一、产品简介： 本系统由传感节点、控制节点、中继节点、网关、基站、现场监控终端、本地监控终端及远程监控终端（包括远程监控中心、客户监控终端、便携式移动监控终端）等组成，采用以无线传感器网络（Wireless Sensor Networks—WSN）为核心的物联网对诸如鸡、猪、奶牛等畜禽设施养殖环境进行监控。 本系统根据畜禽设施养殖需求，采集畜禽室内环境温度、湿度、照度、有害气体浓度或/和二氧化碳气体浓度、硫化氢气体浓度、氨气气体浓度等参数，以及畜禽室外环境温度、湿度、照度、风速、风向等参数，以多跳路由方式无线自组网、路由传输到无线传感器网络基站；无线传感器网络基站处理及存储网络数据，并根据畜禽室内环境信息控制排风扇、水帘、喷淋设备、照明灯和加料设备等执行设备，调控畜禽室内环境；无线传感器网络基站又与本地监控终端和远程监控终端进行通信交互，各监控终端向用户实时提供监测数据以及执行装置的工作状况，用户还能通过监控终端远程控制监控现场执行设备的工作。 本系统还能扩展采集、传输图像、视频和语音信息。系统能进行室内参数超限和室外自然灾害（极端气候）应急报警，并且系统各监控终端具有智能决策功能，人机操作界面采用层次结构，数据及状态显示多样。本系统能实现设施畜禽业技术、生态修复技术、健康养殖技术的有机融合，对畜禽室内环境进行综合监控与修复，改善畜禽养殖环境，使畜禽在适宜的环境下生长，增强畜禽的抗病能力，减少和避免大规模病害的发生，并且能实现畜禽产品溯源与质量安全控制， 有效提高畜禽产品的产量和质量。系统实时性强、稳定性好、可靠性高、成本低、安装维护使用方便。 本系统产品获授权国家发明专利 4 项、实用新型专利 3 项、软件著作权登记1 项和外观设计 1 项，并获江苏省农业装备产品推广资质证书。本产品经部省级组织专家鉴定，其成果达到国际先进水平。产品系统架构及部分产品实物如图1～图 7 所示。 图 1 畜禽设施养殖物联网系统架构 图 2 无线温室采集器     图 3 单通道无线控制器 图 4 8 通道无线控制器 图 5 WSN 基站 图 6 8 通道采集控制及现场监控终端 图 7  物联网远程监控终端 二、主要功能和性能指标 主要功能指标： （1）能实现畜禽室内环境温度、湿度、照度、有害气体浓度或/和二氧化碳气体浓度或/和硫化氢气体浓度、氨气浓度以及畜禽室外环境温度、湿度、照度、风速、风向等参数数据的采集、处理、传输、存储、显示及远程无线网络化监控、决策和管理。 （2）能根据多媒体信息、各种标量信息及内建的专家数据库，协助用户明确问题，构建和修改完善模型，列举可能的方案，然后在多方案、多目标、多准则的情况下加以自动比较、分析、综合处理和优化，以完成所需的决策和估计任务，即选定和实施最佳方案。 （3）无线传感器网络的无线信号绕射性强、分布性强、实时性强、自组织性强、扩展性强、鲁棒性强、带宽效率高。 （4）能根据不同畜禽、各种季节对畜禽室内环境指标的要求，通过监控终端自行设定温度、湿度、照度和有害气体浓度或/和二氧化碳气体浓度或/和硫化氢气体浓度、氨气浓度等环境参数的采集时间和监控范围，并且能通过监控终端远程控制监控现场执行装置的工作以及进行相应的状态显示。 （5）能够根据畜禽设施养殖室内环境要求自适应控制畜禽室内相关设备如：排风扇、水帘、喷淋装置、照明灯和加料装置的开启和关闭，使畜禽一直保持在相对适宜的温度、湿度、照度和有害气体浓度或/和二氧化碳气体浓度或/和硫化氢气体浓度、氨气浓度等参数环境中。 （6）除能检测和/或控制畜禽室内环境温度、湿度、照度、有害气体浓度或/和二氧化碳气体浓度或/和硫化氢气体浓度、氨气浓度等畜禽室内环境参数以及设施畜禽室外环境温度、湿度、照度、风速、风向等参数外，还能扩展采集、传输图像、视频和语音信息以及扩展畜禽产品溯源与质量安全控制，并能进行温室内参数超限和温室外自然灾害（极端气候）应急报警。 （7）能对实时测量的所有参数数据及其融合数据进行实时处理、实时绘制曲线及表格，并能实现虚拟现实的实时显示； （8）能进行历史采集数据查询、表格及曲线绘制、报表统计、打印。 （9）能实现设施畜禽业技术、生态修复技术、健康养殖技术的有机融合， 对畜禽室内环境进行综合修复，增强畜禽的抗病能力，减少和避免大规模病害的发生，从而有效提高畜禽产品的产量和质量。 主要性能指标： （1）环境温度、湿度和照度的测量量程、精度、灵敏度（或分辨率）为： 温度测量指标： 量程：-20℃～70℃；精度：示值误差不超过±0.5℃(温度范围 0℃～55℃)， 示值误差不超过±1.0℃(其余温度范围)；灵敏度：0.5mV/℃。 湿度测量指标： 量程：0％RH～95％RH；精度：示值误差不超过±4%RH(湿度范围 20％RH～ 80％RH)，示值误差不超过±5%RH(其余湿度范围)；分辨率：0.5％RH。照度测量指标： 量程：0 lx～40000 lx；精度：示值误差不超过±5% rdg。有害气体浓度测量指标： 量程：0 ppm～100ppm (典型探测范围：0～30 ppm)；精度：示值误差不超过±0.5 ppm；灵敏度：0.15～0.5。 （2）智能决策选择熟练度≥ 95%。 （3）智能决策学习熟练度≥ 95%。 （4）智能决策制定精确度≥ 98%，其中关键智能决策制定精确度 100%。 （5）WSN无线通信频段：433MHz ISM/SRD。 （6）模拟信号输入/输出接口：4mA～20mA、0～10mA 、0～5V、0～5V。 （7）数字信号输入/输出接口：I/O、UART、RS-485、RS-232、开关量、频率量。 （8）网卡接口：RJ45。 （9）WSN节点工作温度：-20℃～70℃（其中 WSN 中继节点和 WSN 网关工作温度：-40℃～85℃）。 （10）WSN基站工作温度：-40℃～85℃。 （11）WSN节点和基站系统工作湿度：≤95%RH。 （12）WSN供电电压：AC 150V～265V、50Hz。 （13）WSN各节点、网关防护等级：IP65 或 IP55。

