本专利是在前人研究的辅助驾驶方法与装置的基础上，克服其成本高，功能单一等缺点，设计一种具有良好的移动性能、较强的车辆适应性、效果可靠、重量较轻的视觉辅助驾驶系统。其特征在于：由图像采集系统、图像处理系统、图像显示系统等组成，其中图像传感器通过吸盘固定在车辆内部挡风玻璃上，或者将图像传感器固定在车内顶部，采集前方道路信息，辅助驾驶系统机箱放置在驾驶员前方的仪表台上，两者通过数据线连接。图像传感器通过一块半刚性金属角铁与吸盘固定在一起，可以通过调节角铁的角度来改变图像传感器的俯仰角。 本

 该成果是面向产品质量在线检测应用领域，一种基于计算机视觉和高性能计算机构成产品在线监测系统。采用基于摄像机参数、运动目标信息状态参数和模糊控制策略的主动视觉测控模型，利用一种抽样算法的视频快速解读技术运动目标快捷检测技术，又采用高鲁棒的Camshift和Kalman滤波相结合的运动目标高可靠快捷智能识别与跟踪方法，以达到具有高可靠感知、高清晰、智能化、高精度定位、高可靠跟踪和智能信息处理检测的优势。 该成果是面向产品质量在线检测应用领域，如食品用朔料制品的在线质量检测与告警

项目背景：目前电力机器人在作业过程中，由于环境恶 劣，电磁刚绕强度高，造成控制系统不稳定；同时在巡检过 程中，要对各种线路金具、各种作业仪表进行识别与检测， 通常采用机器视觉技术。但由于机器人作业在野外或阴暗照 明等复杂环境，存在识别率低，不稳定等问题。本项研究针 对特殊应用环境，拟开发一套基于机器视觉的巡检机器人控 制系统。 所需技术需求简要描述：1.基于多传感器信息融合的机 器人越障系统：主要包含视觉、激光雷达、超声、红外等传 感器信息，能够实现对巡检路径上障碍物的实时识别与定 位；2.巡检机器人远程监控平台：用于对巡检机器人采集到 的信息进行远程传输和监控，包含巡检路径上的实时视频传 输、机器人运行状态信息显示、巡检故障诊断与显示等；3. 小样本深度学习算法：针对极端环境下数据采集困难，数量 少等问题，研究基于小样本学习的深度学习算法，提高极端 环境下的障碍物识别精度；4.图像增强算法：针对高空强光、 阴暗、潮湿等极端环境所带来的图像识别困难问题，研究相 应的图像增强算法，提高识别精度。主要技术指标：1.开发 设计一种适合高压线路金具视觉检测与识别技术，对输电线 路各种金具进行动态识别与检测，解决野外环境下识别率低 的问题，形成一套完整的线路金具机器视觉识别与检测方 法。2.开发设计一种适合地下阴暗、潮湿、多尘环境下视觉检测与识别技术，形成一套完整的机器视觉识别与检测方 法。包括线路金具的识别模型和线路金具的定位方法与双目 测距技术。  对技术提供方的要求:拟与高校联合开发，要求团队具 有类似经验，具备电力机器人研究经历，具有电力线路识别 研究基础，最好有研发案例。 

高速公路、城市高架等桥梁、地铁隧道、大坝、房屋建筑等混凝土结构或钢结构在施工或长期运营期间会出现裂纹或其他缺陷，进而带来很大的安全隐患。针对此情况，提出了混凝土、钢结构表观损伤远程非接触测量理论，研发出结构表观损伤的非接触检测仪与分布式监测系统。已经在国内外数十座桥梁、隧道与建筑上得到应用。

XM-D003视觉传导瞳孔对光反射电动模型   XM-D003视觉传导瞳孔对光反射电动模型是为了适应医学院，中等医护职业学校、医院临床教学的需要而研制的，显示正常瞳孔对光反射、视神经、视交叉及动眼神经损伤的神经兴奋传导路径，附以灯光演示的技术要求来进行设计和制作。 一、显示内容： ■ 视觉传导通路 ■ 瞳孔对光反射通路 ■ 视神经损伤通路 ■ 视束损伤通路 ■ 视交叉损伤通路 ■ 视交叉外侧损伤通路 ■ 视神经损伤瞳孔对光反射通路 ■ 动眼神经损伤瞳孔对光反射通路 二、技术参数： ■ 尺寸：51×23×86cm ■ 材质：PVC材料+木框 三、标准配置： ■ XM-D003视觉传导瞳孔对光反射电动模型：1台 ■ 电源线：1根 ■ 说明书：1册 ■ 保修卡合格证：1张

XM-D003视觉传导瞳孔对光反射电动模型   XM-D003视觉传导瞳孔对光反射电动模型是为了适应医学院，中等医护职业学校、医院临床教学的需要而研制的，显示正常瞳孔对光反射、视神经、视交叉及动眼神经损伤的神经兴奋传导路径，附以灯光演示的技术要求来进行设计和制作。 一、显示内容： ■ 视觉传导通路 ■ 瞳孔对光反射通路 ■ 视神经损伤通路 ■ 视束损伤通路 ■ 视交叉损伤通路 ■ 视交叉外侧损伤通路 ■ 视神经损伤瞳孔对光反射通路 ■ 动眼神经损伤瞳孔对光反射通路 二、技术参数： ■ 尺寸：51×23×86cm ■ 材质：PVC材料+木框 三、标准配置： ■ XM-D003视觉传导瞳孔对光反射电动模型：1台 ■ 电源线：1根 ■ 说明书：1册 ■ 保修卡合格证：1张

联系我们：深圳市大象机器人科技有限公司 官网：https://www.elephantrobotics.com淘宝官方旗舰店：https://shop504055678.taobao.com/?spm=a1z10.1-c-s.0.0.2b0e58e7PY8UhV电话：+86 (0755) 8696 8565/+86 181 2384 1923地址：深圳市福田区华强北电子科技大厦D座智方舟国际智能硬件创新中心D403 D504 D505

本项目针对人工速生林木材密度小、强度低的特点，研究开发出木材化学改性与干燥一体化工艺技术及装备。本技术能够大幅度提高速生材性能，同时解决了常规木材改性技术中改性剂浸透困难、环保性差，改性材功能单一、尺寸小，无法满足工业生产要求等问题；解决了传统木材改性技术工艺“先干燥-再浸渍处理-再二次干燥”的能耗高的问题。本项目技术获国家发明专利授权2项，已在多家企业应用。

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：