产品详细介绍世界上性价比最高的专业CD/DVD 光盘打印机 Bravo SE AutoPrinter 是Primera 公司最新出品的“all-in-one”全自动化光盘打印系统。她将full-color 、4800dpi的图象直接打印在CD/DVD光盘表面。Bravo SE AutoPrinter 设计精致华丽，您可以一次性将最多20片空白表面光盘交给Bravo SE 来处理。她能自动的感应光盘的输入和输出，其低廉的价格同等与其他手动光盘打印机。 全自动“无人值守”CD/DVD打印系统 您是否曾经使用光盘贴纸一张一张的打印粘贴您的光盘？您肯定知道需要花费大量的时间和精力去实现这样的工作。或者花费大量的时间和成本去外面加工您的光盘。如果是这样，我想您需要寻找一个更好的方法去解决您的难题。现在Primera 新推出的Bravo SE disc 光盘制作系统能为您解决难题。Bravo SE是一款小巧精致、“all-In-one”自动化小型光盘打印机。她能生产出真彩色、高质量的CD/DVD光盘，让您的企业突显出更加专业的形象。 智能机械手技术 Bravo SE 让复杂的机械工作更加简单。她使用Primera 公司的第六代智能机械人技术，让整个工作更加的稳定，同时也提高制作工作效率。 Bravo SE 是怎样工作的？  1、 Bravo SE 的机械手从光盘输入仓抓起一张空白光盘。 2、 机械手将光盘移动到4800DPI 喷墨打印机盘架上。 3、 光盘开始打印。 4、 打印完成后，机械手抓起打印拖架上的光盘，将他放置到输出仓里面。 5、 然后重复上面的工作打印第二张。 Bravo SE 为您做了所有的工作——无人值守、自动化的。她为您降低了光盘制作的时间和成本。 Bravo SE 光盘打印机详细技术参数 产品名称 派美雅(primera) Bravo SE 光盘打印机(单打印) 产品型号 Primera Bravo SE AutoPrinter 光盘容量 20片光盘 全自动输入/输出 取盘技术 AccuDisc™ 全自动智能机械手取盘技术 打印方式 喷墨 打印分辨率 最高4800 dpi; 在驱动程序中可调打印分辨率及光盘盘面大小 驱动器 无 最大打印宽度 4.724" (120mm) 墨盒 一个CMY彩色墨盒；Primera P/N:53332或P/N:53335 色彩 1670 万色 配色方案 包含Primera Z-Color™配色方案 盘面编辑软件 PC: SureThing™ CD Label Software Primera Edition 简体中文版盘面制作软件 Mac: 为Mac® 和Windows用户提供 EPS 盘面设计模板   支持介质 可打印光盘，包括（BD-R，DVD±R，CD-R；普通或防水可打印光盘） 数据接口 一个USB 2.0接口 支持操作系统 PC：Windows XP/2000和Vista；Mac：OS X v10.2 或更高, 包含两个操作系统的软件 最低系统配置 (PC) Pentium III 700MHz或更高处理器, 512MB 内存, USB 2.0接口,NTFS 文件系统 最低系统配置 (Mac) PowerPC G4 700MHz或Intel® Solo/Duo Core™更高处理器，256MB内存，USB 2.0接口 电源 100-240 VAC, 50/60Hz, 60 watts 输入电源 12VDC, 5A 重量 11.5 lbs. (4.1 kg) 尺寸 15”W x 14.75”H x 7”H (381mmW x 375mmH x 178mmH) 认证 安全认证: UL, UL-C,RoHS 电气认证: FCC Class B，CE 保修 标准一年保修(可扩展)  

产品详细介绍主要技术指标：测量范围：碳：0.02％～12.8％（需改变称样量）  硫：0.001％～3.00％测量时间：45秒左右（不含称样、取样时间）测量精度：符合GB/T223.69-97　     GB/T223.68-97标准电源电压：220V±10％　50Hz主要特点：气体容量法测碳（液体吸收，可长期使用，不需更换）、碘量法定硫；碳硫检测均全自动检测；进口精密传感器检测数据，测量结果液晶屏显示，测试报告自动打印；标样参数掉电自动保存，随时调用，采用19264大屏幕蓝底LCD显示，显示直观，显示内容丰富；采用高性能单片机控制，CPLD技术，抗干扰能力强，可靠性高，全部功能单键操作，方便快捷；连接电子天平可进行不定量称样，提高了分析检测速度；可选择钢铁，一次，二次吸收，具有日期打印功能。操作简单，维护方便，快捷。

