本实用新型涉及一种全海深超高压海水采样器自主浮力调节装置。本实用新型主要包括外部支架、耐压壳体、耐压壳体端盖、外部油囊、压力传感器、水下距离检测仪以及浮力控制瓶，所述浮力控制瓶安装在外部支架外侧，耐压壳体安装在外部支架内腔，耐压壳体薄壁圆筒结构，其两端固定连接有耐压壳体端盖，液压缸安装在耐压壳体上，外部油囊和液压缸之间通过螺纹连接，耐压壳体内的无刷电机通过减速器和丝杆螺母与液压缸内的活塞连接；所述的外部支架还装有压力传感器和水下距离检测仪。本实用新型可以搭载全海深超高压海水采样器，调节全海深超高压海水采样器在水下的浮力大小，从而达到自主无人控制全海深超高压海水采样器的潜水深度。

膜蛋白生物标志物的超高灵敏度、高通量、多目标及操作简便的常压敞开式质谱（AMS）免疫分析新方法。该方法可实现微升级体液中或几十个细胞表面的疾病蛋白标志物的原位检测，检测灵敏度达zeptomole（zmol）水平。实现了血清样品中CA125等生物标志物的检测，有望用于卵巢癌和乳腺癌的早期诊断。该平台还可实现低至25个细胞水平的OVCAR-3和MCF-7细胞表面的重要三种生物标志物（CA125、CEA和EpCAM）的同时、原位表达差异测定，显示了超高的灵敏度和多目标同时检测能力，且具有普适性和可拓展性。

本发明涉及一种超高强度钢轴类零件的加工方法。该方法通过在一台高速外圆磨床上装夹超高强度钢轴类零件，经过装置设置和零件装夹、粗磨、半精磨和精磨四个工艺流程，在粗磨、半精磨、精磨工艺流程开始之前和之后对零件进行强冷降温，并在上述三个工艺流程过程中对磨削区域自上而下喷射高压气、液混合流体。本发明具有磨削力小，磨削效率高；提高了材料的脆性，并改善了材料的加工性能；减少了磨削热的产生和温升，减少了加工表面烧伤与硬化；无需二次装夹，减小装夹误差，提高加工精度和加工效率。

本发明属于纳米材料的制备与改性领域，具体公开了一种超高 纯度碳纳米管导电浆料，其制备方法包括以下步骤，首先在硅片表面 沉积一层氧化铝薄膜，接着在氧化铝薄膜上溅射铁薄膜，然后将附有 铁薄膜的硅片退火，使用水辅助超级生长法获得阵列碳纳米管，最后 将碳纳米管剥离,使用超声与球磨混合分散法分散于溶剂 N-甲基吡咯 烷酮中,即获得所述超高纯度碳纳米管导电浆料。本发明还公开了该超 高纯度碳纳米管导电浆料在锂电池中的应用。本发明优

本发明公开了一种具有超高抗盐性能的有机复合材料的制备工艺。包括以下步骤：通过计算模拟得出膜微观形貌中凸点形态和凸点间距h。计算得出形成凸点颗粒的平均直径D。将分散型聚四氟乙烯颗粒进行热固化处理和解团聚处理，得处理颗粒a；根据凸点间的h，得出处理颗粒a和分散型PTFE颗粒的配置比例，按照比例混合搅拌后纤维化处理，得到处理颗粒b；将两种颗粒分层放置，通过拉伸工艺形成非对称性膜；将氟类单体、静电传导材料与醇类溶剂混合得到预制溶液；将预制溶液喷射在基材表面得到处理基材；将非对称性膜热压覆合在基材上形成有机复合材料。此种膜材料适用于不同行业烟气过滤体系，尤其适用于盐析程度高的中低温烟气体系的净化。

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵

本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。

本发明提供了一种基于光学环镜的超宽带脉冲编码调制装置， 包括高非线性光纤、延时干涉仪和两个光纤耦合器，延时干涉仪包括 探测光输入口、探测光输出口、两个输出端口、第一耦合器、第二耦 合器、以及从第一耦合器延伸到第二耦合器的上臂和下臂，上臂和下 臂均置于一个温度控制装置中；高非线性光纤连接在两个输出端口之 间，两个光纤耦合器均设置在高非线性光纤上，用于分别引入外部的 信号泵浦光脉冲和辅助泵浦光脉冲。本发明采用光学非线性延

本发明公开了一种变线宽激光振镜扫描快速刻蚀方法，本发明 利用激光束离焦后功率密度梯度变小光斑变大的原理以及高速振镜扫 描误差精确矫正方法，通过设置不同的在焦和离焦激光加工距离及对 应功率参数和激光振镜扫描参数来控制激光光斑大小，对图形填充区 采用离焦后的大光斑光栅扫描填充，然后对图形轮廓进行矢量扫描勾 勒。本发明针对不同的工作距离预先进行振镜扫描误差矫正，生成高 精度振镜扫描定位表，确保在不同激光加工距离获得同等高精

成果简介： 主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。