葡京娱乐场-富盈娱乐场开户

本發明公開了一種實時跟蹤運動目標區域的智能監控裝置,包括一視頻輸入設備、一視覺分析系統和一網絡輸入輸出設備。為了高實時高精度地進行運動目標的跟蹤,該系統采用了基于模型動態切換的目標跟蹤算法,通過對遮擋狀態的有效判定,對未遮擋的單運動目標采用基于區域跟蹤的簡單快速模型,對相互遮擋的復合運動目標采用基于SIFT特征的窄基線圖像匹配模型,系統結構簡單、高實時高精度、可擴展性強,具有有線以太網和無線GPRS多重網絡接入功能,有效的實現了運動目標區域實時跟蹤功能。

面向物聯網研制一類適合無線傳感網絡環境下使用的智能家居無線控制系統，該系統基于Zigbee協議，遠程控制家居生活中的各類電器設備，還可對房間中的煙霧進行檢測和報警（自動撥打設定電話）。

大健康是未來世界發展的趨勢，在未來10年內將產生10萬億美元的產業。我國在近期提出的健康中國，著眼于擴大在線健康服務，依托大數據提出診斷和治療建議，實現大社區健康管理與大健康服務。實現這一體系的關鍵，在于各種柔性電子、傳感器技術，與物聯網、云通信技術，以及大數據與人工智能相結合。 隨著經濟的發展，人們對于健康的重視程度越來越高，在皮膚表面進行檢測人們身體健康狀況的柔性傳感器，是未來電子科技發展的一個重要方向，將會有巨大的市場前景。在以智能手機為主體的電子元器件的開發日益盛行，開發一種柔性智能傳感器，舒服的貼在皮膚表面，這種傳感器既能夠檢測人們生命體征（如血壓、心跳、體溫、血糖等）的變化，又能夠無線連接手機。醫院的醫生能夠通過互聯網、云通訊、分布式的監測和管理每個病房的病人的身體狀況，既節省大量人力時間成本，又能夠及時的檢測到病人的生命體征變化；結合無線互聯網、云通訊,能實現分布式醫護,虛擬空間管理；與大數據與人工智能結合，進行智能健康管理,實現智慧醫療（圖1）。 圖1 基于柔性傳感器的智慧醫療系統 本項目主要應用生物相容的蠶絲材料作為傳感單元主要組成部分，以無線藍牙模塊與無源RFID標簽作為人機數據交互單元，以大數據為手段對平臺進行管理，瞄準柔性電子與智能大數據前沿領域，具有重要的科學意義。具體如下： （1）柔性電子皮膚等智能傳感新技術與器件開發 近年來，蠶絲等柔性材料作為醫用生物材料漸漸進入人們的視線，具有良好的生物相容性和極佳的力學性能。以此為基礎開發柔性電子制造技術，通過柔性材料的光刻、打印等加工技術，制備傳感單元。 （2）人體傳感信號實時監測的云系統的開發 通過建立皮膚表面傳感器無線信號傳輸技術，實現體溫、心跳等信號的遠程監測，符合國家精準醫療精神。通過云系統可對老年社區、醫院等場所進行智能化、集成化的監控，實現健康的大數據管理。除此以外，也可實現個體的遠程診療體系。向“健康中國2030”靠攏，依托大數據提出診斷和治療建議。 （3）將系列傳感器材料制備技術與無線信號傳輸云平臺結合，實現個人和醫院的對自身和病人的健康指標數據進行檢測和管理。以此無線體征檢測的平臺框架為基礎，后續又可以引入更多傳感與控制體系，適應場景的多樣化。 二、前期研究基礎 （1）模仿神經元突觸的蠶絲憶阻器 在神經系統中，當神經沖動從軸突傳導到末端時，Ca2+離子大量涌入突觸前膜引起遞質的分泌，從而改變突觸后膜的導電性。我們通過仿生該過程，利用Ag+離子在外加電場作用下WK@AuNCs蠶絲蛋白薄膜的遷移行為來模擬阻值漸變和阻值記憶的過程。其電學特性表明其具有獨特的突觸特性，并具有突觸學習能力。 （2）蠶絲基應力傳感器—柔性電子皮膚 人體電子皮膚傳感器是未來傳感器發展的新方向之一，超薄超柔的特性使其可以在人體幾乎難以察覺異狀的情況下，完成多種生理指標的采集。我們通過研制柔性壓力傳感器，已在運動檢測、發聲檢測、脈搏檢測等方面開展了大量研究。 （3）纖維傳感器 可穿戴設備在未來智能裝備領域具有廣泛的應用前景，而我們平時穿戴的衣物均是由纖維編織而成，智能穿戴設備設計的最高境界為對其本身必須的纖維材料的功能化。我們通過對纖維材料進行改造和設計，制備除了纖維狀溫度、壓力傳感器。對纖維傳感器進行編織可實現多維度傳感，并可適應多種場景，這項工作與傳統紡織行業結合開創了尖端智能科技研究新領域。

