|
搜索
搜 索
高等教育領域數字化綜合服務平臺
管祖光
管祖光博士是泛測(北京)環境科技有限公司創始人和現任CEO(2015年9月至今)，他已入選國家高層次人才特殊支持計劃 "萬人計劃"青年拔尖人才(2014)。
在創立泛測環境之前，他先后就讀于中國浙江大學和瑞典隆德大學(2004-2010)，并分別在這兩所大學獲得獨立的博士學位。在隆德期間，師從世界著名物理學家、瑞典兩院院士、前諾貝爾物理獎頒獎主席，主攻光電技術及其在環境監測的應用研究。
博士畢業后，他受聘于世界頂級的大氣研究機構，挪威Andoya空間中心(2010-2012)，主要研究激光雷達等探空技術對北極地區中高層大氣的觀測，并已在挪威獲得終身科學家職位，擔任研發項目負責人。他是"基于激光多波長多角度散射技術的顆粒物微型傳感器"項目的首席科學家(PI)。
管祖光于2012年入選河北省"百人計劃"，作為省級特聘專家回國并全職加入某環保上市公司，任首席科學家，同時他還兼任中國高等教育學會科技服務專家指導委員會委員、河北省環境監測裝備工程技術中心副主任。
管祖光
2023-03-15
光具座
產品詳細介紹
寧波賽特爾教學儀器有限公司(余姚市丈亭教學設備廠)
2021-08-23
光具座
產品詳細介紹光具座
蕪湖縣易太教育設備有限公司
2021-08-23
X光機
360mm×220mm×240mm，包括暗箱、彎曲的光道。普通光能“穿過”障礙物，不可開啟觀看。
寧波華茂文教股份有限公司
2021-08-23
X光機
產品詳細介紹X射線探測箱超薄便攜，厚度不到7cm；◆國家專利產品；（專利號：200620115934.0）◆成像面積超大，達到200cm * Xcm，只需X射線透視一次就可檢測完一個中型旅行箱的每個角落；◆探測效率超強，可以大大降低輻射劑量； 穿透能力強，能檢測很厚的箱包；◆X射線探測箱可根據被檢測物的形狀位置任意調整，正放、側放、翻轉、仰放、俯放都可以使用； 配備大功率高性能鋰離子電池，充電一次，可檢測600百余件嫌疑箱包，無需外接電源，可在野外工作；◆采用進口X光管，使用壽命長，能提供多種能量的X射線。有利于毒品、炸藥等有機物檢測；◆16位圖像灰度級（即65536種灰度層次），圖像動態范圍高達20000:1，比普通X射線透視圖像層次多數十倍。◆16bit數字X射線透視圖像實時采集、數字降噪、任意進行數字快照；◆多圖像管理界面，多比例縮放，局部放大，支持插值精顯，自適應顯示，微縮圖快速瀏覽；◆存儲/讀取gif、jpeg、bmp、tiff等常見圖像文件，便于執行任務的取證和報告；◆感興趣區域選擇，長度、角度、面積、周長測量；數據統計；◆調整圖像大小、旋轉平移、對比明暗調節、濾波增強、邊緣檢測、窗寬窗位調整；◆恢復/取消、銳化、平滑、邊緣、翻轉/鏡像、反片、偽彩色；◆灰度分布直方圖/灰度分布曲線顯示；
北京龍騫鴻訊科技責任有限公司
2021-08-23
光分路器
光分路器又稱分光器，是光網絡系統將光信號進行耦合、分支、分配的重要無源器件之一，具有多個輸入端和多個輸出端的光纖匯接器件，常用M*N來表示一個分路器有M個輸入端和N個輸出端。
山東太平洋光纖光纜有限公司
2021-06-17
光伏領域
