本发明公开了一种基于超材料的太赫兹单谱信号探测器，包括自下而上依次设置的衬底层、N 型砷化镓层、二氧化硅层与超材料层、欧姆电极和肖特基电极；其中超材料层为具有周期性微纳米结构的金属开环共振单元阵列，金属开环共振单元阵列包含了一种图形及其特征尺寸参数，该图形对于太赫兹电磁波具有完全吸收特性，通过改变金属开环共振单元的结构和尺寸参数可以调控对应的电磁波吸收频段，通过改变 N 型砷化镓的耗尽层宽度可以调控超材料层中金属开环

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果

该成果提出了一种基于空谱差分辅助核联合稀疏表示分类的高光谱图像分类方法。本章方法的主要创新性在于：1）能够将光谱的差分辅助信息和原光谱特征信息有效结合。2）能够考虑不同光谱属性间的高阶空间相关信息。3）原空谱和差分空谱核特征字典的信息通过具有混合正则的核联合稀疏表示分类方法得到充分利用。通过在真实高光谱图像数据上的实验表明，该成果提出的方法能够有效地提高高光谱遥感图像的分类效果。 主要技术指标 不同数据集下的训练样本与测试样本数参阅表 1. 在该训练样本集数量下的分类结果表现参见表 2. 相比于传统分类器 SVM，OA 提高了约 20%；相比于 SOMP，OA 提高了约20%。 该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。 表 1. 不同数据集下的训练样本选取数量 表 2. PaviaU 大学数据下不同方法的正确率比较

南科大医学院教授张文勇、研究助理教授栾合密等在国际著名生物信息学与计算生物学期刊Bioinformatics上发表题为“CPVA: a web-based metabolomic tool for chromatographic peak visualization and annotation”的论文。该研究创新提出了以色谱中心策略算法（CCS）提高基于质谱的组学数据质量，并搭建了R-Shiny的Web应用CPVA，实现了组学数据在线交互式的处理。 该论文提出了色谱中心策略算法（CCS），并开发了在线互动工具来解决该领域普遍存在的问题。色谱中心策略是指通过对组学数据中提取的色谱峰形状进行数字化描述，包括对称性（Symmetry）、锯齿度（Jaggedness）、形态（Modality）、色谱质量指数（MCQ）等，并以在线互动的方式直接展示色谱峰的形态特征。

产品详细介绍         谱诚博阅原卷留痕阅卷机，独创的原卷留痕阅卷新模式，能够切实解决师生存在的不同困境，提高教师阅卷效率，给广大学子增效减负。          我们的原卷留痕智能阅卷机，具体优势有以下几点：      1.无需答题卡。省时省钱      2.无需人工干预。减轻教师负担      3.原卷答题。学生原卷答题无需答题卡，省时便捷      4.原卷批改。方便学生复习，教师掌握学生学情。      5.高效阅卷。一键阅卷，操作简单；客观题自动批阅、主观题得分自动识别、总分自动统计、错题标准答案自动打印；双面同时阅卷，效率优于人工批阅。                                                                       阅卷机产品展示图 谱诚博阅的原卷留痕阅卷机AYJ800针对网上阅卷系统的不足，做出创新改进，实现了学生原卷作答，教师原判批改，所有的批改原卷留痕，阅卷机本身负责主观题的批改，客观题的批改读取，可以与原有的共享资源平台对接形成闭环，更有针对性的服务于基础教育阶段的师生，因材施教。                                                                                                                              阅卷机批改后的卷面效果   此外，谱成博阅科技有限公司基于大数据的准确分析给学生提供专家级学情分析报告，可以真正的促进学生的学习，针对性提高学习效率，具体有以下优势： 1.纸质试卷自动电子存储 2.学生答题分析 3.易错知识点分布统计 4.平台利用学情报告完成针对性教育与个性化学习 5.自动生成学生错题本，学生提高成绩有捷径 6.自动生成高频易错题集，老师定位重点有方向 7.学生各人知识点掌握情况分析表，补齐短板有目标 8.每人一张个性卷，数据分析有反馈 如今，教育行业，越来越多的教学内容期待高效的传播，越来越多的基础教育阶段的学生希望节约时间，更注重自己全方位的发展，越来越多的教育培训服务更多的依赖大数据的分析来快速指导实践，谱诚博阅原卷留痕阅卷机AYJ800就可以很好地满足教育行业师生的各种需求，无论从教学、考试还是各大培训都会相得益彰共同发展，未来在原卷留痕阅卷机的广泛普及下，必将极大地促进基础教育的发展，为学生学习开辟更加恢宏的康庄大道。 杭州谱诚博阅科技有限公司——教育信息化服务理念的倡导者,我们专注于教育，致力于实现创新技术与传统教学模式的最佳融合，倾注全部的心血和激情，发展互联网教育服务产业，开创中国教育现代化的未来。我们创造并实践崭新的服务模式和商务模式，打造产业生态圈。在智能阅卷、智慧课堂、云端针对练习、云端个性考试服务、K12互联网信息化教育等领域，博阅科技的创新理念和技术将推动行业的蓬勃发展。 公司现已拥有独立的研发团队、生产基地，以及遍布全国的销售网络渠道。公司开发的爱阅卷原卷留痕阅卷机系统，多项技术通过了国家有关部门的严格测试，技术处理水平先进。博阅爱阅卷原卷留痕阅卷机系统是将现代先进的图像压缩、分割技术与高速图像扫描设备相结合而产生的一项高效数字化信息系统。系统经过严密设计，并结合传统的阅卷模式，成功地将先进的计算机网络技术同教师阅卷工作结合在一起。在充分考虑用户的需求和使用状况的基础上，优化、整合设计流程，实现了灵活方便的阅卷、大数所分析、试卷管理过程，充分体现了本阅卷系统的实际效益和推广意义。博阅科技正成为广大师生及家长的好伙伴。