产品详细介绍KAF-CPR300型高级自动电脑心肺复苏模拟人 　　第四代高级KAF／CPR300型自动电脑心肺复苏模拟人，是经国内权威专家建议指导下，集国外同类产品之长处及公司科技人员的共同努力而开发的智能型电脑控制第四代新产品，是目前国内外功能最先进，造型更完美，使用更方便的领先产品。 功能特点：模拟标准气道放开。 人工手位胸外按压。人工口对口呼吸(吹气)。操作方式：初学练习、单人考核、双人考核。显示功能：①数码显示学员操作情况的各种计数、倒计时。                    ②移动显示的条形数码动态反馈CPR按压深度、吹气量度。  有语言提示设定及音量调节关闭设定。   操作时间的设定。  操作频率的设定。  操作时或考核操作成功后模拟人颈动脉自动博动。   考核操作成功后，瞳孔由散大自动缩小恢复正常。  考核操作成功后，心脏自动恢复跳动声音。  成绩打印功能：长条成绩单与短条成绩单。 材料特点：　　头部皮肤、胸部皮肤材料采用进口硅橡胶材料注模制作，具有准确的解剖标志和真实的操作手感和动感，脸皮可自由更换。 专利产品：ZL01 2 74357.7

AH48全自动核酸提取工作站，基于上吸磁珠法提取纯化核酸原理，整合振荡式核酸提取纯化与移液臂组合，实现大量样本核酸的快速高效制备纯化。工作站集试剂样本自动加载，核酸提取，PCR体系构建等诸多功能于一体，实现了全流程的自动化操作。整个工作过程无需人工干预。配合相应的核酸提取试剂，可处理血清，血浆，全血，拭子，羊水，粪便，组织灌洗液，组织，石蜡切片，细菌，真菌等多种样品类型，广泛应用于检验，疾病防控，动物检疫，出入境检验检疫，食品安全，法医痕迹检验，科学教研等领域。 所提取出的高质量核酸（DNA和RNA）可用于高灵敏的下游分析，如定量PCR、临床分子诊断、基因表达分析、基因分析、法医及传染性疾病研究等；纯化后的核酸可直接应用于下一步的酶切、鉴定以及疾病诊断、治疗等。

执行标准:GB/T 50082-2009，JTG 3420-2020 NELD-TS710全自动收缩膨胀测定仪，设备用途：混凝土收缩变形测量。满足标准：《普通混凝土长期性能和耐久性能试验方法标准》GB/T50082-2009。本品采用全自动采集的方式测量硬化混凝土的收缩膨胀。设备配置高精度光栅传感器，采集的数据可以曲线呈现，方便用户观测收缩膨胀趋势。6、15、30、60通道可选。设备可用于干缩变形试验、俆变收缩试验等接触式收缩膨胀试验。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

本实用新型公开的光学干涉式重力仪中的闭环信号采集装置，具有稳频激光光源、第一分束器、落体棱镜、参考棱镜、两个平行设置的平面反射镜、第二分束器、光电探测器、相位调制器以及PC上位机或者示波器。由光电探测器将落体棱镜下落过程中采集的光信号作为反馈信号输给相位调制器，相位调制器输出一个偏置相位，补偿落体下落过程中测试光和参考光之间的相位差，相位补偿至2π后立即重置，并且重复相位补偿过程。通过相位调制器引入的相位差以及产生相位差的电压值作为最后获得的信号数据。本实用新型结构简单，信号数据处理简便，测量灵敏度高。

本实用新型提供一种氧气钢瓶充装过程超温预警装置，所述装置包括数字温度采集装置以及无线接收装置，所述数字温度采集装置安装在待测氧气钢瓶的周围，并对应每个氧气钢瓶储存有该氧气钢瓶的设备编号;所述数字温度采集装置通过无线通信方式将温度数据发送至无线接收装置上使工作人员能够及时发现氧气钢瓶温度情况，并且事故钢瓶序号实时传输到人手中的显示器上，准确、高效、无需人工，节省人力。