一种基于物联网技术的实验室安全管理平台，包括实验平台和安装在所述实验平台上的排风装置；所述排风装置为U形管状结构，一端固定在实验平台上，另一端设置吸风口，所述吸风口位于实验平台正上方，排风装置与吸风口连接端内壁设置环形凸沿，所述环形凸沿上端形成倒圆锥形截面，下端形成正圆锥形截面，环形凸沿上端与下端之间形成圆柱形通道。通过排风装置对实验平台产生的废气或烟雾进行排风时，由于环形凸沿的设置，一方面在可以增大排风抽力，使烟雾快速的吸入吸风口并经环形凸沿的圆柱形通道进入排风装置中，另一方面由于环

针对传统稻麦生长监测不高清、传感单一化、数据气象化、功能同质化、系统孤岛化、研用离散化、服务被动化等问题，创新部署了基于新一代物联网的稻麦产业科技信息服务系统。

研究提出了一种测量环境数据的新思路，即通过“机会感知（opportunistic sensing）”的策略，从原本与环境监测无关的安防摄像头所拍摄到的视频中，提取实时的降雨信息。该研究团队利用计算机视觉技术，开发出了一种降雨视频雨纹提取和分割算法，结合几何光学和雨滴谱特征分析，实现降雨量的高频定点估算。

以数字化、网络化、智能化、安全化、平台化为客户实现“化N为1”，一键既所见，打造智能高效、节能、安全、环保的管、控、营一体化平台，提供一站式的物联网解决方案。为了解决系统工程集成商项目应用中存在的设备管理，数据分析，用电安全，运维保养，可视化应用，外部系统对接等繁琐痛点。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

采用前沿的深度学习算法和相关数据处理技术，经过不断优化和创新，能够在极短时间内完成 CT 图像的人体器官勾画功能，目前已实现 30 多种器官的自动勾画。大量历史病例数据集和模型的不断创新使 DeepViewer 多种器官的勾画精准度达到 95%以上。 

青少年人工智能资源与创新平台为激发青少年利用原创算法解决真实复杂问题的兴趣，面向全国中小学发布覆盖人工智能主要技术领域的研究问题，设立相应选题。 一、项目分类 关键核心技术突破 二、技术分析 主要功能： 资源中心。资源中心包含各个名师人工智能课程及应用案例，还包含各类精品开源软硬件资源的汇聚。 资讯通知。公告元卓计划工作的最新动态及行业内的最新消息。 直播频道。邀请专家进行直播互动。 在线编程。可以在网页页面中直接编写代码和运行代码。 互动论坛。注册用户可以在网站论坛讨论课题。