葡京娱乐场-富盈娱乐场开户

產品詳細介紹

如何及時感知學生的學習狀態是中小學教育中的難點。傳統課堂教學中，教師需要在講課的同時觀察數十名學生的學習狀態，難以做到面面俱到；而在家庭練習中，父母陪同觀察孩子既費時又會引起孩子的緊張和反感。針對這一應用需求和痛點，本項目計劃研發一款能夠自動及時感知中小學生的智能相機。該相機將采用人工智能和大數據的前沿技術，對中小學生的學習行為進行自動采集和分析，智能感知學習狀態，并反饋給教師和家長進行參考，據此調整教學內容和形式，從而達到改善教學效果、提高學習成績

具有高靈敏和多維集成的柔性感知電子器件在可穿戴健康監測和智能機器人等領域具有廣闊的應用前景，是當今重要前沿研究方向之一。現有國內外柔性感知在高靈敏測量、多感知集成、低信號耦合、低成本加工上存在技術瓶頸，實際應用面臨巨大挑戰。針對這一問題，團隊原創地提出一種基于熱感應的多維傳感新機理，利用熱敏膜和外界的傳導/對流換熱對自身電阻的調控，實現

1. 痛點問題 2020年我國鋼材產量超過13億噸，占全球產量的一半以上，同時我國鋼鐵消費市場也是全球第一。現代智能化鋼廠是鋼鐵企業未來的重要發展方向，目前國內主流鋼廠都在大力布局。但作為智能鋼廠的基礎和核心，鋼鐵生產智能設備國內技術能力差距較大，對國外依賴性比較明顯。 2. 解決方案 本項目將最新的光電技術與鋼廠生產需求深入結合，致力于鋼廠關鍵智能感知設備的研發。目前已完成原理驗證和樣機開發的智能設備包括：轉爐煉鋼過程動態監測系統、轉爐內壁智能測量掃描設備、輥道輥在線智能監測系統等。項目還有多項智能設備在研。 本項目的轉爐煉鋼過程動態監測系統，是通過監測爐口火焰光譜和圖像信息，經過人工智能計算，得到煉鋼過程中鋼水溫度、元素含量等參數，實現煉鋼過程實時動態監測。轉爐內壁智能測量掃描設備，是采用激光雷達和數據融合技術，遠距離快速智能掃描轉爐內壁，實現轉爐內壁自動檢測。輥道輥在線智能監測系統，是通過對軋鋼輥道輥電流實時連續監測和智能分析，有效監測和預防輥異常導致的帶鋼或鑄坯表面損傷。 合作需求 本項目下一步發展需求主要集中在與鋼鐵和冶金行業相關企業的技術和產品合作，其次是資本投資、政府政策等方面的扶持。需要的外部資源主要是產業的工程化、產品化資源和市場資源。

項目背景：現有船舶設計及強度評估方法已經處于緩慢發展 階段，但是船舶結構安全事故（尤其是針對大型船舶）卻屢見不 鮮，傳統的技術方法在提升船體結構強度的同時，也直接導致船 舶建造成本和船舶營運成本的快速增加，因此船舶結構安全保障 技術發展已進入一個瓶頸期。類比其他行業如橋梁飛機等，發展 方向已逐漸向智能化監測以及預警及決策轉變。為打破瓶頸，針 對船舶結構安全性的技術方向也應向智能化感知及輔助決策方 向轉變。其中的主要研究要點為智能感知和數字孿生關鍵技術， 技術路徑為構建傳感系統的搭建與優化體系、研究結構狀態智能 感知和數據挖掘方法，建立基于感知數據的載荷反向識別、數字 孿生模型與驅動更新技術，以及基于智能算法的安全評估技術， 該技術不但可以在營運過程中保障船舶結構安全，還可以船舶設 計優化和完善規范有重要的指導意義。該需求技術國內外均處于 初步研究階段，國外船級社 DNV 已有該類產品，但國內尚無同類 產品，并未形成行業壁壘，可實現研究自主化，獲得自主知識產 權，填補國內空白；該產品的研發也有利于實施國家制造業發展、 山東省產業轉型和青島市海洋發展等國家和地方戰略，在搶占行 業高地的同時帶動產業鏈升級。 所需技術需求簡要描述：1.傳感器網絡布局優化及數據采集，硬件傳感網絡布局覆蓋全船結構，最大監測點不小于 128， 最高采樣頻率不低于 500Hz；2.船體結構感知系統智能化數據處 理，實現結構正常狀態數據和異常狀態數據的模式識別；3.船舶 結構智能孿生模型構建及同步演化；4.結構安全在線評估，并提 出結構安全完成任務使命所需的運維處理和運維策略。  對技術提供方的要求:1.在船體結構監測領域具有一定的研 究經驗；2.具備相關領域軟件開發和硬件集成、測試能力；3. 具有相關技術的研發和軟件開發背景；4.具備船級社質量管理體 系認證。 

