力、捏力、压力）、人机交互数据（包含如桌面与网页终端界面交互行为数据以及对应的键盘操作，鼠标点击、悬浮、划入划出等；移动终端界面交互行为数据以及对应的手指行为，如点击、缩放、滑动、翻页等；VR终端界面人机交互行为数据及对应的双手操作行为，如拾取、丢弃、控制等）、虚拟环境时空状态监测(包含如实时监测分析VR虚拟时空下的行走轨迹、访问状态以及视线变化、情绪变化、交互操作行为等)等客观量化数据进行人因测试与工效学分析评价，实现装备与系统研发的全生命周期管理，帮助客户提升研发设计能力，科学、有效指导新产品的研发设计，高效、高精度分析预测产品性能，降低样机数量和试验次数，从而节省成本、缩短周期，大幅度提升产品的市场竞争力。SPEOS 汽车照明设计模拟软件1.完善的材质资料库SPEOS 内建丰富的材质资料库，内容不单只有表面特性，甚至实体的 物理特性都能够表现出来。也可以 透过自行设定参数，来模拟特殊材 质的需求。快速简易的光源设定.2.SPEOS提供各式的光源资料下载,这些Model 包括灯泡，灯杯，灯壳甚至灯丝都已建立完成，也具有完 整的材质与发光属性设定。透过切 换可以调整不同颜或亮度，也可 以自行建立想要的光源.精准的模拟结果 .3.SPEOS在进行模拟时，是考虑到实体与表面特性两者的，因此比起其他的模拟软体增加更多准确性。因为与CAD整合的关系，所以可以将模拟结果贴附到3D，与实际 Model做比对，使用上更直觉互动光迹与逆追迹4.SPEOS的互动光迹功能，可以让使 用者快速了解光线与Model作用的 情况。而逆追迹可以在模拟结果完成之后，找出目标区域内的光线的 来源与作用部分,快速找到设计上 的问题点。丰富的法规资源。5.SPEOS的提供数十种常用的法规资源供使用者下载，并且会随时更新容，并新增法规增数量。使用者可以很快的得到验证的结果，并且反覆验证。6.OSD(Optical Shape Design) 是 Optis 公司为设计光学结构所开发的模组，Optis除了光学模拟以外， 也开始跨足设计的领域。例如反射面，透镜，导光条等等的结构，都可以透过这个模组来完成。OSD模组也保持与CAD结合的特性，能保留参数，切换模组.7.OSD模组有何优点?保留参数，因此可以更快速的进行设计变更。 挂载在GSD和PD模组下，因此可以与几何的功能相互作用可以使用几何量测自由切换LUM模组，减少CAD与光学软体间转档问题.可以输入光形范围来产生反射面。直接建构实体，减少补面的时间。 直觉式的法规检验，可以很快找出问题原因。拟真的视觉模拟效果。8.SPEOS的视觉模拟(VE)可以用来模 拟车灯实际点亮的效果，与 Rendering 不同的是，这个模拟是 以物理特性去运算的结果,也可以看到不同环境光源,眩光效果等等。

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵

本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。

印染织物电脑对中纠偏系统及其装置，具有布边卷取、展开、扩布和对中控制功能。可连接棉印行业的烧毛机、水洗机、镀层机、丝光机、定型机、平网印花机、圆网印花机以及造纸机、塑料薄膜生产线等机械的入口处。自动对中修正偏斜，减少偏斜式边缘弯曲不正所产生的摺纹式色泽光泽不均现象，提高产品品质，实现生产自动化。 本系统采用微电脑与红外数码技术，将模糊智能识别用于对中纠偏，较模拟电路的对中装置上一档次，属国内首创。该系统具有抗干扰性能强、动作稳定可靠、灵敏度高等优点，不受织物厚薄和幅宽的限制，可自动控制中心位置，可高速运行，是提高印染产品质量的好帮手。本系统还可选配笔记本电脑监控工作状况连接Internet网络。