晶盛機電以技術創新作為持續發展的動力源泉。相繼開發出具有完全自主知識產權的全自動單晶生長爐、多晶鑄錠爐、區熔硅單晶爐、藍寶石爐等晶體生長設備，同時開發并銷售晶體加工、光伏電池和組件等裝備，致力于打造光伏產業鏈裝備技術和規模雙領先的裝備龍頭企業；在半導體產業實現8-12英寸大硅片制造用晶體生長及加工裝備的國產化，并取得半導體材料裝備的領先地位；成功掌握國際領先的450kg級超大尺寸泡生法藍寶石晶體生長技術，藍寶石材料業務具備較強的成本競爭力并逐步形成規模優勢；在工業4.0方向，公司為半導體產業、光伏產業和LED產業提供智能化工廠解決方案，滿足了客戶對“機器換人+智能制造”的生產模式需求。
浙江晶盛機電股份有限公司
2021-02-01
華為光傳送
超大帶寬
高性能100G/200G/400G，單纖容量20T+；光電共平臺，大小卡靈活配置，1T/2T平滑演進
極簡運維
網絡多層次全方位實時監控及智能診斷，覆蓋業務，光波道，光纖故障距離達160km
智能運營
業務自助快速發放、帶寬/時延隨需，提升TTM60%
華為技術有限公司
2022-09-19
光-浪-流集成一體化發電裝置
技術成熟度：技術突破
目前的潮流能發電機組以直驅液壓變槳及帶變速箱的液壓變槳為主，其發電機和變速箱均采取機械動密封方式進行密封防水處理，海洋環境下，機械動密封的可靠性和運行效率往往沖突，密封層級多運行阻力大，效率低，密封層級少，密封可靠性差，機組的運行可靠性大大降低。光伏、波浪、海流一體化集成發電，波浪能與海流能水輪機對轉并通過磁力耦合驅動發電機增速，具有多能互補、高效獲能、轉換效率高、結構簡單、運行可靠等特點，為規模化海洋能開發提供創新型設計。
意向開展成果轉化的前提條件：中試放大及產業化工藝開發資金支持
東北師范大學
2025-05-16
新冠肺炎影像學AI智能輔助診斷研究
“現階段醫生需要在大量影像數據中快速診斷出新冠肺炎的病例，此外還需要診斷出病灶分布的位置、大小等來評估嚴重程度。”薛向陽介紹，針對臨床的現實需求，團隊將設計目標定位于“肺炎分類鑒別”和“關鍵病灶檢測”兩大功能，前者是為區別健康狀態、新冠肺炎、其他病毒性肺炎、細菌性肺炎，后者則為找到并分隔出磨玻璃影等病灶區域。針對這些需求，團隊設計診斷算法模型，讓機器利用模型進行訓練，學習不同類型肺炎在CT影像表現上的不同特征，最終具備智能輔助診斷的能力。而這需要突破小樣本學習、小目標檢測等多個技術難題。“小樣本學習”即在較少訓練數據樣本的條件下進行機器學習。在疫情發生前期，能夠獲取的新冠肺炎影像數據相對較少，且由于一線影像醫生任務繁重，無法獲得大量專家標注，因此需要算法在少量樣本的條件下“自學成才”。為此，團隊采用基于自遷移學習的半監督學習等技巧，使算法具備一定的“小樣本學習”能力，在不增加醫生標注工作量的情況下較好地提高了算法模型的普適性。由于CT影像切片中的病灶區域有大有小，且往往大中小病灶區域面積懸殊，如何使算法能同時檢測大、中、小各個目標是另一大難題。團隊利用神經網絡的層次性特點與病灶區域的大小進行對應，“網絡的底層關注細節，即小病灶區域，而網絡中層到高層所關注的病灶區域則越來越大，因此模型通過不同層次的加權和融合，最終便能達到同時檢測大小病灶區域的目標。”薛向陽解釋道。“不過，即便有診斷‘神器’，影像科醫生也是不可替代的。”薛向陽說，人是復雜的機體，病毒在不同人體內感染的反映也不一定相同。”他表示，當遇到機器未曾學習過的微小病變或疑難病例時，仍需要影像醫生的經驗和智慧。以解決實際問題為目標，該項目在研究過程中始終與臨床應用緊密結合。無論是機器學習數據，還是測試評估數據，都來源于臨床真實病例。在算法模型定型過程中，為了檢驗模型的準確率和泛化性，團隊也利用現實疑似病例進行了測試。
復旦大學
2021-04-10