葡京娱乐场-富盈娱乐场开户

機器人在煤礦救援領域發揮著越來越重要的作用，但仍存在無法精確識別災后環境、無法適應井下復雜地形以及難以檢測、定位井下生命體等問題。 一、項目進展 創意計劃階段 二、負責人及成員 姓名 學院/所學專業 入學/畢業時間 柳佳樂 自動化18-2 2018-2022 劉浩峰 計算機科學與技術18-7 2018-2022 石少勇 測控技術與儀器18-2 2018-2022 欒廣鑫 電氣工程及其自動化18-5 2018-2022 李明晶 測控技術與儀器18-1 2018-2022 三、指導教師 姓名 學院/所學專業 職務/職稱 研究方向 楊洪濤 機械工程學院 教授 精密測試技術、儀器精度理論及應用、自動化測控系統 凌六一 電氣與信息工程學院 教授 智能信息處理、光電檢測及環境光譜探測技術 蘇樹智 計算機科學與工程學院 副教授 人工智能、模式識別、機器視覺、信息融合、深度學習等領域 四、項目簡介 目前，機器人在煤礦救援領域發揮著越來越重要的作用，但仍存在無法精確識別災后環境、無法適應井下復雜地形以及難以檢測、定位井下生命體等問題。為此，本團隊充分利用六足機器人高穩定性和多地形適應性的優勢，應用激光雷達、深度相機和其他輔助傳感器，設計仿生六足煤礦救援機器人，結合SLAM、A*、ROS等先進技術，實現礦井災后局部復雜環境的三維地圖構建、地形障礙物識別以及機器人自主路徑規劃。機器人所獲信息實時無線傳輸至上位機，幫助救援人員快速制定科學有效的救援方案。

型號/規格： A、B 產品描述： 由高分子材料制造，與麻醉針和麻醉導管配套使用。 適用范圍： 用于輔助麻醉導管穿入麻醉針，以起到定位作用。

產品詳細介紹 圖像定位系統  系統概述 電教攝影師都有這樣一個體會：工作很辛苦！尤其是在多機位拍攝時，更加辛苦。當富有激情的老師授課時，在講臺上來回走動，不斷展示新的PPT幻燈片，經常與學生交流，為了拍攝好這樣的授課情景，攝影師十分忙碌：需要不斷推拉攝像機跟蹤拍攝老師圖像，需要通過切換臺不斷在VGA與攝像機之間進行切換，還需要調整攝像機對準回答問題的學生，并進行鏡頭切換。有了PowerCreator Graphic Position System 圖像定位系統后，這些工作都可以自動完成（還需要PowerCreator Media Cast配合使用，后面有詳細介紹），無需人工參與。 　　　　　　　　　　　 圖像定位系統結構圖如下所示：    功能特點 系統組成 PowerCreator Graphic Position System 由兩個子系統組成：教師跟蹤系統與學生定位系統。教師跟蹤系統自動計算教師在講臺上的位置，通知教師攝像機進行轉動；學生定位系統自動識別站立學生所處的位置，通知學生攝像機進行定位，以特寫的方式進行拍攝。 跟蹤目標不會丟失 與市場上同類產品相比，PowerCreator Graphic Position System 的一個最大特點就是：跟蹤目標不會丟失，即使在講臺上以最快的速度跑動。    真正滿足常態化教學要求 錄播系統解決方案中，對于如何拍攝學生畫面一直是一個難題，一般解決方案都需要學生按一個觸發器（可能是按鍵、 手持麥克、壓力感應器等），這些技術不具備實用價值，違反了常態化教學要求。PowerCreator Graphic Position System很好的解決了這個問題，學生和老師無需做任何操作，只需要回答問題時，站立起來就可以了。 抗干擾性強 基于紅外技術的產品，容易受太陽光、熱光源等因素干擾；基于超聲波技術的產品，長時間使用，對人身體健康有害。相比前兩種技術，PowerCreator Graphic Position System 基于圖像識別技術，很好的解決了以上問題。 部署簡單 安裝部署PowerCreator Graphic Position System，只需要在教室的幾個不同位置安裝攝像機就可以了，十分方便。

