100万投资项目集、7000万公司库，自带数据基础标的信息一键入库，关注赛道智能推荐数据中台按需定制，助力投资决策全维度金融数据API，按需定制深度清洗数据

产品特点 1. 一体化硬件设备，非PC架构，嵌入式Linux操作系统，高度集成图像识别跟踪、自动导播、直播、采集录制、视频统计等系统模块。图像识别跟踪无需额外安装任何跟踪辅助摄像机，利用全景摄像机即可进行图像分析，即可支持低龄学生、身高差大的班级。 2. 视频采用H.264 High Profile 4.2编码方式，纯硬件DSP方式采集高清视频及VGA信号，支持8路视频信号输入（内置4组高清摄像机信号输入模块以及2组电脑信号输入模块，2路DVI视频信号输入模块），信号类型支持HDMI/VGA/HD-SDI/DVI/IP。音频采用AAC高清编码方式，支持1组6.35mm立体声音频输入接口和2路音频RCA立体声音频输入接口，2路音频RCA立体声音频输出接口。 3. 配备两路千兆网络接口，减轻网络负载压力；内置VOD点播模块，无需安装插件，可通过网络进行视频文件在线点播，可提供至少50路的公网在线直播。 4. 内置远程视频互动模块，不需要任何辅助设备即可支持4方课堂视频互动专递。支持升级系统软件为互动录播系统，录播主机在主讲教室可带三个点的互动听讲课堂，可任意切换主讲和听讲。 5. 主机自带2T硬盘空间。文件管理数据库可对课件进行管理，在嵌入式设备上录制信息、课件名均以中文存储，课件查询方便快捷。并带有自动上传及定时上传到额外指定的FTP资源服务器的功能，支持NAS网络存储。 6. 采用最先进跟踪算法，通过人脸轮廓检测方法，准确率达到90%以上；支持跟踪识别屏蔽功能，支持站立坐下、左右、前后宽动态识别技术，支持站立时间设置、跟踪面积识别等跟踪特点。

产品详细介绍

产品详细介绍 u 三路麦克风输入 u 麦克风独立调节 u 线路立体声输入 u 录音立体声输出 u 外接4-16Ω喇叭 u 高、低音调节 u 话筒48V独立切换 u 话筒反馈状态独立切换 u 供电方式：AC220V/50Hz u 反馈移频量：5Hz±1Hz u 输出功率：100W u 频率响应：非反馈移频状态：20Hz ～ 20kHz       反馈移频状态：150Hz ～ 15kHz

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

   对于MVB设备测试的内容及方法在国外已经取得了一定的成果，但测试工具、方法垄断，仅用在少数相关企业的产品。国内在此方面的研究还在起步阶段，目前还没有成熟的测试工具与方法。因此，基于此种情况参考IEC61375相关标准，设计测试方案进行测试。应用范围：     城市轨道交通领域的制动设备网卡的测试。

本实用新型公开了一种基于马格努斯效应供电的自对流锚系海洋监测浮标，包括海上监测装置、中 心轴、上支架、多个浮筒、下支架、套筒、以及马格努斯发电装置，所述套筒两端分别与上支架和下支 架相连组成固定支架，所述中心轴通过轴承安装套筒内，海上监测装置设于中心轴顶部，所述浮筒对称 分布于套筒四周，浮筒上下两端分别与上支架和下支架固定相连，所述中心轴为空心轴，中心轴内设有 水下监测装置，所述马格努斯发电装置固

本发明公开了一种适用于水面光谱远程实时监测的自动化装置与方法，装置包括总控系统、无线通 讯系统、全球定位系统、观测几何自动调整系统、光谱测量系统、跟随拍照系统和远程服务器；光谱测 量系统安装在观测几何自动调整系统上，总控系统通过电缆分别与无线通讯系统、全球定位系统、观测 几何自动调整系统、光谱测量系统、跟随拍照系统电气连接，无线通讯系统通过无线网络与远程服务器 连接通信；方法包括：观测几何调整的自动化、光谱测量的自动化、图像记录的自动化、远程实

