|
搜索
搜 索
高等教育领域数字化综合服务平台
脑及脑动脉模型XM-604B
XM-604B脑及脑动脉分布模型（11部件）
XM-604B脑及脑动脉分布模型放大2倍，可拆分为11部件，显示脑的外形结构：大脑外侧面主要结构、大脑半球内侧面和底面的主要结构、脑干各面的主要结构、小脑的主要结构；脑的动脉供应：动脉的来源、动脉在脑底面的行程和联合情况、大小脑的动脉分布。
尺寸：放大2倍，35×33×30cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
头解剖附脑动脉模型XM-605A
XM-605A头解剖附脑动脉模型
XM-605A头解剖附脑动脉模型可拆分为10部件，显示颅内的脑结构，包括颅底、大脑半球、间脑、小脑、脑干、中脑、脑桥、延髓各个部分以及脑神经和脑血管等结构。
尺寸：自然大
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-605A头解剖附脑动脉模型
XM-605A头解剖附脑动脉模型
XM-605A头解剖附脑动脉模型可拆分为10部件，显示颅内的脑结构，包括颅底、大脑半球、间脑、小脑、脑干、中脑、脑桥、延髓各个部分以及脑神经和脑血管等结构。
尺寸：自然大
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-416动脉与静脉解剖放大模型
XM-416动脉与静脉解剖放大模型
XM-416动脉与静脉解剖放大模型显示动脉和静脉的立体结构，动脉三层膜比静脉三层膜厚，动脉有内外弹性膜，而静脉平滑肌及弹性组织不如动脉，静脉内孔比动脉内孔大，静脉有瓣。
尺寸：放大，50×32×22cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-605A头解剖附脑动脉模型
XM-605A头解剖附脑动脉模型
XM-605A头解剖附脑动脉模型可拆分为10部件，显示颅内的脑结构，包括颅底、大脑半球、间脑、小脑、脑干、中脑、脑桥、延髓各个部分以及脑神经和脑血管等结构。
尺寸：自然大
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
超构表面图像显示
设计两个硅纳米棒作为超构表面的基本相干像素结构单元，从而实现光场透射的有效调控。通过独立控制两个纳米棒的转角，可以实现单层结构对振幅和相位的独立调控，从而能够在单层纳米结构上实现任意全息与平面图像的集成。更进一步，针对于彩色平面图像，可以通过硅纳米棒的尺寸（即单根纳米棒的长和宽）以及纳米棒之间的转角差的控制，实现对颜色HSB三参数的按需调控，从而将超构表面结构色的调控能力从二维的色度-饱和度平面，真正拓展到三维的色度-饱和度-强度空间 以上研究成果将丰富和拓展超构表面在图像器件方面的应用，比如实现有阴影信息的彩色图像打印，开发新型全彩平面与彩色全息图像的集成显示技术，研制基于平面和全息图像集成的纳米隐写信息安全技术等。同时，该工作中体现的相干像素设计理念也将对复杂光场调控问题提供新的解决思路和方案
中山大学
2021-04-13
图像加密新方案
设计了一种基于金属材料(金、银等)的三重旋转对称C3超构单元的超薄非线性光学超构表面。金属纳米结构的厚度仅为30纳米厚，像素单元为500纳米 x 500 纳米。这类光学超构表面包含具有旋转对称性的单元结构，因而在可见光或近红外照明下看上去均匀。然而，如果通过一对存在夹角的C3超构单元上倍频信号的干涉相消、相长原理，可将非线性倍频强度不同的图案或文字加密于其中。然后，采用飞秒激光照明（波长为1200nm-1400nm），隐藏的图像可通过二次谐波（SHG）成像过程被读取出来。这种新型的基于空间变化的光学干涉的非线性光学超构表面为多维度图像加密、防伪和无背景图像重建开辟了新的途径和思路。
南方科技大学
2021-04-13
污染水体图像分类技术
水源图像检测和分类在监测和识别河流冰灾、洪水、垃圾污染和死水等方面有很多应用。然而，海水、河水、湖水和池塘这些称之为干净水源的图像，可能和一些污染水源的图像重叠，加之冰雪天气下水体结冰等因素的存在，使得水源图像分类的问题更加复杂。在这些情况下，精确的水资源图像检测和分类就显得至关重要。本项目基于RGB图像对水源进行分类，达到水污染检测的目的。本项目的创新点在于提出一种新的图像频率域分块方法，将图像之间的细微变化放大，有效地提取图像的纹理特征，区分污染水源图像和干净水源图像，并且对水体
南京大学
2021-04-14
AICheck图像智能处理平台
AICheck图像智能处理平台是企业级一站式AI服务平台，集数据采集、在线样本标注、一键模型训练、任务管理、在线检测和结果输出于一体，使企业可以快速应用海量的成熟算法，降低AI算法应用与管理成本，实现端到端服务。核心技术涉及人工智能、2D/3D视觉和云计算，核心功能包括目标识别、OCR识别、瑕疵检测和目标测量。
山东产业技术研究院（青岛）
2023-05-16
基于内容的图像检索
Ø 基于内容的图像检索是近年来兴起的新技术，与传统的基于文字的检索相比，其直观、高效、通用等特点，受到了越来越多的重视。基于内容的图像检索的基本思想是通过分析图像的视觉特征和上下文联系来进行检索。通常图像的特征分为低层物理特征（如：颜色、纹理、形状、轮廓、图像内容的空间关系等）和高层语义特征（是人们对图像内容概念级的反映，一般是对图像内容的文字性描述）。基于内容的图像检索突破了传统的基于关键字的表达方式检索局限，直接对图像内容进行分析和特征提取，利用这些描述图像内容的特征建立索引。目前已经
北京理工大学
2021-04-14