? 植物在重力引導下的生長稱為植物的向重力性。根向重力是植物適應陸地環境的重要過程。植物向重力性反應的第一步是感受重力信號。目前，關于重力信號感受的機制有兩種假說：一是淀粉平衡石 (statolith) 假說，二是原生質體壓力假說。植物根冠的柱狀細胞和莖的維管束鞘細胞中存在淀粉體，這些淀粉體被命名為平衡石。中柱細胞和內皮層細胞通過淀粉體的沉降來感受重力變化。生長素在調節植物根系向重力作用中發揮重要作用，但生長素促進重力感知的分子機制及隨后的反應尚不清楚。 ? 非損傷微測技術（Non-invasive Micro-test Technology, NMT）是通過測定活體動植物組織、細胞與內/外環境間Ca2+/Cd2+/Na+/K+/NO3-/NH4+/O2...交換量的實時變化，揭示基因功能的一種新技術。目前已被103位諾貝爾獎得主所在單位，以及北大/清華/中科院使用。 應對挑戰： 重力研究中對于活體樣品基因功能方面的檢測手段匱乏 樣品檢測過程中樣品重力變化與檢測設備的結合方式是一個難點 重力變化過程中生理指標的實時監測 解決方法： 非損傷重力感知分析系統(GRASS)是基于非損傷微測技術的底層核心技術，是能夠檢測活體樣品基因功能的技術 非損傷重力感知分析系統(GRASS)配有立體可移動旋轉樣品固定裝置，可對樣品施加不同方向的重力并能實時檢測 非損傷重力感知分析系統(GRASS)能夠進行長時間的監測，為重力變化過程中，比較分子、離子流動速率，提供長時間的數據結果 產品介紹 名稱：非損傷重力感知分析系統（GRASS） 型號：NMTG-100 品牌：旭月 產地：中國 功能特點 1.基本功能： 檢測樣品所受重力發生變化時的生理指標變化 配備立體可移動旋轉樣品固定裝置，對樣品施加不同方向的重力 檢測指標：Ca2+、H+、K+、Na+、Cd2+、Cl-、NH4+、NO3-、Mg2+、Pb2+、Cu2+、O2、H2O2、IAA 2.性能參數： 工作電壓：220V 最短檢測周期：5s 離子分子濃度測量精度：10-6M 離子分子流速測量精度：10-12mol·cm-2·s-1 傳感器最小移動距離：1μm 立體顯微成像系統分辨率：1920×1080 3. 軟件參數： 操作界面：中文 檢測指標模塊化可選 離子流速、濃度檢測軟件模塊（包含：Ca2+、H+、K+、Na+、Cd2+、Cl-、NH4+、NO3-、Mg2+ 、Pb2+、Cu2+） 分子流速、濃度檢測軟件模塊（包含：O2、H2O2、IAA） 支持中英文輸入、標記與記錄 可直接輸出流速、濃度數據和折線圖，無需額外換算

利用多機器人和多模態視覺傳感器有效探索與感知復雜 環境的三維結構，進而理解和分析三維場景。研究從多源異 構的機器人定位與建圖等環境感知方面、多模態融合的前景 分割、顯著性檢測和目標檢測等場景分析方面取得突破。

