项目的背景及目的 距离的高精度实时测量在现代工业的各个领域中的应用越来越广，工件的表面轮廓，目标物体的相对位置，形状描述等都离不开距离的高精度测量，非接触，小型化，数字化，智能化成为距离测量系统发展的趋势。随着数字信号处理器（DSP）功能越来越强，光电耦合器CCD的日益普及，使符合实际工业生产要求的非接触高精度在线距离测量系统的研制成为可能。 技术原理与工艺流程 光学三角法检测技术。光学三

本发明公开了一种非接触式主动阻尼装置，包括阻尼器和驱动器两部分，阻尼器和驱动器电气连接，阻尼器包括固定不动的定子和与定子相分离的阻尼发生器，阻尼发生器相对于定子能够在一个方向上运动。阻尼装置由分离式动子和定子组成，通过主动控制方式调节驱动电路的驱动电流，从而实现阻尼力的主动控制。该阻尼装置能够实现对超精密减振器提供自适应变阻尼控制，有效地衰减减振台的高频振动。本发明可以为光刻机及其他的精密设备提供超静的环境。本发明提供的阻尼装置可用作小型超精密设备、精密仪器的基础支撑。将本发明提供的阻尼装置与空气弹

本实用新型公开了一种非接触式冬笋探测装置，包括产生探测信号的探测单元，显示单元，根据探测信号判断探测结果并将探测结果传动给显示单元的控制单元，所述探测单元包括产生磁场强度随时间变化的原生磁场的信号发射器以及接收原声磁场信号以及由原生磁场在土壤中诱导出的次生磁场信号的信号接收器；本实用新型的非接触式冬笋探测装置结构简单，方便搬运和在测量中移动，便于野外使用；同时仪器操作简单，智能化程度高，在损害竹笋与地下茎的情况下即可有效地探测竹笋。

本技术成果克服了现有技术的不足，提供了一种对未知 应用（包括恶意软件）进行自动发现、自动聚类、自动分析、自动识别的技术

该系统可对钢轮毂中的焊缝缺陷进行自动识别和判断，并对缺陷大小进行自动统计，从而自动判断是否合格。其控制软件具有图像采集、数据通信、数据及工艺文件存储、合格不合格统计及数据库查询、图像的自动处理与模式识别、加密、打印及帮助等功能。

成果简介通过光度计采集不同偏光下焦炭显微图像， 采用图像处理的方法焦炭提取图像中颜色、 纹理、 分形、 区域及边界等特征， 并采用模式识别的方法， 实现焦炭光学组织的自动分类与识别。成熟程度和所需建设条件硬件平台及软件系统均已构建， 算法已得到实验验证。 作为成熟产品， 软件尚需要进一步优化， 软硬件需要联调。技术指标识别准确率： 各向同性与各向异性>95%， 片状 98%， 纤维状 99%， 镶嵌状>95%。

非接触式激光超声检测设备主要包括激光超声激发仪器、激光超声接收仪器、超声信号处理系统、机械运动单元、工控机等。备可以应用于复合材料、金属材料内部和表面缺陷的检测。 在原理样机的基础上，开发具有高效率、高精度、非接触技术特点并且能够在线、现场应用的激光超声检测设备，可以解决我国航空航天新材料、新工艺、新结构检测和武器装备原位检测以及核工业设施高温、高压、辐射条件下现场检测问题，显著提高基础部件（如大型复杂型面部件、平板及管等）检测效率和精度，大幅提升我国高端装备制造质量控制能力和重大基础设施安全评定水平，带动石油、电力、汽车、船舶等其它领域相关行业整体水平提升。 主要性能指标：1. 检测方式：脉冲反射法、穿透法；2. 光声带宽：0.5～20MHz；3. 测量带宽：100MHz；4. 测量精度：<100µm；5. 可检材料类型：复合材料、金属；6. 缺陷类型：脱粘、腐蚀、裂纹、孔洞、分层、夹杂；7. 缺陷位置：表面、内部。非接触式激光超声检测设备是北航无损检测技术研究中心自主研制的无损检测设备，具有自主知识产权。

本实用新型公开了一种非接触式牙颌医学三维自动化测量设备，包括光路调整模块、牙模定位模块和视觉测量模块，其中，所述视觉测量模块用于对牙颌模型进行光扫描测量，其设置在所述光路调整模块并可通过该光路调整模块对所述视觉测量模块的光路进行调整，所述牙颌模型设置在所述牙模定位模块上，并通过该牙模定位模块进行定位和调整，从而以配合所述视觉测量模块实现对该牙颌模型的三维扫描测量。该设备的支撑系统刚度高，工作过程稳定，抗干扰性强；光路调节范围大，操作简便；牙模固定可调整力度，灵活实用；牙模位置调整实现自动化，精确快捷

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