产品详细介绍 JK系列医用全自动喷淋清洗消毒器  皖合药监械（准）字2010第1570107号  合肥金尼克机械制造有限公司   地址：合肥双凤开发区凤麟路38-2号 联系人：苏苏 电话：13215694991/13275601658/0551-65683226 传真：0551-3511286 本仪器是根据医院的特点设计的专用的喷淋全自动清洗设备，主要适用于医用手术刀，手机，止血钳，内镜活检钳、镊子、注射针头、各式大小注射器、试管、玻璃片、换药碗、各种盘子、圆桶、测压器等放射性、污染性、大批量、高洁度的予浸后的清洗，是医院口腔科、内镜中心、手术室及供应室的必 备设备。  仪器型号 JK-DY120 JK-DY360 JK-DY500 JK-DY600  仪器尺寸(mm) 1250*600*1800 1400*700*1800 1580*800*1800 1700*640*1800  清洗内槽尺寸（mm） 500*300*800 500*450*800 600*550*800 700*750*800  清洗容量 120L 360L 500L 600L喷淋电功率 1500W 1500W 1750W 1750W  风压电功率 50W 750W 1100W 1100W  水加热电功率 14KW 20KW 35KW 35KW  干燥加热电功率 6 KW 6 KW 8 KW 8 KW  耗电最大功率 16 KW 22  KW 37 KW 37 KW  最高干燥功率 105℃  最高消毒温度 98℃  工作时间可调 1-480min  清洗剂投量 150ml/min  防锈剂投量 150ml/min  清洗剂排放方式 一个清洗周期自动排放一次  防锈剂投量方式 一个防锈润滑处理周期自动排放一次  清洗车进出 手控进出  开、关门方式 电动开关门或手动开关门  工作噪音 55db水源压力 0.10MPa-0.80MPa  电源电源 380V/220 50HZ

产品详细介绍万深 全自动菌落计数分析仪（HiCC-Y型）一、用途：用于自动微生物菌落计数分析等二、主要性能参数指标：1 成像装置★超大变焦镜头的佳能EOS单反相机、1800万像素真彩CMOS (5184×3456)。最高分辨率0.014mm，可分辨大于0.016mm的菌落（对90mm平皿=90mm /3456像素=0.026mm/像素；对50mm平皿=50mm /3456像素=0.014mm/像素）。光源：可实现均匀背光成像、悬浮式暗视野正面成像的上下双光源★具有9点自动聚焦、动静态图像并行观察、自动白平衡、自动色温控制。系统内含扫描仪接口，还可以通过扫描仪成像分析具有图象增强、色度调节、灰度负相变换，图像亮度、对比度、饱和度调整功能，调整值自动记忆保存。具有视野导航、任意放大、缩小、局部观察功能适应培养皿：50～140mm（倾注、涂布、膜滤、螺旋平皿、3M纸片）2 菌落计数分析★自动识别统计：SmartdownTM菌落智能识别技术，具有菌落目标自动增强特性，自动识别大规模团状、链状粘连的长形杆菌（显微形态大片粘连的大肠杆菌、病菌孢子）及平皿上的各类菌落（含金色葡萄球菌计数（GB4789.10-2016）、大肠菌群测定（GB4789.3-2016）等等）。可自动形成批处理向导，实现一键式自动计数自动计数精度≥96.5%，最多监视修正3.5%，即达100%正确。分析统计速度：150～800个菌落/s ★菌落粘连分割：自动分割相互成片粘连的长形、圆形等菌落目标，用户可选择分割或不分割。还可手动分割、合并菌落目标图像★颜色形状识别：具有快速水平集提取技术，可按20类分类识别计数特定颜色、形状的菌落数量，并可类别转换修正。可同时选择6个目标区自动分别分析，并自由增减或编辑分析目标区菌落形态分析：自动获得各菌落面积、等效直径、长轴、短轴、长宽比、圆度、周长、形状系数等。可按形态指标过滤查询。鼠标点击修正，无痕剔除网格及文字，自动剔除杂质，有效支持复杂微生物统计，符合GB4789.2-2016的参数自动换算特性。3 测量、导出查询与升级可经标定后，测量抑菌圈直径（测量分辨率0.05mm）。分析图像与数据结果可保存，可直接报告结果，无需手工计算，结果可以直接导出到Excel或PDF文档报告，可统一保存或查看阅读相关各类分析数据和图像证据，并形成总报表。尺寸自动标定及人工标定。具有可视化比对、交互式精确测量、编辑功能。最新Windows操作界面，简便易用，★软件可自主在线升级。三、系统配置：带超大变焦镜佳能EOS单反相机的光学成像装置 1台万深HiCC系列全自动菌落计数分析软件及锁 1套品牌电脑（酷睿i5 CPU / 8G内存/ 19.5”彩显/无线网卡，5个以上USB2.0口，运行环境Windows 10完整专业版或旗舰版）1台

