研究生论文盲审管理系统，为学院教务管理层提供高效的论文盲审分配机制；协助跟进论文盲审进度及状态，及时有效督促盲审工作开展。专家库建设为论文评审提供了学院专属专家资源库。

Tempo大数据应用能力成长平台（简称：Tempo Talents）是美林数据自主研发的面向高校大数据与人工智能领域“教学实践、集中实训与科研创新应用的一体化实验平台”。平台以专业课程教学实践、项目实训为核心，以创新产业应用孵化为目标，围绕大数据核心技术体系及应用，提供丰富元子化课程实践与实训案例资源。依托可视化分析与机器学习开发引擎，过程与结果兼顾的教学管理方式，闯关、考试、竞赛、数据游乐场等多种实验模式，为高校打造教与学充分互动的“大数据应用能力成长平台”。 一、创新教学管理模式，打造自驱型能力成长平台——教学管理平台→柔性化定制课堂教师可以根据教学目标、学生情况，灵活搭配原子课、实训项目及教材→教学考评管一体化统一的审阅、评分入口，实时查看作业提交情况→全景学情分析多维度图表展示学生的学习进度、学习成绩，直观了解到课堂的学习情况 二、Docker集群化部署，支持实验环境一键式访问及智能化管理——实验管理平台→高可用的容器化集群基于容器及容器集群架构运行的大数据实验基础平台，系统高可靠，高灵活，高伸缩性。→智能化实践环境管理预装实验需求的各类软件运行环境，基于浏览器的B/S模式直接访问，根据访问自动启停→一键式虚拟桌面实验台支持基于浏览器B/S模式的 “一键式”访问基于Linux的虚拟桌面环境，可提供 Linux 桌面和命令行操作，并可实现 Linux系统管理 三、不同难易度 不同实践模式相结合，因材施教更进一步——课程实践平台→多模式课程实践在线编码式、命令行、云桌面等多种实验模式→课程自动评测学生在线提交代码，一键自动评测打分，快速获取学习成果反馈→趣味闯关寓教于乐将课堂小测验转换为趣味闯关，激发自主学习热情 四、编码式与拖拽式双环境，开发型与应用型兼顾——项目实训平台→编码式与拖拽式双环境交互式笔记和拖拽式平台双操作模式，满足不同层次学生学习需求→完整实训项目指导手册还原项目落地全过程，将业务分析方法论融入具体项目实训中 →实验报告点评与优秀作业共享实验报告在线提交与点评，分享优秀作业，积累优秀成果 五、智能机器学习开发平台，满足人工智能教学科研需求——人工智能平台→强大的建模算法引擎9大算法类型、120余种分布式算法支持、15种文本算法→全面的分析洞察帮教全方位观察建模过程及结果，让学生在掌握方法的同时也能洞悉建模原理→多模式扩展编程R\Python\Java\Scala\Tensorflow等多种编程语言，学生可自定义算法开发实践 六、拖拽式大数据分析平台，培养学生数据创新探索能力——大数据分析平台→自助式大数据探索分析低门槛拖拽式数据可视化分析，让学生快速构建数据分析应用能力→灵活的可视化交互看板40余种可视化图形，钻取、联动、链接等多种交互模式 →多样的分析报告可视化大屏、分析看板、word报告、数据报表等多种报告形式呈现 七、真实项目经验 名师课程资源，构建优质教学课程资源库——课程资源平台→多学科教学名师课程引入国内一流高校教学团队优质课程，贴合学科最新发展趋势 →创新原子课设计将专业课程的知识点“原子化”，层层递进融会贯通→丰富行业实训案例精选美林数据 200+能源、政府、高端制造等行业头部客户真实项目案例 八、丰富数据资源与灵活数据资源管理，满足教学科研多层次需求——数据资源管理平台→多种数据源接入满足不同大数据平台和SQL数据源、Excel文件数据库、多维数据库、分析型数据库实时数据等不同类型数据源接入 →数据管理与权限分配支持后台配置数据权限，多种数据资源自定义管理→开放数据超市提供宏观、中观、微观全维度数据体系，上亿条数据，数据总容量超过500T丰富数据资源与灵活数据资源管理，满足教学科研多层次需求  

