产品详细介绍 产品简介一套完整的机器视觉检测系统，包括：图像获取（成像系统及光源）、图像预处理（获取图像兴趣区域）、数据处理、I/O通讯、执行机构等。其中图像获取是基础；图像预处理及数据处理是灵魂；执行机构是功能体现。获取准确稳定的图像数据，是做好机器视觉系统的第一步，其重要性不言而喻。根据实际项目需求，选择合适的工业相机、工业镜头、工业光源及相关附件是每一个机器视觉从业人员都必须掌握的基本技能。对于一个具体项目来说，图像采集设备每一个参数的确认都需要科学的计算和不断的试验。但是目前很多系统集成商及视觉实验室都缺少这样的试验环境和相关人才。为此，维视统计了十几年来面向电子、汽车、医药、包装、太阳能光伏、农林等行业的数千个案例，分析其图像采集硬件方案，针对性的推出了视觉图像采集方案套件箱MVKB300。套件箱涵盖了机器视觉项目所必须的所有硬件设备——工业相机、工业镜头、工业光源、标定板、台架等。其丰富的品类，可以模拟各种应用场景。产品特点MVKB配置的工业相机、工业镜头、光源及标定板等成像方案（标配或非标），均通过了 "维视视觉实验室" 的评测标准。1、工业相机类（可选配其他型号）高分辨率相机——针对大幅面的高精密检测。高帧率相机——实时传输的高速相机，特别适合需要连续抓拍高速运动物体的场合。实时采集相机——兼顾分辨率和速度，可满足用户对精度和速度的同时要求。红外相机——采用高灵敏芯片设计的近红外工业相机，可满足用户对红外光线的采集。2、工业镜头类（可选配其他型号）定焦镜头——配置常用焦距的定焦普通镜头，畸变小、解析度高，适合较大范围的定量、定性分析。变焦镜头——对于工作距离和拍摄范围不确定的应用场景，特别配置了变焦镜头，一只镜头就可以兼顾各种场合应用。显微放大镜头——可变倍率的显微放大镜头，可观测不同倍率下的微观世界。红外镜头——专门配套红外相机的镜头，相对于普通镜头其对红外光线的通过率更高。3、工业光源类（可选配其他型号）条形光源——打光方式最自由的光源，可以根据被测对象的特点，在不同距离、不同角度打出各种需要的图像效果。环形光源——使用最方便的光源，安装简单易操作，占用空间小，丰富的不同角度环形光源还可以解决很多"眩光"问题。背光源——轮廓尺寸、轮廓类缺陷等检测项目最常用的光源，从背面补光，可以获取最高对比度的图像。同轴光源——正面平行发光，针对凹凸类兴趣点或反光问题非常有效。积分球(漫反射)光源——可有效解决打光均匀性问题及镜面反射问题。4、标定板（可选配其他型号）OpenCV标定板——可直接用于OpenCV、Matlab等平台的默认标定模块。Halcon标定板——可直接用于Halcon、Labview等平台的默认标定模块。性能特点项目选型及评估平台——配套丰富的视觉器件，可设计各种场景下的图像采集方案丰富的二次开发接口——套件箱配套的SDK开发包支持VC\VB\C#等开发环境，与Labview、Halcon、Provision、Opencv、Matlab等第三方软件无缝连接工业级标准——配套的视觉器件都是准工业级产品，采用维视图像自主研发的工业相机，是国内首家采用"EMVA1288"标准生产的工业相机快捷的技术支持——套件箱中配套的产品均由维视图像自主研发，需要技术支持时，可以和厂家直接沟通自主研发生产、自主知识产权完善的培训体系——配套的资料不是枯燥的专业名词解释相叠加，而是结合实际案例讲解说明，是机器视觉专业人才的快速输出平台

产品详细介绍 一、SBSS-51C石油产品多用途测定仪概述：测定仪采用半导体温差电子制冷技术，代替了压缩机制冷或干冰冷剂，具有体积小、重量轻、无噪声、无振动、外观新颖等特点。仪器操作简便，冷却速度快、控温精确，为油品试验室的必备设备，尤其适合于缺少冷剂的单位使用。测定仪装有压力继电器和温度继电器作为断压和超温保护，使制冷浴能长期可靠地工作。测定仪能作60秒自动或手动计时并报讯，能作45度倾斜,以满足测定需要。二、主要技术指标：多功能综合型，四孔，四温～-17℃，～-34℃，～-51℃，～-68℃，±1℃半导体制冷，单独温控巡回数字显示。60秒计时，负压吸滤，电磁搅拌。适用标准GB3535，GB510，SH/T0248，SH/T0179，用来对石油产品的倾点、凝点、冷滤点、浊点、进行测定。  

