|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
GC-9217II 氣相色譜儀
產(chǎn)品詳細(xì)介紹GC-9217Ⅱ型智能網(wǎng)絡(luò)化氣相色譜儀主要技術(shù)指標(biāo)：●操作顯示：192*64點(diǎn)陣漢化液晶●溫控區(qū)域：6路●溫控范圍：室溫以上8℃～450℃，增量： 1℃， 精度：±0.1℃●程序升溫階數(shù)：8階●程升速率：0.1～39℃/min（普通型）；0.1～80℃/min（高速型）●外部事件：4路；輔助控制輸出4路●進(jìn)樣器種類：填充柱進(jìn)樣、毛細(xì)管進(jìn)樣、六通閥氣體進(jìn)樣、自動(dòng)頂空進(jìn)樣任選●檢測(cè)器數(shù)目：3個(gè)（最多）；FID、TCD、ECD、FPD和NPD任選●啟動(dòng)進(jìn)樣：手動(dòng)、自動(dòng)任選●通信接口：以太網(wǎng)：IEEE802.3 GC-9217Ⅱ型智能網(wǎng)絡(luò)化氣相色譜儀檢測(cè)器技術(shù)指標(biāo)智能網(wǎng)絡(luò)化氣相色譜儀氫火焰離子化檢測(cè)器（FID）●檢測(cè)限：Mt≤3×10-12g/s （正十六烷）；●噪音：≤5×10-14A●漂移：≤1×10-13A/30min●線性范圍： ≥106●最高使用溫度：≤450℃智能網(wǎng)絡(luò)化氣相色譜儀熱導(dǎo)檢測(cè)器（TCD）●靈敏度：S≥4000mV?ml/mg（正十六烷）（放大1、2、4、8倍任選）●噪聲：≤10μV●基線漂移：≤30μv/30min智能網(wǎng)絡(luò)化氣相色譜儀電子捕獲檢測(cè)器（ECD）●檢測(cè)限：≤1×10-14g/s●線性范圍：104●放射源：63Ni
上海本昂科學(xué)儀器有限公司
2021-08-23
GC9217I氣相色譜儀
產(chǎn)品詳細(xì)介紹GC-9217Ⅰ型智能網(wǎng)絡(luò)化氣相色譜儀主要技術(shù)指標(biāo)：●操作顯示：192*64點(diǎn)陣漢化液晶●溫控區(qū)域：6路●溫控范圍：室溫以上8℃～400℃，增量： 1℃， 精度：±0.1℃●程序升溫階數(shù)：8階●程升速率：0.1～39℃/min（普通型）；0.1～80℃/min（高速型）●外部事件：4路●進(jìn)樣器種類：填充柱進(jìn)樣器、毛細(xì)管進(jìn)樣器任選 ●檢測(cè)器數(shù)目：1個(gè)；FID、TCD，可選 ●啟動(dòng)進(jìn)樣：手動(dòng)、自動(dòng)任選●通信接口：以太網(wǎng)：IEEE802.3GC9217I檢測(cè)器技術(shù)指標(biāo) 氫火焰離子化檢測(cè)器（FID）●檢測(cè)限：Mt≤3×10-12g/s （正十六烷）；●噪音：≤5×10-14A●漂移：≤1×10-13A/30min●線性范圍： ≥106●最高使用溫度：≤450℃熱導(dǎo)檢測(cè)器（TCD）●靈敏度：S≥4000mV?ml/mg(正十六烷)（放大1、2、4、8倍任選）●噪聲：≤10μV●基線漂移：≤30μv/30min
上海本昂科學(xué)儀器有限公司
2021-08-23
三相感應(yīng)電動(dòng)機(jī)模型
寧波浪力儀器有限公司（余姚市朗海科教儀器廠）
2021-08-23
油氣水三相分離器
油氣水混合物高速進(jìn)入預(yù)脫氣室, 靠旋流分離及重力作用分離出大量的原油伴生氣, 預(yù)脫氣后的油水混合物經(jīng)導(dǎo)流管高速進(jìn)入分配器與水洗室, 在含有破乳劑的活性水層內(nèi)洗滌破乳, 再經(jīng)聚結(jié)穩(wěn)流后,流入沉降分離室進(jìn)一步沉降分離, 脫氣原油翻過隔板進(jìn)入油室, 經(jīng)計(jì)量后流出分離器, 水相靠壓力平衡經(jīng)導(dǎo)向管進(jìn)入水室, 從而達(dá)到油氣水三相分離的目的。
山東萬邦石油科技股份有限公司
2021-06-18
.jpg){kind=logo}
植物-環(huán)境信息快速感知與物聯(lián)網(wǎng)實(shí)時(shí)監(jiān)控技術(shù)及裝備
項(xiàng)目屬現(xiàn)代農(nóng)業(yè)技術(shù)領(lǐng)域，圍繞農(nóng)田信息快速感知、穩(wěn)定傳輸和精準(zhǔn)管控三大瓶頸難題，在植物養(yǎng)分/生理/病害信息快速感知，土壤水/鹽/養(yǎng)分特性多維快速測(cè)試，農(nóng)田復(fù)雜環(huán)境下信息無線穩(wěn)定傳輸，基于作物生長(zhǎng)需求的物聯(lián)網(wǎng)環(huán)境調(diào)控和肥水藥精準(zhǔn)管理等核心技術(shù)取得了重大突破，自主研制了系列產(chǎn)品和系統(tǒng)，總體達(dá)到了國(guó)際同類研究先進(jìn)水平，部分達(dá)國(guó)際領(lǐng)先水平。相關(guān)成果已經(jīng)在全國(guó)20 多個(gè)省市的農(nóng)田、果園與設(shè)施農(nóng)業(yè)等推廣應(yīng)用，取得了重大經(jīng)濟(jì)和社會(huì)效益，對(duì)推動(dòng)我國(guó)數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展具有重要意義。