数据资源中心主要用于维护系统分析所用的数据源、构建数据模型、新建视图，并进行数据权限分配与管理。师生可以根据实验和实训需求，自定义新的数据源，作为学生实验练习的数据。同时也满足教师科研项目需求，对接各类科研数据。支持数据按人员、按类型进行分类，确保满足不同数据的精准使用要求，也保证教学与科研的顺畅进行。1、 数据管理数据源管理支持多种类型数据源添加、API数据接口配置；数据模型支持同一数据源下的数据分类管理、元数据管理和维护、数据抽取加速、数据权限设置等功能；模型授权支持将数据模型按照组织机构、角色、组的方式授权给设计用户；总体上来说，数据管理实现各类科研数据的统一接入、管理与权限的按需分配。2、开放数据超市数据超市提供了30多个维度、700多个二级类目、上万个业务标签的全维度业务数据画像，数据总量超过500亿，存储总量超过100T，日均增长超过500万条,为企业采购风控、销售客户评估、AI精准获客、精准招商、投融资、高校科研机构、政府事业单位及各类专业人员提供了企业活力指数评估和全息数据画像，从微观、中观、宏观多方面提供了各类企业数据分析报告、行业趋势报告和相关指数。同时基于国家电网创新应用开发平台、中广核新能源数据价值创新联合体等行业组织，可以精准提供电力、新能源等产业的真实业务数据，为高校相关课题研究提供数据支撑。

MMX5苹果采摘平台基于 ROS 开源系统，集成自主移动底盘及机械臂运动规划。机器人接收到移动抓取任务后，首先根据预先建立的环境模型基于 A* 算法规划最优轨迹，机器人沿着规划的最优轨迹，使用最优化算法进行运动规划，并规避运动过程中障碍物，控制机器人朝目标移动。到达抓取任务目标点后，利用 3D 相机，使用基于 OpenCV 及 YOLOV5来识别及定位目标，根据检测到的目标位姿，利用 MoveIt! 及 Open Motion Planning Library 完成机械臂运动规划，并将规划后的轨迹发送给机械臂控制器，完成抓取操作。

本书共11章,第1章阐明了研究背景与意义,国内外研究现状,研究对象概况,三维建模技术方法;第2~6章分别介绍了海清寺的阿育王塔,万年宝鼎,关圣帝君像,浮雕长廊三维建模的技术方法;第7~9章分别介绍了淮海工学院苍梧校区的欣园亭,化工工程学院实验楼,测绘工程学院集中办公区三维建模的技术方法;第10~11章分别介绍了石灰岩矿与地质灾害体的三维建模与应用技术方法.

太阳能光伏发电绿色无污染，而且我国太阳能资源丰富，水平面总辐射约 1680 吉瓦（1 吉瓦=1000 兆瓦=109瓦），大部分可以用于太阳能光伏发电。随着光伏材料以及相关技术的发展，光伏发电成本已经大幅度降低，光伏能源作为一种新型清洁能源在我国的应用规模迅速增长。光伏发电已经跨越了示范应用阶段，进入了大规模推广的阶 段。近年来，光伏发电产业规模迅速增长。截止到 2015 年 6 月底，中国光伏发电累计装机容量达到了 35.78 吉瓦，其中光伏电站 30.07吉瓦，分布式光伏 5.71 吉瓦。根据美国 IHS 咨询公司预计，2015 年全球光伏装机量增长 16%~25%，达到 53-57 吉瓦之间。

