高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
牙解剖放大模型(带数字标识)
XM-916A牙解剖放大模型(带数字标识)   XM-916A带数字标识牙解剖放大模型放大6倍,模型为尖牙、切牙、磨牙放大解剖模型,显示了切齿、尖齿、磨齿的不同形态,其中尖齿和磨齿作解剖,显示釉质、象牙质和牙髓腔内的神经血管等构造,有数字标识和对应的文字说明。 尺寸:放大6倍 材质:PVC材料
上海欣曼科教设备有限公司 2021-08-23
带数字标识胃解剖放大模型
XM-502-1带数字标识胃解剖放大模型   XM-502-1带数字标识胃解剖放大模型放大1.5倍,由胃冠状剖面两个部件组成,显示胃的形态贲门、幽门、胃底、胃体、胃小弯、胃大弯、角切迹、幽门窦、幽门管和胃壁的组织结构粘膜层,胃道、幽门瓣、粘膜下层、肌层、幽门插约肌、浆膜以及胃的血管和迷走神经等结构,共有多个部位指示标志。 尺寸:放大1.5倍,11×16×20cm 材质:PVC材料
上海欣曼科教设备有限公司 2021-08-23
带数字标识鼻腔解剖放大模型
XM-522-2鼻腔解剖放大模型(3倍,3部件,带数字标识)   XM-522-2带数字标识鼻腔解剖放大模型放大3倍,可拆分为3部件,展现了鼻腔及鼻侧壁、鼻软骨的解剖结构,带有多个部位数字指示标志。 外鼻:展示鼻骨及鼻软骨的切面。 鼻腔:外侧壁有上、中、下三个鼻甲突入鼻腔,形成上、中、下三个鼻道。 鼻副窦:示额窦、蝶窦和上颌窦。 尺寸:放大3倍,53×38×13cm 材质:PVC材料
上海欣曼科教设备有限公司 2021-08-23
带数字标识鼻腔解剖放大模型
XM-522-1鼻腔解剖放大模型(带数字标识)   XM-522-1带数字标识鼻腔解剖放大模型显示了外鼻(示鼻骨及鼻软骨的切面)、鼻腔(外侧壁有上、中、下三个鼻甲突入鼻腔,形成上、中、下三个鼻道)、鼻副窦(示额窦、蝶窦和上颌窦)等结构,共有17个部位数字指示标志及对应文字说明。 尺寸:放大,23×14×11cm 材质:PVC材料
上海欣曼科教设备有限公司 2021-08-23
带数字标识喉心肺解剖模型
XM-521A喉、心、肺模型(带数字标识)   XM-521A带数字标识喉心肺解剖模型由喉正中矢状切面、心冠状切面和肺等7部件组成,并显示喉、气管、胸腔内心脏、左右肺以及膈上的食道裂孔、主动脉裂孔等结构,共有51个部位数字指示标志及对应文字说明。 尺寸:自然大,40×26×12cm 材质:PVC材料
上海欣曼科教设备有限公司 2021-08-23
带数字标识盲肠阑尾放大模型
XM-507A 盲肠阑尾放大模型(带数字标识)   XM-507A带数字标识盲肠阑尾放大模型展现了回肠未端、回盲瓣、盲肠、阑尾、升结肠段结构及其动静脉血管和淋巴结的分布,带有多个部位数字指示标志和对应的文字说明。 尺寸:33×23×10cm 材质:PVC材料
上海欣曼科教设备有限公司 2021-08-23
语音识别集成电路 IP 与协处理器
1 成果简介语音识别在嵌入式芯片上实现的主要矛盾是算法实现的性能精度与芯片功耗、速度之间的矛盾,一个性能较好的 800 条典型汉语普通话语音识别算法以纯粹软件嵌入方案实现通常需要 200MIPS 以上 ARM( Advanced Risc Machine) MCU 处理速度,因此我们提出语音识别集成电路 IP 与协处理器来克服以上的问题,通过关键运算的硬件化映射来大幅提高语音识别计算的功耗和处理速度。该设计可作为语音识别集成电路 IP 放入客户的 SoC 芯片中,也可作为协处理器放在片外。 关键性能指标如下: *工艺:苏州 HJTC 0.18um 1P6M 标准 CMOS 工艺 *管芯面积: 1.5 x 2mm *逻辑规模: 3 万等效门(标准二输入与非门,不含 SRAM) *I/O 数: 52 封装: CQFP64 *存储规模:片上集成 1 片单口 SRAM,共 4K×16 比特 *供电电压:核心部分->1.8V, IO 部分->3.3V *正常工作频率: 20MHz(最高工作频率 100MHz) *功耗: 80uW/MHz *速度: 4us/帧(特征维数取 27,时钟频率取 20MHz) 图 1 语音识别集成电路版图图 2 ARM+语音识别协处理的测试系统表 1 与其他语音识别芯片的对比2 应用说明语音识别 IP 或协处理器基于对高斯混合模型计算的优化,适合于各种 HMM 模型的模式识别计算,在语音识别、说话人识别、说话人确认、语音合成等方面均可以广泛应用。 语音识别 IP 或协处理器以加速 ASIC 的模式工作,相同时钟主频下计算性能是 TI C54x系列 16bit DSP 的 5.5 倍以上,对主系统计算性能提升可以达到 4~8 倍。 语音识别 IP 或协处理器对于性能要求型场合和功耗限制型场合都十分适合,芯片支持16bit 并行总线接口,适合于各种 32 位/16 位 MCU 系统,迅速为系统集成高性能语音处理能力。