产品详细介绍EOC-1650符合IEEE802.11b/g标准，外壳采用IP67工业标准设计，防雨防尘。内置10dbi定向天线，并采用PoE供电，安装简单方便。     EOC-1650具有AP、客户端多种工作模式，一机多用，最大限度的保护您的投资。     安全性方面，采用最新的WPA2加密和认证方式，最大限度的保证您的数据安全。 54M高速连接 符合IEEE 802.11b/g标准 发射功率高达24dbm 支持点对多点(P2MP)无线连接和WDS分布系统 支持WPA2/WPA/802.1x加密及认证方式 11g保护模式，使b/g混合模式下11g的效率更高 PoE供电，兼容802.3af 支持MAC地址过滤 可透过Web /SNMP管理 VPN 透传 LED 显示信号强度 PPPoE(路由桥模式下) 符合IP67室外设计标准,防风、防雨、防水 工作温度范围宽，环境适应性强 内置7dbi平板天线   联系人：王 欣   联系电话：13816401500   021-34060653

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

目前我国生物质热化学转化技术应用较多的是固定床气化，但生产规模普遍较小且高效连续运行性能差，尚无法适应以发电为代表的规模化利用方式。因此，在生物质转化利用领域，开发规模化高效可靠的气化技术是迫切需要攻克的关键技术。2007年华东理工大学主持实施世界银行的全球环境基金项目（CRESP）“规模化生物质固定床气化炉的研制”，之后又负责完成了多项相关重点科研，核心装备技术于2009年7月通过专家验收。本项目的技术原理是将生物质燃料通过固定床自热气化生产可燃气体，其关键技术包括气化炉控温防止结渣、降低飞灰夹带及燃气深度净化等。本项目核心装备—固定床气化炉的单炉产气量大于5000m3 /h，采用典型农作物秸秆为原料的燃气热值大于1500kcal/m 3 ，同时还可获得焦油和草木灰等副产品，气化系统运行高效、可靠而洁净，已完全达到规模化工业生产的要求。本项目成果可广泛应用于供气、发电和供热等场合。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

目前我国生物质热化学转化技术应用较多的是固定床气化，但生产规模普遍较小且高效连 续运行性能差，尚无法适应以发电为代表的规模化利用方式。因此，在生物质转化利用领域， 开发规模化高效可靠的气化技术是迫切需要攻克的关键技术。2007年华东理工大学主持实施世 界银行的全球环境基金项目 (CRESP)“规模化生物质固定床气化炉的研制”，之后又负责完成 了多项相关重点科研，核心装备技术于2009年7月通过专家验收。 本项目的技术原理是将生物质燃料通过固定床自热气化生产可燃气体，其关键技术包括气 化炉控温防止结渣、降低飞灰夹带及燃气深度净化等。本项目核心装备—固定床气化炉的单炉 产气量大于5000m3 /h，采用典型农作物秸秆为原料的燃气热值大于1500kcal/m3 ，同时还可获 得焦油和草木灰等副产品，气化系统运行高效、可靠而洁净，已完全达到规模化工业生产的要 求。本项目成果可广泛应用于供气、发电和供热等场合。

非线性失真是5G通信系统和其他新兴多载波通信系统的主要失真来源，而数字预失真代表着线性化方法发展趋势。目前，数字预失真方法均采用了对非线性器件输出信号的包络特性进行直接线性化的简单思路。由于有源非线性器件（如射频功放）存在最大输出功率的限制，故此种原理的线性化算法在高能信号区会造成输出有效增益的明显下降，也就是难以同时满足低功率损失和高线性化效果的要求。这不但造成了低下的电源利用效率，并且造成我国对进口大功率射频器件的依赖。 针对5G通信非线性失真研究的理论空白，申请人率先完成了非线性失真信号微观分析法，首次揭示了亿万个随机交调项间的定量关系，推导出了系统参数和非线性频谱间简洁的多项式表达关系，并将仿真速度提高1100倍。针对目前射频电路预失真方法的原理性缺陷，申请人建立的多级精细化数字信号预失真方法实现了在低功率损耗的条件下取得高度线性化效果，此方法可提高功放的功率利用率，降低我国对大功率射频功放的进口依赖。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试