簡介： 1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。 層級分割模型示意圖  分類模型可視化熱圖   2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。 鉬靶乳腺圖像預處理   雙側雙體位深度學習網絡   優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。  

1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。層級分割模型示意圖 分類模型可視化熱圖 2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。鉬靶乳腺圖像預處理 雙側雙體位深度學習網絡 優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。

本項成果對傳統的協調控制算法進行了優化研究，可以使城市道路綠波帶控制的效果得到改善，使交叉口通行效率獲得提升。仿真表明，本項成果的應用可以使延誤減小10%~20%。

本發明公開了一種工件位置追蹤定位方法，包括如下步驟：1) 在車間劃分出多個監測區域，在各監測區域處分別設置攝像頭；2)將 各攝像頭采集到的視頻圖像分別傳送給計算機，并進行運動物體識別； 3)根據各超高頻 RFID 讀寫器的讀取距離，在各監測區域內再分別選定 一個與超高頻 RFID 讀寫器的讀寫距離相應的掃描區域；4)確定工件的 位置信息及所處的加工狀態，并將所得到的上述信息上傳至 MES 生產 管理系統。本發明能夠提

因果關系是自然界現象之間最普遍和最基本的聯系。在物理學、生命科學、地理學等各個自然科學領域乃至哲學、經濟學等社會科學中，發現內蘊的因果關系、因果網絡可以反映系統演化的核心互作機制，具有重要的科學意義。

1. 痛點問題 工業時序數據具有應用領域廣、數據規模大、經濟價值高的特點，蘊含的巨大商業價值，因而其安全性受到不法分子采用黑客攻擊等技術手段以及雇傭商業間諜等非技術手段的威脅。數據所有者通常會采用前效方法對數據庫中的數據加以保護，但是這些方法只能有效防止外部人員進行非法盜竊，對于內部人員盜竊等途徑并不能有效遏制。數字水印是解決數據在傳播過程中安全問題的一個主流分支，通常的數字水印采用分組多數投票方法來提升算法的魯棒性，但時序數據通常有較多的噪聲，高價值數據點相對集中，因而一個未經加權的投票算法可能會因為大范圍的噪聲干擾而導致水印判定失效。此外，常見時序數字水印算法基于時間戳進行水印嵌入計算，容易受到更改時間戳或頻率變換的攻擊，一旦時間戳序列大幅度改變，水印提取算法將受到很大影響，很可能導致水印提取完全失效。 2. 解決方案 工業物聯網數據是工業大數據規模迅速擴張的主要來源。各類物聯網傳感器以極高的頻率采集其所在設備的工作狀態數據，通常為一系列包含數據產生時間戳（Timestamp）和采集數據（Data）形式為(Timestamp, Data) 的元組序列，稱為時間序列。工業時序數據具有應用領域廣、數據規模大、經濟價值高的特點，蘊含的巨大商業價值，因而其安全性受到不法分子采用黑客攻擊等技術手段以及雇傭商業間諜等非技術手段的威脅。 數據所有者通常會采用前效方法對數據庫中的數據加以保護，包括但不限于：數據加密、用戶權限劃分等等。但是，這些方法只能有效防止外部人員進行非法盜竊，對于內部人員盜竊等途徑并不能有效遏制。數字水印是解決數據在傳播過程中安全問題的一個主流分支，常見時序數字水印算法基于時間戳進行水印嵌入計算，容易受到更改時間戳或頻率變換的攻擊，一旦時間戳序列大幅度改變，水印提取算法將受到很大影響，很可能導致水印提取完全失效。此外，數字水印通常采用分組多數投票方法來提升算法的魯棒性，但時序數據通常有較多的噪聲，高價值數據點相對集中，因而一個未經加權的投票算法可能會因為大范圍的噪聲干擾而導致水印判定失效。 本項目針對常見的水印失效場景進行了分析，提出了能夠有效提示水印魯棒性的技術，更好的確保數據安全的管理能力。 3.合作需求 在全國范圍內工業互聯網/工業大數據相關領域尋求應用場景，希望能與能源/裝備制造行業的大中型企業開展這方面的合作研究和落地實施；并針對上述企業開展包括二次開發在內的各類實際應用，助力企業降本增效、轉型升級。