圖1. 礦識的4個頁面 a: 選取待識別的礦物，可現場拍照獲取或從手機相冊中選取 b: 截取待識別礦物中心圖 c: 輸入便攜硬度儀測量或經驗估計所得的硬度值后得到識別結果 d: 可以不使用硬度值，僅用圖片進行識別 表1 礦識與其他相關工作的對比 圖片類型 相關研究 性能 可識別礦物數 準確率(%) Raman spectroscopy 拉曼光譜 Computers & geosciences 2013 6 83.0 Microscope 顯微鏡 Sensors 2019 4 90.9 Mathematical and Computational Applications 2011 5 93.9 Photo 相機圖片 Artificial Intelligence in Theory and Practice, 2008 6 91.0 Minerals 2019 12 74.2 photo & hardness 相機圖片+硬度 礦識 36 90.6   表2 礦識能夠識別的36種礦物及其準確率 礦物名 樣本數  僅用圖片識別的正確數 結合圖片與硬度識別的正確數 Agate瑪瑙 5 5 5 almandine鐵鋁榴石 6 4 4 azurite藍銅礦 2 1 2 beryl綠柱石 1 1 1 chalcopyrite黃銅礦 2 1 2 cinnabar辰砂 1 1 1 copper銅 2 2 2 fluorite螢石，氟石 11 8 10 galena方鉛礦 3 2 3 halite石鹽 1 1 1 hematite赤鐵礦 8 1 5 malachite孔雀石 6 5 5 opal歐泊 1 1 1 orpiment雌黃 3 1 3 pyrite黃鐵礦 6 5 6 quartz石英 4 4 4 sphalerite閃鋅礦 1 0 0 stibnite輝銻礦 8 7 8 sulphur硫磺 2 2 2 total 73 52 65 Accuracy \ 71.2% 89%    