3 应用范围车载导航, GPS 手机,支持大规模识别词表(例如万条以上的地名)支持模糊语音检索;低端手机平台,支持语音拨号、语音控制,支持用户身份确认、声纹密码。4 效益分析语音识别 IP 或协处理器芯片可应用拓展到个人移动信息终端的全市场空间,以 GPS 产品为例,细分的预装 GPS、个人导航设备( Portable Navigation Device, PND), GPS 手机三种产品,根据 CCID( Consulting China Research Center)咨询公司预测 2008 年这三者分别约占到全球市场总量的 15%、 35%和 50%。快速增长的 GPS 市场,对语音识别功能有着非常迫切而又实际的需求, GPS 应用提出的超大规模词表、高混淆度和高环境复杂度这一系列语音识别的技术难题,也只能由语音识别芯片解决。语音识别加快了人机交互与地名等信息的检索,可提高驾驶期间操作 GPS 的行车安全性,同时可以反过来进一步促进 GPS 产品的销售增长。 语音识别技术通过芯片在性能得到大幅提升后,将摆脱传统的人名拨号功能,可用于菜单控制、地名、信息、多媒体内容的检索等等。而语音识别芯片使得低功耗和低成本的要求得以满足,有望成为手机人机交互界面( Man-Machine Interface, MMI)发展的新技术增长点,移动通信领域的市场潜力特别巨大。
清华大学 2021-04-13
技术需求:1.飞行器控制主板软件设计。 2.无人机多功能一体化遥控器(图像显示)的开发 3.深度智能追踪和识别目标
1.飞行器控制主板软件设计。2.无人机多功能一体化遥控器(图像显示)的开发3.深度智能追踪和识别目标
临沂高新区翔鸿电子科技有限公司 2021-08-25
RFID八通道读写模块工业物流仓储多标签识别抗干扰远距离识别模组
产品介绍 CK-M8L超高频RFID读写模块是小型化的UHF RFID 读写器 ,集成了模拟射频前端与基带数字信号处理模块等功能;用户只需要在模块的基础上作电源处理即可,可以很方便的通过API函数库控制模块工作适合各种应用场景用户开发。该模块支持固件升级,可满足协议扩展和功能扩展的应用需要。     产品特点 支持多种协议:ISO 18000-6C/EPC C1G2 、 ISO 18000-6B、国标GB/T29768-2013(可拓展支持)。 密集读取:端口最大输出33dBm,可根据需要设置功率,可应对非常密集的使用环境,多标签识别算法,每秒可识别超过400张以上。 能够定频或跳频工作。 输出功率可调,调节步进:1dBm。 支持标签数据过滤、支持防碰撞协议、支持多标签识别。 全频段、大功率、灵敏度高、功率准、零配置即可获得最佳性能。 规格参数 主要规格参数 产品型号 CK-M8L 性能参数 频率范围 940MHz~960MHz 空口协议 EPC C1G2、ISO18000-6B/C、GB/T29768-2013(可选配) 功能特点 支持密集读写、多标签识别、支持标签数据过滤、支持RSSI:可感知信号强度 通道数 8通道 RF输出功率(端口) 33dBm±1dBm(MAX) 输出功率调节 ±1dBm 前向调制方式 DSB-ASK、PR-ASK 连续读标签距离(读EPC码) 0-10米,连续读100次,读取成功率大于95%(无干扰环境)(8dBi圆极化天线@H3) 连续写标签距离(写EPC码) 0〜4米(与标签芯片性能有关),连续写100次,写成功率大于90%(8dBi圆极化天线@H3) 标签识别速度 >400次/秒 通讯口 TTL串口 物理接口 15PIN端子 1.25mm间距 空口协议 ISO 18000-6C/EPC C1G2 、 ISO 18000-6B、 GB/T29768-2013(可拓展支持) 功能特点 支持密集读写、多标签识别、支持标签数据过滤、支持RSSI:可感知信号强度 读卡功耗 (33dBm):8W 物理参数 外观尺寸 93*72*8mm 外壳材质 铝型材外壳 安装方式 通过四个螺丝孔固定 电源 工作电压   操作环境 工作温度 -20°C~+70°C 储存温度 -40°C~+85°C 工作湿度 <95% (+25°C)
深圳市斯科信息技术有限公司 2025-12-27
一种目标检测方法
本发明公开了基于维数递增弱线性回归树的目标检测方法,其步骤为:①准备训练样本集(xi,yi),i=1,……,N,xi 表示训练样本的特征值集合,yi 为样本类别,N 为训练样本数,N 为自然数;②初始化训练样本权重为其中 t 为自然数,初始化时 t=1;③对样本集合进行循环计算,选定循环次数 T,T 为自然数每次循环都得到一个线性回归树作为弱分类器。等到 T 次循环完成后,再将 T 个弱分类器合成一个强分类器;④使用该强分类器对数字图像中的各个区域进行分类,从而判断是否为
华中科技大学 2021-04-14
首页 上一页 1 2 3 4 5 6
  • ...
  • 347 348 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1