清華大學公共安全研究院和北京辰安科技股份有限公司快速搭建了疫情實時態勢感知與分析系統，對區域疫情數據進行實時動態監測、搜集、分析和可視化，服務各級政府疫情應急的資源調度、態勢研判和決策指揮。該系統在實時播報全國和世界范圍內疫情最新動態的同時，對省級和地市級的人員遷徙比例與分布進行重點信息排查，密切關注人口流動與疫情分布的內在聯系，為疫情跨區域傳播規律和病例溯源提供依據。該系統深入剖析大數據并探查民眾意識和情感傾向，研判民眾主流感情傾向和重點關注事件等疫情相關輿情，以“情感分析拼圖”、“事件文章熱詞云”和“全國輿情熱度”等分析結果為引證，為辟謠和積極引導輿論提供幫助，在國家抗擊疫情最為嚴重困難的時期為大眾的理性思考和科學防備貢獻力量。國疾病預防控制中心以及廣東省、武漢市、合肥市、深圳市、廣州市、佛山市等20多個省市在指揮調度中使用該系統。

自然場景視覺感知與理解是人工智能的前沿熱點，其主要任務是對場景中的視覺要素進行認知，進而推斷出其中包含的場景語義。IMAGINE實驗室近年來相繼從場景構成分析、場景內容推理、場景結構建模等角度對這一問題展開了系統研究，著重探索了融合先驗建模與深度學習的自然場景視覺理解這一問題。大數據具有規模大、種類多、產生速度快、有價值數據密度低等特點。對大數據信息分析具有重要意義，也是目前研究的熱點，其主要任務是利用數據分析的方法從大數據中獲取有價值信息。IMAGINE實驗室近年來結合深度學習前沿技術和傳統數據分析方法進行數據分析和預測，并在海關大數據分析項目和國網電力冰風災害預測項目中進行應用

01. 成果簡介 本成果涉及一種多模態觸覺感知裝置，屬于機器人傳感器技術領域。與人類相似，機器人感知外界環境最真實、穩定、便捷的方式便是通過機器人手觸摸，機器人手的感知能力決定了機器人是否能夠正確認知外界環境以及機器人的操作精度、成功率等。在新一代機器人手中，傳感裝置已逐漸趨于陣列化、多功能化和集成化。目前常見的觸覺傳感器有壓阻式、電容式、光電式等，它們都存在密度難以提高、電路處理復雜等問題。為了克服以上不足，近年出現了基于視覺的觸覺傳感裝置，具有結構簡單、信息豐富等優勢。目前基于視覺的觸感裝置仍存在性能提升空間。 本項目將感溫變色油墨材料應用于觸感裝置，感知機器人操作過程中的溫度[1]。同時提出一種基于微視覺的觸覺三維力檢測方法，通過采集觸覺接觸區域內彈性體的形變圖像的變化，采用一系列圖像處理方法，并且使用神經網絡擬合的技巧，定性并且定量的刻畫物理世界中的觸覺、滑覺等，從而提供了一種多模態觸覺感知裝置，可以得到三維接觸力、接觸物體表面的溫度及紋理等多種模態信息[2]。本裝置打破了傳統觸覺感知裝置單模態信息采集的現狀，可在同一感知裝置中集成受力、紋理、溫度等信息的測量，檢測觸覺、滑覺、壓覺三維接觸力，獲得高精度的接觸紋理信息，實現了多模態信息的測量，并將這些信息綜合到對一個物體的識別、抓取操作中，使機器人更加智能化、人性化。本裝置具有實時性好，檢測穩定，檢測誤差小，檢測精度高的優點。 圖1. 基于微視覺的多模態觸覺感知裝置結構圖圖2. 結合多模態觸感裝置的機械手02. 應用前景 本成果技術可應用于工業機器人、智能機器人、人機協作、醫療康復等領域，應用前景廣泛。03. 知識產權 本成果核心技術已申請發明專利3項。04. 團隊介紹 項目團隊致力于研究具備自主決策和學習能力的機器人操作技能學習系統。團隊包括孫富春、方斌、劉華平、宋亦旭四位教師，專注智能機器人靈巧精準操作研究，研制了擬人觸覺的傳感裝置、多模態穿戴交互裝置、殘疾人假肢靈巧手、仿人感知靈巧手和變剛度軟體手，在本領域發表論文40余篇，申請專利20余項，獲得IROS2016機器人靈巧操作比賽冠軍、IROS2017服務機器人操作比賽亞軍、WRC2016最佳科技創新獎等。同時團隊和河北清華發展研究院合作成立了人工智能及機器人研究中心，共同推動智能機器人的產業化發展。05. 合作方式 技術許可。06. 聯系方式 郵箱：liuyi2017@tsinghua.edu.cn， fangbin@tsinghua.edu.cn