項目成果/簡介:數據采集技術可穿戴傳感器是接觸式傳感器。加速度傳感器測量運動加速度，心率、血壓和血氧傳感器檢測心率、血壓等生理數據。可將不同的傳感器集成在智能手環、腳環、腰帶等可穿戴設備中，以實現加速度、角速度和生理等數據的采集；物體和環境傳感器是非接觸式傳感器，常見的物體傳感器基于RFID技術，通常用于身份、物流等信息的識別。常見的環境傳感器有聲音傳感器、磁力計、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實現各種環境信息的采集。多模態傳輸技術LPWAN (Low-Power Wide-Area Network，低功率廣域網絡)在LPWAN技術出現以前，通信技術已經有多種類別，短距離的有wifi、藍牙、zigbee等，長距離的則有2G、3G、4G、5G等，但是如果把這些無線通信技術按照功耗與傳輸距離這兩個維度劃分的話可以發現在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現正好彌補了這個短板。       LPWAN可分為兩類：一類是工作于未授權頻譜的LoRa、SigFox等技術；另一類是工作于授權頻譜的基于蜂窩組網的通信技術，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠距離、大量連接的物聯網應用而設計。最具前景的LPWAN技術——NB-IoT和LoRa：物聯網（IoT）應用需要考慮諸多因素，例如節點成本、網絡成本、電池壽命、數據傳輸速率(吞吐率)、延遲、移動性、網絡覆蓋范圍以及部署類型等，可以說沒有一種技術可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術具有不同的技術和商業特性，也是最有發展前景的兩個低功耗廣域網通信技術。這兩種LPWAN技術都有覆蓋廣、連接多、速率低、成本低、功耗小等特點，都適合低功耗物聯網應用。LoRa （Long Range）:   一個LoRaWAN網絡架構中包含了終端、基站、NS(網絡服務器)、應用服務器這四個部分。基站和終端之間采用星型網絡拓撲，由于LoRa的長距離特性，它們之間得以使用單跳傳輸，終端節點可以同時發送信息給多個基站。基站則對NS和終端之間的LoRaWAN協議數據做轉發處理，將LoRaWAN數據分別承載在了LoRa射頻傳輸和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT構建基于蜂窩網絡，只消耗大約180KHz的帶寬，可直接部署于GSM網絡、UMTS網絡或LTE網絡。NB-IoT是IoT領域一個新興的技術，支持低功耗設備在廣域網的蜂窩數據連接。NB-IoT支持待機時間長、對網絡連接要求較高設備的高效連接。NB-IoT具備四大特點：一是廣覆蓋，將提供改進的室內覆蓋，在同樣的頻段下，NB-IoT比現有的LTE網絡增益提升20dB，覆蓋面積擴大100倍；二是具備支撐海量連接的能力，NB-IoT一個扇區能夠支持10萬個連接，支持低延時敏感度、超低的設備成本、低設備功耗和優化的網絡架構；三是更低功耗，NB-IoT終端模塊的待機時間可長達10年；四是更低的模塊成本，企業預期的單個接連模塊不超過5美元。數據分析技術人工智能研究的各個分支，包括專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等。2012年以后，得益于數據量的上漲、運算力的提升和機器學習新算法（深度學習）的出現，人工智能開始大爆發。機器學習是一種實現人工智能的方法，深度學習是一種實現機器學習的技術。機器學習是用大量的數據來“訓練”，通過各種算法從數據中學習如何完成任務。深度學習本來并不是一種獨立的學習方法，但由于近幾年該領域發展迅猛，一些其特有的學習手段相繼被提出（如殘差網絡），因此越來越多的人將其單獨看作一種學習的方法。深度學習的各種算法已成為行為識別主要應用的技術，傳感器采集的各類信號，通過卷積神經網絡、循環神經網絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現對被監護者摔倒等異常行為的檢測。應用范圍:家居智慧控制，提高舒適度：家庭生活狀態統計和日常需求預測與推薦；多模態行為分析和數據采集和傳輸系統；多模態行為數據采集和分析平臺；基于LoRaWAN/5G的工廠環境、農業大棚等環境監測系統。技術成熟度:通過中試

本實用新型公開了一種基于單片機控制的智能液晶遙控風扇系統裝置。包括按鍵模塊、電源模塊、液晶顯示模塊、紅外遙控模塊、輸出控制模塊、負離子發生模塊和單片機，其中：所述單片機采用T46R47單片機，為八位高性能精簡指令集單片機，具有多輸入/輸出口；所述電源模塊為系統提供穩定的直流電源，將單相交流電經過阻容降壓，半波整流電路，濾波電路和穩壓電路轉化成穩定的直流電源；所述液晶顯示模塊用于系統狀態的顯示；所述紅外遙控模塊由發送和接收兩個部分組成。本實用新型具有液晶顯示功能，利用傳感器可顯示室內溫度；風速可進行調

研發階段/n內容簡介：本系統是一個基于ARM內核，具有多任務強實時處理能力，同時具有窗口圖形人機交互界面的嵌入式智能控制系統。系統硬件采用韓國現代公司推出的32位高性能嵌入式處理器HMS30C7202，集成了ARM7TDMICPU核，存儲器管理單元(MMU)，8KB的高速緩沖存儲器以及寫緩沖器，支持STN和TFT的LCD控制器、TOUCHPANEL控制器、CAN、USB、AID、紅外等，主頻為70MHz。軟件系統采用嵌入式實時多任務操作系統μC／OS-Ⅱ，嵌入了圖形用戶界面μC／GUI。根據不同的應

采用前沿的深度學習算法和相關數據處理技術，經過不斷優化和創新，能夠在極短時間內完成 CT 圖像的人體器官勾畫功能，目前已實現 30 多種器官的自動勾畫。大量歷史病例數據集和模型的不斷創新使 DeepViewer 多種器官的勾畫精準度達到 95%以上。