坚决打赢疫情防控和经济社会发展两场硬仗，需要强有力的科技支撑。2月29日，河南省新型冠状病毒防控应急科研攻关项目启动会在郑州召开，围绕当前疫情防控及企业大面积复工复产等方面需求，我省启动实施了第二批新型冠状病毒防控应急攻关项目，共计6个专题 8个项目。 为了贯彻落实习近平总书记重要讲话精神和省委、省政府关于统筹推进新冠肺炎疫情防控和经济社会发展工作的安排部署，省科技厅围绕我省当前疫情防控及企业大面积复工复产等方面需求，组织开展了第二批应急攻关项目征集评审工作。本批次共征集到项目20个，经省防控指挥部科研工作组、相关部门以及专家的现场调研、筛选、评审，最终对防控设备、疫苗研发、医疗废物处置、防控信息技术、诊断试剂、中药制剂等6个专项8个项目正式立项。 据了解，第二批项目的凝练坚持需求导向，主要是针对解决疫情防控的突出问题来进行研究谋划： 一是针对大面积复工复产复学人员筛查监测和流动风险防控问题。郑州安图生物工程股份有限公司承担的“新冠/甲流/乙流核酸快速联检系统研制及其在疫情监测中的应用”项目，针对目前新型冠状病毒核酸检测不利于大范围推广和大批量快速应用的现状，研发快速联检系统，从样本到检测结果全自动完成，无需核酸专用实验室，并能一次检测实现甲流、乙流和新型冠状病毒区分，可应用于基层、急诊临床的新冠病毒检测，便于分流管理和监控疫情。郑州方欣生物科技有限责任公司承担的“冠状病毒快速检测试剂研制”项目，从新冠病毒感染的病原学检测、特异性酶和特异性抗体方面入手，着力提供一种有效、经济的检测工具，可应用于早期诊断、确诊病人的免疫学应答、无症状病人的筛查、隔离和医学观察人群的监控、复工复学等大面积人群的筛查。郑州大学第二附属医院承担的“基于二代测序的新型冠状病毒变异、毒力分析及疫情监控研究”项目，将对新型冠状病毒的全序列进行测序，分析新型冠状病毒基因变异情况，建立病毒基因组数据库，根据病毒样本基因变异情况和毒力估计进行分析研判，为疫情监控和预警提供重要参考信息，也可为新型冠状病毒疫苗开发、抗病毒药物筛选提供依据。郑州大学承担的“复产复工人员流动的疫情风险态势仿真推演与智能精准防控平台建设”项目，旨在突破复产复工人员流动的疫情风险智能精准管控关键技术，揭示人群流动行为对新型冠状肺炎感染影响的风险评估计算模型和态势演化规律，并在此基础上研制智能信息化系统，形成严密有效的全社会智能化、精准化疫情防控机制。 二是针对解决疫情一线防护服紧缺问题。河南省医疗器械检验所承担的“可重复使用医用防护服的研制”项目，旨在开发适用于新型冠状病毒防护的可重复使用医用防护服，破解防护服短缺困局，同时与驼人集团的新型防护面罩以及子任医疗、亚都实业、华西卫材等企业产学研紧密结合，解决一次性防护服防护级别低、供应不及时导致医护人员感染等弊端，让我国医疗机构随时可以建立医疗防护安全网络屏障。 三是针对下一步治疗、预防工作所亟需的有效药物和疫苗开展研发。河南中医药大学承担的“适宜于新冠肺炎医学观察期的中药制剂研究”项目，旨在根据新冠肺炎医学观察隔离人员、康复期患者及高风险岗位人员的中医分型特点，研制相应中药制剂，为下一步治疗和防控工作提供持续支撑。华兰生物疫苗有限公司承担的“新型冠状病毒肺炎疫苗的研究与开发”项目，将在该承担公司已建立的Vero细胞大规模培养平台的基础上，研发制备新型冠状病毒肺炎病疫苗，通过其安全性和有效性评价，向SFDA申请注册，实现产品上市。 四是针对疫情防控产生的医疗废物无害化处理技术难题。郑州轻工业大学承担的“医疗废物无害化应急处置设备及工艺的研发”项目，旨在研发医疗废物的移动式高温碳化炉，及时、高效、无害化处置新冠肺炎疫情期间产生的医疗废物，避免医疗废物转移运输过程中可能造成的病毒扩散，有效防止疾病传播，并对高温碳化后的主要产物实现资源化利用。 省科技厅负责同志表示，当前疫情防控到了最吃劲的关键阶段，希望各攻关项目承担单位及科研人员要切实增强使命感和紧迫感，展现科技担当，体现科技作为，以应用为标准，以实战为方向，以解决应急之需为首要，确保“需求来自一线，成果用到一线”，把论文写在抗击疫情的第一线，把研究成果应用到战胜疫情中。要弘扬科学精神，遵循科学规律，遵守科研规范，严格审批程序，在科技攻关中既强调特事特办、急事急办，又坚持合法合规、科学严谨，加强相关研究的伦理审查和知情同意，确保科研攻关在安全合规的前提下加快推进。省科技厅将全力为项目实施的各方提供好服务保障，对于阶段性绩效目标完成较好、在疫情防控一线应用效果明显的项目，会同财政部门及时安排拨付后续经费，充分保障攻关之需。