  GIM302惯性测量装置由三轴陀螺仪、三轴加速度计、温度检测模块及数据处理电路构成，可实时监测运动体的三维角速度、三维线加速度及空间姿态信息，并通过RS422/RS485数字接口依照既定通信规约输出经过多维度误差修正（涵盖温漂补偿、装配偏差校正、非线性特性校准等）的完整惯性参数。该设备采用差动式陀螺设计架构，显著降低了直线加速度与机械振动带来的干扰，同时具备宽温域补偿功能，确保在严苛工业环境下稳定工作。 应用范围: 该系列产品典型应用场景包括：便携式三维激光扫描系统、工业机器人高精度运动控制、微创手术导航设备、地下工程定向钻进系统、智能驾驶测试平台、水下机器人定位导航、无人机飞控与制导系统等。

主要功能和应用领域：电机控制系统、伺服系统、机床以及军工设备的静态特性和动态特性。 特色及先进性：申请了5项专利，授权了3项，是一种便携式的检测仪器。 技术指标： ？ 编码器与电机对应关系检测 ？ 控制系统的频域和时域动态分析分析 ？ 快速检测控制系统的性能指标，如果截止频率、带宽、稳定时间、超调量 ？ 根据指标，辅助建议设计控制器、补偿器等等 ？ 能产生随机信号和固定信号 国外有相似产品，也是在2015年4月生产出第一批，但是由于产品的应用领域的敏感性，一直对国内禁售。该产品是开发，调试、现场检测的很好工具。

主要功能和应用领域：电机控制系统、伺服系统、机床以及军工设备的静态特性和动态特性。

在全球能源短缺的背景下,地源热泵技术以其节能、环保、可利用低位热能的特性短期内在我国快速发展起来。随着地源热泵空调项目的逐渐增多，其设计、施工和使用过程中存在的一些问题也逐步暴露出来，使地源热泵系统的技术优势未能得到充分发挥。 长期以来由于没有施工质量检测手段，造成地埋管系统施工质量存在很多问题，如深度和回填不符合设计要求造成了地源热泵系统不能满足负荷设计要求。设计不符合要求使地源热泵的设计余量不断加大，从而加大初期投资，造成不必要的浪费。 本检测仪整合了多种对地埋管系统的检测手段，不仅可以测量地埋管的深度，还可以检测地埋管的水压、夏季排热量和冬季吸热量。本检测仪不仅可测量单一地埋管系统的施工质量，还可检测多个地埋管系统的施工质量。 地源热泵地埋管系统检测仪适合地区地源热泵空调系统地埋管检测的产品技术和检测标准，满足国家和当地的相关标准，并在实际项目中进行了验证，解决了地埋管施工后验收的问题，为当前的建筑节能及可再生能源利用提供有力的技术保证。 目前与江苏合正能源科技有限公司进行产学研合作。

本发明公开了一种椭偏仪系统参数优化方法，包括首先建立待 优化椭偏仪的系统模型，并得到包含椭偏仪系统参数的矩阵 W；然后计算椭偏仪系统矩阵 W 在不同椭偏仪系统参数下的条件数；再次计算 出每个椭偏仪系统参数下矩阵 W 条件数的最大值与最小值的差值，并 按差值从大到小顺序排列；最后根据差值的排列顺序，优化每个椭偏 仪系统参数，重复 n 次优化后，选取排列最前的系统参数，求得其 n 次优化后最小条件数值与第 n-1 次优化时矩阵 W 最小条件数值之间的 差值，当差值大小满足要求时，则认为第 n 次优化后的椭偏仪系统参 数为当前椭偏仪的最优系统参数。本发明方法过程明确、简单，最优 参数的选定标准灵活可变，可以适用于现有不同结构类型的椭偏仪的 优化。