浙江大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于多人眼感知分組特性的圖構(gòu)造方法
本發(fā)明公開一種基于多人眼感知分組特性的圖構(gòu)造方法，包括以下步驟：將待處理圖像過分割成多個(gè)超像素，并將超像素定義為圖的頂點(diǎn)；基于人眼感知分組特性中的空間鄰近特性，將在圖像空間中相鄰的超像素相連，作為圖的一部分邊；基于人眼感知分組特性中的顏色相似特性，將圖像中顏色特征相似的超像素相連，作為圖的另一部分邊；基于人眼感知分組特性的紋理相似特性，將圖像中紋理特征相似的超像素相連，作為圖的又一部分邊；基于PRSVM算法，學(xué)習(xí)空間鄰近度、顏色相似性和紋理相似性對(duì)圖中邊權(quán)的作用大小；將圖的邊權(quán)定義為相連的兩個(gè)超像素之間空間鄰近度、顏色相似性和紋理相似性的加權(quán)和。本發(fā)明充分考慮人眼的多種感知分組特性，有效描述圖像中各區(qū)域之間的關(guān)系，有助于對(duì)圖像中的目標(biāo)進(jìn)行檢測(cè)。
東南大學(xué)
2021-04-11
科學(xué)技術(shù)大學(xué).jpg){kind=logo}
面向車身環(huán)境感知及預(yù)警的高性價(jià)比智慧視覺系統(tǒng)
基于單顆 NXP 嵌入式芯片，研制一套可集成 4 至 8 路 高清視頻輸入的高性價(jià)比智慧視覺系統(tǒng)。該系統(tǒng)除了實(shí)現(xiàn)倒車影像、行車記錄、環(huán)視全景成像等基本功能外，還將進(jìn)一步基于深度學(xué)習(xí)算法，一體化集成車道偏離預(yù)警、前車碰撞預(yù)警、行人碰撞預(yù)警、盲區(qū)監(jiān)測(cè)及變道輔助、駕駛行為監(jiān)測(cè)等高級(jí)輔助駕駛功能，從而在不增加硬件成本的基礎(chǔ)上，為客戶提供高性價(jià)比的智慧視覺系統(tǒng)，實(shí)現(xiàn)各類型車輛的車身環(huán)境感知及預(yù)警。
中國(guó)科學(xué)技術(shù)大學(xué)
2021-04-14
.jpg){kind=logo}
一種多核多線程環(huán)境下 NUMA 感知的同步方法
本發(fā)明公開了一種多核多線程環(huán)境下 NUMA 感知的同步方法， 屬于并行計(jì)算領(lǐng)域。本發(fā)明提出的方法是：線程將同步請(qǐng)求結(jié)點(diǎn)插入 鏈表并在局部鎖上自旋，如果局部鎖被釋放并且請(qǐng)求已被執(zhí)行則返回， 否則該線程作為 combiner 線程，設(shè)置宿主 NUMA 節(jié)點(diǎn)，執(zhí)行請(qǐng)求的 回溯位置，然后開始執(zhí)行自己以及其他線程的同步請(qǐng)求，執(zhí)行完畢后 從當(dāng)前位置向前遍歷尋找來自宿主 NUMA 節(jié)點(diǎn)內(nèi)的線程，若找到則將 其作為新的 combin
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于地形改正的衛(wèi)星影像虛假地形感知現(xiàn)象改正方法
本發(fā)明公開了一種基于地形改正的衛(wèi)星影像虛假地形感知現(xiàn)象改正方法，從改變光照方向的角度出 發(fā)，引入地形改正中的 C 校正模型，通過建立原始影像與虛假地形感知現(xiàn)象改正后影像經(jīng)過地形改正后 的輻射關(guān)系，獲得虛假地形感知現(xiàn)象改正前后影像輻射值的對(duì)應(yīng)關(guān)系，進(jìn)而推導(dǎo)出改正后影像灰度值。 本發(fā)明方法能夠在改正虛假地形感知現(xiàn)象的同時(shí)，較好地保持原始影像的空間細(xì)節(jié)及光譜特性，可顯著 提高影像解譯準(zhǔn)確度。
武漢大學(xué)
2021-04-14
基于壓縮感知特征選擇的實(shí)時(shí)檢測(cè)跟蹤框架與跟蹤方法
本發(fā)明提出了一種基于壓縮感知特征選擇的實(shí)時(shí)檢測(cè)跟蹤框架與跟蹤方法(CFS)，本發(fā)明能夠?qū)?縮后的特征進(jìn)行選擇，只使用區(qū)分度高的樣本特征進(jìn)行分類;本發(fā)明能夠達(dá)到實(shí)時(shí)跟蹤，而且避免了由 于選擇了錯(cuò)誤的特征導(dǎo)致的跟蹤失敗現(xiàn)象，有效的抑制了不好的特征對(duì)跟蹤結(jié)果的影響，并且明顯提高 了跟蹤速度和跟蹤精度。
武漢大學(xué)
2021-04-13