产品介绍： 美国 Lake Shore 218是功能丰富的温度监视器8个传感器输入，几乎可以与任一个二极管或电阻型温度传感器配合使用。连续显示所有8个通道，显示单位是K, °C, V 或 Ω。测量输入是按低温测量的要求设计的，但是监视器的低噪音、高分辨率、宽量程范围等特点，使其应用在非低温的环境中也是理想的。  218温度监视器台式监控器低温监测仪表 主要特点 • 使用合适的传感器，操作时的*低温度可以达到1.2K • 8个传感器输入 •支持二极管和电阻型传感器 • 连续8个输入显示为K, ℃, V 或 Ω为单位的读数 • IEEE-488 和 RS-232C 接口，模拟输出和报警继电器 • 有2个型号可供选择：218S 和 218E • CE认证  218温度监视器台式监控器低温监测仪表   传感器输入显示 美国 Lake Shore 218温度监视器具有八个恒流源（每个通道一个），可以与多种传感器配合使用。输入设置可以通过前面板完成或通过计算机接口完成。监视器的八个通道分为两组，每组中的四个通道必须连接一种类型的传感器（比如四个通道全都是铂电阻传感器，或者全都是硅二极管传感器）。 两个高分辨率的A / D转换器可以提高218温度监视器的更新速率。因为不需要等待电流源转换，所以218比其它品牌的扫描式监视器能更快地读取到温度读数。218温度监视器每秒可读取到16个温度读数，也就是说每个通道每秒可读到2个温度读数。还可以关掉部分输入通道的方法来获得更高的读数率。   温度曲线 美国 Lake Shore 218温度监视器含有标准的硅二极管和铂电阻传感器的温度曲线。它每个通道可以储存一条200点的用户自定义曲线，所以可以支持多种传感器类型。 Lake Shore校准的CalCurves™同样可以被存储为用户曲线。内置的SoftCal™1算法也可以将DT-470系列二极管和铂电阻的温度曲线进一步改善，做为用户曲线储存到218 中。 Lake Shore用在硅二极管和铂电阻传感器上的SoftCal™ 算法，对于用户希望得到比标准曲线更高的精度，但并不需要传统的标定的情况是很好的解决方案。 SoftCal™ 算法采用几个已知的温度参考点点来修正传感器的标准曲线，从而达到更高的精度。 接口 美国 Lake Shore 218温度监视器可获得的计算机接口有并口（IEEE-488，仅218S有此接口）和串行计算机接口（RS-232C）。每个输入都有高、低值报警，并且提供锁定和非锁定操作。218S中的八个继电器可用于故障报警或执行简单的开关控制。218S包括两个模拟电压输出，用户可以选择输出数据的比例和数据进行输出，包括温度、传感器单位、或线性方程的结果。在手动控制下，模拟电压输出也可以作为一个电压源用于其它应用程序。   显示 美国 Lake Shore 218温度监视器八个显示位置的内容用户可配置的。读出的数据源是温度单位、传感器单元和数学*算函数结果。为使用方便，输入的通道号和数据源一直显示在前面板。显示的数据每秒更新两次。 1 Lake Shore SoftCal™的校准对于硅二极管和铂电阻传感器需要更高精度时是比较好的解决方案，但是这种校准并不是真正的传统意义上的校准。SoftCal校准是采用标准曲线的可预测性来改善单独传感器在几个已知温度参考点的精度。