生物实验室设备是根据生物观察、解剖实验的要求和学生心、生理特点，采用新技术、新工艺精加工而成，让学进行生物实验，能满足学生在实验室完成不同的实验课题所做的不同实验。

  通用技术实验室是一个主要涵盖"技术设计、技术试验、技术制作、技术探究"等功能的技术专用教室，是一个能让学生亲历技术试验和制作过程，掌握技术试验能力和制作能力，培养学生的创造性思维、问题解决能力和学生的探究精神的实验室。

产品详细介绍功能及特点： 可以非接触式地快速识别粘贴在流通资料上的RFID标签和层架标，完成排架/查找/统计流通资料等功能； 有效降低工作人员劳动强度和提高图书馆数据采集速度。 支持无线连接，数据快速实时更新，支持离线盘点。 人机交互界面简单易懂，硬件设备安全可靠。  更多资讯及相关产品讯息可登录北创科技官网wwwbc863.com进一步了解。  

产品详细介绍 智能设备与应用STEAM主题课程 项目背景 随着科技的快速发展，各式各样的智能设备已逐渐融入到我们的日常生活中，为人类带来诸多便利。传感器作为与外界环境交互的重要手段和感知信息的主要来源，是各类智能设备的基础与核心，在推动社会进步和经济发展有着十分重要的作用。学习电子传感相关知识有助于学生了解现代科技社会，并体会制作科技创意作品带来的乐趣。 在本项目中，学生可借助八爪鱼智能设备与应用套件和人工智能与编程教学系统，了解常见传感器和执行器的原理及应用，制作相应的创意作品，并通过编程实现智能控制。 课程性质 这是一门以项目式教学开展的跨学科课程，以基于建构主义理论的 5E 教学模式作为指导，结合了中小学信息技术课程标准与编程教学特色。 课程目标 1.知识与技能 ⚫ 认识常用传感器和执行器的原理，知道其功能和应用领域，并学会简单使用。 ⚫ 初步了解简单的机械结构和连接方式，体验简单的模型搭建。 ⚫ 了解指令、程序和算法的基本含义，能够读懂简单的程序流程图。 ⚫ 学会使用图形化模块或 C++语言设计简单程序，并下载到模型上执行。 2.过程与方法 ⚫ 通过阅读多媒体资料和对传感器、执行器进行连接测试，掌握搜集、分析、比较和分类信息的方法，培养信息处理能力。 ⚫ 能够读懂图形化编程或 C++的程序流程图，能分析程序的功能并简单调试，发展编程思维能力。 ⚫ 能根据现实生活中人工智能的实际应用，设计程序并使模型运行，发展工程思维能力和解决问题能力。 3.情感态度与价值观 ⚫ 了解日常生活中常见的智能设备，初步认识智能设备对工作和社会的影响。 ⚫ 乐于倾听不同的意见和理解别人的想法，尊重他人的情感与态度。 ⚫ 实事求是，勇于修正与完善自己的观点。

产品详细介绍 　　近年来，由于中小学生课内外负担加重，智能手机、平板电脑等电子产品普及，用眼过度、用眼不卫生、缺乏体育锻炼和户外活动，社会上对儿童青少年近视防控工作和视力健康管理认识不足，公众视觉健康知识匮乏和视觉健康领域政策保障薄弱，各部门协同配合不够等因素，我国儿童青少年近视问题越发严重，近视率居高不下、不断攀升且呈现低龄化、重度化、发展快、程度深的趋势。2014年全国学生体质与健康调研结果显示，我国各学段学生近视率持续上升，7―12岁小学生、13―15岁初中生、16―18岁高中生视力不良率分别为45.71%、74.36%、83.28%。2018年6月，国家卫生健康委通报，我国儿童青少年近视率已居世界第一。 　　2018年8月28日，习近平总书记站在国家和民族命运的高度，对儿童青少年近视问题发表重要讲话：全社会都要行动起来，共同呵护好孩子的眼睛，让他们拥有一个光明的未来。8月30日，教育部等八部委联合下发《综合防控儿童青少年近视实施方案》，对全国儿童青少年近视防控提出了具体而明确的阶段性数据防控指标，对儿童青少年体质健康水平连续三年下降的地方政府和学校依法依规予以问责。 　　中国永康视光科技集团，十一年专注于儿童青少年近视防控工作，在近视防控上升为国家战略的新形势下，率先提出“建立学生近视防控教室，实现学校学生视力达标”的全新理念。 　　学生近视防控教室，是永康视光科技集团在多项重大发明基础上的集成创新。学校拿出一间教室，放置30-50台永康视力提升机，学生按班级建制每周进行一次20-40分钟的训练，一般经过1-2个月5-10次训练，会达到裸眼视力平均提升2行，近视率平均下降10%以上的良好效果。2018年11月、12月以及2019年1月，永康集团在沈阳市工人村第一小学、文艺二校教育集团文艺一校、朝阳一校、六一小学、南京九校等5所学校先后建立了学生近视防控教室，取得了良好效果。目前，北京市海淀区、西城区、辽宁省大连市、内蒙古乌兰浩特市等地区，都在与永康视光集团合作，开展学生近视防控教室试点工作，并逐步在当地全面推广。 　　星星之火可以燎原，随着各地学生近视防控教室的逐步建立，必将在全国形成学生近视防控教室推广建设的高潮，必将在降低儿童青少年近视率、提高儿童青少年视力健康水平方面，发挥不可替代的重要作用。选择永康项目，是时代的需要，是民族体质健康的需要，是做好我国儿童青少年近视防控工作的必然选择。

广泛应用在航拍、测绘、植保、检测、搜救等多种领域的设备，部分有我司自行开发，也可以为特殊用户定制开发领域装备；

该发明公开了一种大规模磁纺设备及使用该设备制备微纳米纤维的方法，该设备包括支架，给料装置，纺丝喷射装置和水平设置的滚筒式收集装置，收集滚筒的表面固定有提供磁场的条形永磁铁，纺丝喷射装置有多个喷头，排成一列，指向条形永磁体，被固定在可沿滚筒中轴线方向做往复运动的驱动器上。该设备以磁场力代替电场力，在交变磁场力作用下拉伸铁磁流体制备磁性微纳米纤维，整个过程无需高压电作用，有效降低生产成本和安全隐患，同时可批量连续生产微纳米纤维，且制得的纤维排布有序，产量高适合大规模生产。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。