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

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。

传统的抽水蓄能存在需要特殊的地质条件、推广应用受到限制、需要充沛水源、不适合干旱缺水地区、储能密度较低、对所在区域的生态环境有影响等缺点；传统的CAES（压缩空气储能系统电站）存在需要消耗大量的化石类燃料，系统经济型不好、储能时压缩空气过程中存在热交换、释能时外热源加热、CAES的能量转化效率与其他储能系统相比有些低等特点。 本系统提出无水坝抽水蓄能模型，兼收压缩空气储能技术和抽水蓄能技术的优点，摒弃二者缺点，实现热能和压力能的梯级利用。

相变储能建筑材料是一种新型建筑节能功能材料，利用相变储能材料可以使传统能 源和可再生能源在时间和地点上进行流转，自动优化能源供应和需求之间的匹配，属于 智能能源概念，在建筑中应用这种材料可以显著提高建筑物的能源利用效率。其应用方 式主要有两种。 一为通过相变储能建筑材料提高建筑物对太阳能等可再生能源的利用率，降低建筑 物对传统能源的消耗。冬季，太阳能热丰富的时间为晴天和白天，而我们对太阳能热需 求的时间是晚上和阴天，二者之间存在明显的时间不匹配性。利用相变储能建筑材料蓄 存白天和晴好天气时的太阳能，在夜间或阴天将蓄存的太阳热释放出来，使得建筑物利 用太阳能的时间从白天和晴天延长到夜间和阴天，提高建筑物利用太阳能的量。 第二种方式为利用相变储能建筑材料开发电力峰谷差“绿色能源”。在盛夏或严寒时 节，空调或其它取暖设备往往集中使用，造成电力紧张，供不应求，而在其它时段又出 现电力过剩的现象，出现所谓的电力峰谷现象。为消除峰谷现象，电力公司将峰时电价 定为谷时电价的数倍，以鼓励电力用户多使用谷时电。在电力需求的波谷时段，可采用 相变储能复合材料蓄存由空调或制热设备产生的冷量和热量，用于电力波峰时段，降低 空调等设备在波峰时段的用电强度，可从用户侧的角度减小电力峰谷差，实现节电、节 能和节约资源的效果。 此外，相变储能建筑材料还可提高建筑物的热稳定性和热惰性，减缓建筑物室内的 温度波动，在提高室内热舒适度的同时，降低空调制冷或加热设施的启、停频率和运行 时间，并达到降低建筑能耗的目的。

 吸能液压支架是在国家重点基础研究发展计划（973计划）项目（2010CB226803）和国家自然科学基金面上项目（51174107）的支撑下，由辽宁工程技术大学和北京诚田恒业煤矿设备有限公司按照“微冲可抗、小冲可让、中冲可防、大冲可降”的设计原则合作研发。吸能液压支架支护巷道能实现“微冲不坏、小冲可修、中冲可换、大冲不垮”，最大防冲抗震震级为ML3.0级。  吸能液压支架静态支护下初撑力达4635kN（31.5MPa），工作阻力达5889kN（40MPa），支护强度≥1MPa（支护间距≤1m），安全阀开启压力40~44MPa，排液让压速率为1200L/min，支架让压位移为0.8m（可调）；冲击地压动载作用下，支架吸能让位启动值为1.25~1.5倍工作阻力（让压速率为1m/s~5m/s），让压位移≤0.3m，抗冲击力≥3倍工作阻力。