(1) 在国内首次建立了网络化制造系统模式库。该模式库包括面向独立企 业、面向企业集团、面向区域、面向行业、面向企业动态联盟等五大类网络化 制造系统模式，每类模式包括体系结构、实施方案、软件集成接口、运行模式和 实施案例。其中创新性和效益比较突出的两类模式是： •在国内首次提出了企业级的网络化制造系统模式一一基于企业内、外部 网络化制造的企业信息化模式，设计出了相应的体系结构，在各大中型企业 成功实施和应用。 •在国内外首次提出了面向区域制造业的网络化制造系统模式一一“区域 性网络化制造系统"模式，被第27届国际计算机和工业工程大会选为大会主题报 告。被国家科技部列入了国家863计划，在国内外产生了较大影响。并成功设计 出了相应的体系结构和运行模式，已在我国3个省市得到了成功应用。（2）在国内以领先优势中标国家十五科技攻关项目“网络化制造平台"， 在此基础上开发成功了我国第一个多功能的网络化制造平台，通过科技部的验 收。平台由集成框架和计算机网络、数据库等五个层次组成。最顶层是应用功能 系统层，其中应用效果比较突出的应用功能系统有网络化分销管理系统、网络化 销售与定制系统、网络化协同工作支持系统和网络化软件资源共享支持系统； 前两个功能系统被国内外院士、专家组成的鉴定委员会鉴定为“国内领先" 和“国际先进水平"。

1、 本项目属网络化制造领域，是先进制造技术、计算机网络技术和现代 管理技术等学科的交叉领域。获得了 2006年度国家教育部科技进步一等奖。 2、 项目主要科技成果如下： (1)   在国内首次建立了网络化制造系统模式库。该模式库包括面向独立企 业、面向企业集团、面向区域、面向行业、面向企业动态联盟等五大类网络化 制造系统模式，每类模式包括体系结构、实施方案、软件集成接口、运行模式和 实施案例。其中创新性和效益比较突出的两类模式是： •在国内首次提出了企业级的网络化制造系统模式一一基于企业内、外部 网络化制造的企业信息化模式，设计出了相应的体系结构，在各大中型企业 成功实施和应用。 •在国内外首次提出了面向区域制造业的网络化制造系统模式一一“区域 性网络化制造系统"模式，被第27届国际计算机和工业工程大会选为大会主题报 告。被国家科技部列入了国家863计划，在国内外产生了较大影响。并成功设计 出了相应的体系结构和运行模式，已在我国3个省市得到了成功应用。 (2)   在国内以领先优势中标国家十五科技攻关项目“网络化制造平台"， 在此基础上开发成功了我国第一个多功能的网络化制造平台，通过科技部的验 收。平台由集成框架和计算机网络、数据库等五个层次组成。最顶层是应用功能 系统层，其中应用效果比较突出的应用功能系统有网络化分销管理系统、网络化 销售与定制系统、网络化协同工作支持系统和网络化软件资源共享支持系统； 前两个功能系统被国内外院士、专家组成的鉴定委员会鉴定为“国内领先" 和“国际先进水平"。市场及经济效益分析： 制造业量大面广，是一个国家和区域的支柱产业。当前，制造全球化和制造 网络化是现代制造业的主要发展趋势之一。本项目成果一方面能为一个区域网络 化制造和云制造服务平台的设计和开发提供方法、方案、技术、成果和产品支 持，另一方面也能为一个企业实施互联网+和云制造，为企业实现与互联网的融 合创新提供方法、方案、技术、成果和产品支持，具有广阔的推广应用前景。 本项目成果已在长安、力帆、铁马、贵阳普天等多家大型企业和华陶、华洋 等数十个中小企业以及重庆、泉州市、内江市等多个区域得到成功应用，已 取得了显著经济效益和社会效益，并且有广阔的应用前景。例如：长安汽车公 司、重庆力帆集团等大型企业应用本成果中企业级网络化制造系统模式及相关技 术，建立了创新的企业信息化系统，取得显著的应用效益；又如，重庆华洋电器集团、江津增压器厂等大型企业系统地应用了本成果网络化制造系统模式及网络 化制造平台中有关技术，系统实施和建立了创新的企业信息化系统，取得了显著 的应用效益。

一、成果简介 1、本项目属网络化制造领域，是先进制造技术、计算机网络技术和现代管理技术等学科的交叉领域。获得了2006年度国家教育部科技进步一等奖。 2 项目主要科技成果如下： （1）在国内首次建立了网络化制造系统模式库。该模式库包括面向独立企业、面向企业集团、面向区域、面向行业、面向企业动态联盟等五大类网络化制造系统模式，每类模式包括体系结构、实施方案、软件集成接口、运行模式和实施案例。其中创新性和效益比较突出的两类模式是： ● 在国内

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。

LED半导体照明由于环保、寿命长、光电效率高等众多优点,已经成为主要的照明方式。LED一般只能在是2~3伏低电压工作,必须要设计复杂的电源转换电路,不同用途的LED灯配备不同的电源适配器。LED芯片和电源装在一起，一般空间狭小,散热条件差,驱动电源的质量直接影响半导体照明的使用寿命。对驱动电源的要求包括转换效率、有效功率、恒流精度、电源寿命、电磁兼容等。实际应用过程中,因此必须要综合考虑这些因数。LED驱动电源面临几个挑战:首先是驱动电路寿命;其次是转换效率,尤其大功率应用中,可减少热耗散;再次是调光功能;最后是控制成本。