太阳能光伏发电绿色无污染，而且我国太阳能资源丰富，水平面 总辐射约 1680 吉瓦（1 吉瓦=1000 兆瓦=109 瓦），大部分可以用于太 阳能光伏发电。随着光伏材料以及相关技术的发展，光伏发电成本已 经大幅度降低，光伏能源作为一种新型清洁能源在我国的应用规模迅 速增长。光伏发电已经跨越了示范应用阶段，进入了大规模推广的阶 段。近年来，光伏发电产业规模迅速增长。截止到 2015 年 6 月底， 中国光伏发电累计装机容量达到了 35.78 吉瓦，其中光伏电站 30.07 吉瓦，分布式光伏 5.71 吉瓦。根据美国 IHS 咨询公司预计，2015 年 全球光伏装机量增长 16%~25%，达到 53-57 吉瓦之间。 项目特色和创新之处： 分布式光伏系统便于实施，是受到各级政府鼓励的分布式电源模 式，但是由于在设计、管理和评价机制等方面的制约，特别是过高的 后期维护费用，使其推广过程遇到一些障碍。高效率的分布式光伏云 基于物联网技术，对电站中光伏组件的输出性能进行实时的监测，并 对形成的运行数据进行实时的大数据分析，从而获得电站运行的性能 评价指标，以及可能影响电站性能的因素，并给出进行电站性能优化 的建议，提高电站产出。由于采用了高可靠性的无线数据采集技术， 可进行无人化的值守和远程监控，大大降低运维费用。 相比国内产品，具有通信速率高、系统可靠稳定等优势，达到国 际先进水平。本项目方案综合成本低，有利于增加光伏电站的透明度。 与国外同类产品相比，成本只有其 1/4 左右，具有很强的市场竞争力。 组件级的光伏电站数据采集模块。每块太阳能组件对应一个电压监测模块，方阵中每个组串串联电流监测模块都通过本地通讯链路将 数据上报至数据中继模块，将数据通过电站路由器上传至云数据服务 器，传输过程中进行了数据加密，保证数据的可靠性和安全性，所有 的数据在云数据服务器内进行存储与处理，用户可通过 PC 或移动终 端进行数据的调取和查看。 主要技术指标及条件 组件级的电站数据采集系统具有速度快，可靠性高等特点，具体 的技术指标如下： 最大采集频率：120 次/分钟 自身平均功耗：5mA 峰值功耗：150mW 环境温度：-20~80℃ 最大电站规模：1GWp 应用前景及社会价值： 该技术可以在已建或新建光伏电站上应用，大幅提升光伏电站的 运行质量和发电量，降低运维成本,最终实现光伏发电系统的智能管 理、智能运维、智能监控，使得光伏电站也真正进入“智能化”时代。 该项技术能够大幅提升国内光伏电站的技术水平，从而为节能降耗做 贡献。

"智能电网已经成为21世纪全球能源的新战略。在其需求侧，深入至电器的用户用电行为精细化分析对推动全社会节能减排和电力系统源/网/荷协调优化意义重大。与在每个电器上分别安装量测传感器的方法不同，非侵入式电力负荷监测技术仅通过分析用户供电入口的负荷总量数据，便能获取各电器的用电信息，具有成本低、实施容易和用户易接受等特点。 针对非侵入式电力负荷监测技术实用化所面临的各种挑战，过去十多年里，中国工程院院士、天津大学余贻鑫教授领导的研发团队从技术基础理论和工程实施方案两方面开展了深入系统的研究，取得了一系列开创性成果：（1）创立了一系列非侵入式电力负荷监测新原理和方法，形成了多种方法融合互补的非侵入式电力负荷监测方法体系，突破了对小功率和功率连续变化型电器可靠检测的瓶颈，准确度明显优于国际同类产品；（2）首创了一整套用于非侵入式电力负荷监测的完全无监督电器自适应建模方法，解决了陌生场景中电器准确建模的技术难题，实现了无需人工干预的电器负荷印记库全自动建立和维护；（3）首创了云—端协同非侵入式电力负荷监测系统解决方案，研发了可推广应用的硬件装置（智能用电分析仪产品）和软件系统

本发明公开了一种云存储系统中元数据的获取方法，包括：客 户端将用户的登录信息发送给认证服务器，认证服务器根据该登录信 息判断该用户是否存在，如果用户存在，则认证服务器将登录信息发 送给命名空间服务器，命名空间服务器根据该登录信息获取用户信息， 并根据用户信息获取该命名空间服务器中该用户的目录子树，对用户 目录子树进行组织，以生成新的用户目录树，并将新的用户目录树返 回给客户端，客户端根据组织结果判断获取用户目录树是否