图1. 矿识的4个页面 a: 选取待识别的矿物，可现场拍照获取或从手机相册中选取 b: 截取待识别矿物中心图 c: 输入便携硬度仪测量或经验估计所得的硬度值后得到识别结果 d: 可以不使用硬度值，仅用图片进行识别 表1 矿识与其他相关工作的对比 图片类型 相关研究 性能 可识别矿物数 准确率(%) Raman spectroscopy 拉曼光谱 Computers & geosciences 2013 6 83.0 Microscope 显微镜 Sensors 2019 4 90.9 Mathematical and Computational Applications 2011 5 93.9 Photo 相机图片 Artificial Intelligence in Theory and Practice, 2008 6 91.0 Minerals 2019 12 74.2 photo & hardness 相机图片+硬度 矿识 36 90.6   表2 矿识能够识别的36种矿物及其准确率 矿物名 样本数  仅用图片识别的正确数 结合图片与硬度识别的正确数 Agate玛瑙 5 5 5 almandine铁铝榴石 6 4 4 azurite蓝铜矿 2 1 2 beryl绿柱石 1 1 1 chalcopyrite黄铜矿 2 1 2 cinnabar辰砂 1 1 1 copper铜 2 2 2 fluorite萤石，氟石 11 8 10 galena方铅矿 3 2 3 halite石盐 1 1 1 hematite赤铁矿 8 1 5 malachite孔雀石 6 5 5 opal欧泊 1 1 1 orpiment雌黄 3 1 3 pyrite黄铁矿 6 5 6 quartz石英 4 4 4 sphalerite闪锌矿 1 0 0 stibnite辉锑矿 8 7 8 sulphur硫磺 2 2 2 total 73 52 65 Accuracy \ 71.2% 89%    

本发明公开了一种害虫诱捕装置和害虫远程识别监控系统。所述害虫诱捕装置包括顶盖、漏斗座、集虫器以及控制单元，所述漏斗座与集虫器之间设有仅能供害虫单只逐个通过的通道，所述通道侧壁设有计数装置和红外感应微型摄像头，所述红外感应微型摄像头的数量至少为四个，设于通道的同一高度且沿通道周向均匀分布。所述害虫远程识别监控系统包括本发明的害虫诱捕装置和远程数据中心。与现有技术相比，本发明利用安装在仅能供害虫单只逐个通过的通道内的至少四个红外感应微型摄像头来采集单个害虫的图像信息，利用摄像头采集害虫群体的图像信息，还对害虫进行计数，有利于对害虫的数量和种类进行全面分析，有效监控虫害情况。

小试阶段/n钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等, 这些方法检到的缺陷类型少, 检测实时性不强, 检测的表面缺陷分辨率也不高, 无法有效评估产品的表面质量状况。本技术涉及一种基于多流形学习的带钢表面缺陷识别方法。其方案是：对于任一副带钢表面缺陷图像向量化的向量数据点分别选择类别相同和类别不同的K 个近邻点建立对应的同类数据子图和异

随着视频与图像技术的快速发展，在监控视频中识别特定人物身份有着重要的实用价值。本项目   针对现实场景下，普遍存在的面部遮挡以及拍摄机位和镜头距离变化，而导致传统基于正面人脸的识 别方法的准确率将大大降低，甚至识别错误的问题，提出了一种基于局部分割与融合的算法，应用于 视频分析平台下的特定人物识别，融合多部位识别特征，提高了部分遮挡、多场景和镜头变化下的人 物识别鲁棒性，经充分验证，达到了先进的识别精度，可以满足实际应用的需求。该技术是优化并提 高复杂背景下人物识别精准度的一项核心技术，已申请国家发明专利 1 项。

本发明公开了一种注塑制品缺陷检测识别方法，包括以下步骤： 1)采集正常和存在已知缺陷的注塑制品的图像，对图像进行分类并生 成样本；2)构建多层卷积神经网络模型；3)使用步骤 1)中的样本对步 骤 2)中构建的卷积神经网络模型进行训练；4)将采集的实测注塑制品 的图像经过预处理后输入步骤 3)中已训练完成的卷积神经网络模型， 卷积神经网络模型对实测注塑制品的图像进行分类识别，以判断注塑 制品是否存在注塑缺陷，若存在缺陷则对缺陷类别进行识别。本发明 构建的卷积神经网络模型对各种注塑缺陷均采用相同的特征选择、提 取方式，适应性较强，可适用于注塑制品各种类型缺陷的检测与识别。

成果简介： 主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。