团体身心放松训练系统     团体心理放松训练系统是一款基于生物反馈原理的高科技心理训练及测评系统。通过脑波头戴设备作为前端脑电测量设备，可实时获取被检测者的脑电数据以及反映测试者心理状态的多项参数。脑波头戴设备具有佩戴简单、使用方便、安全舒适、稳定可靠等诸多等优势，可适应于各类人群和各种日常环境。    系统通过穿戴式生物反馈传感器，采集人体前额部位的脑电信号（EEG），通过无线传输将受测者的每一瞬间的压力值变化传输到身心反馈训练系统软件里面。采用视音脑多维度音乐诱导技术，通过不同频段的音乐诱发产生定向的脑电波形，达到合理干预、疏导压力，平衡情绪的目的。可以消除焦虑、紧张、冲动、抑郁等负面情绪，减轻学习、生活压力，达到使用者身心健康的目的。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

海嘉船舶综合显示系统基于多源信息融合和可视化展示，通过多通道信号处理和大屏幕技术实现。系统收集船舶各种设备如传感器、监控系统的数据源，利用图像合成和分屏技术将信息集成展示在大屏幕上。多通道信号处理确保来自不同源头的数据能够被有效整合和展示，包括船舶状态、位置、设备健康状况等信息。系统通过实时数据处理和高效图像呈现，使船员或操作人员能够直观、全面地监控船舶状态，为船舶运营、安全管理提供可视化支持。

技术成熟度：技术突破 本成套设备，以电供暖的各个电暖气为控制对象，以建筑内不同房间不同区域的取暖温度为控制参数，自下而上，组成了由单片机现场控制器（控制室单独使用PLC控制器）、PLC中间层算法控制器、工控机为上位机构成监控界面的DCS控制系统，从而实现分散控制集中管理的控制系统。此系统的目的在于替换传统水暖系统，利用合理科学的软件算法，实现节能、环保、减排的效果。设备兼具教学、实验、科研及实用的功能。 成果技术特点：本套装置由四个单片机组成现场控制器，一个PLC组成的控制室控制器，与中间层面的S7-300PLC控制系统，以及顶层监控层的工控机装置，统一安装到了一个整体的平台上。此平台便于实地集中实验、研究，也有利于集中编程与项目演示。 图1 设备实物图 图2 为智能控制系统电脑操作界面

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

新能源高占比发展下传统同步机组与风光新能源机组呈现“此消彼长”趋势，电力平衡面临“保供应、促消纳”的两难局面。因此，迫切需要研究面向新型电力系统的电网智能调度与可视化预警关键技术，保障电网安全可靠供电和新能源最大化消纳，助推碳达峰目标顺利实现。 该成果实现了面向新型电力系统的电网智能调度与可视化预警应用的信息融合、智能告警、动态监视、海量数据阅读、超实时仿真和高性能计算、基于人工智能的电网安全稳定分析、虚拟现实、基于图数据库的人-机交互等功能，为新型电力系统电网调度员提供了一个准确及时掌握电网实时运行态势的分析决策工具，实现调度员对调度计划方案的智能互动决策以及电网风险的实时可视化预警。 该技术实现了传统电网调度模式向智能性电网调度模式转换，可广泛应用于电网、电力公司调度及区域控制中心等机构，在实现电力系统安全可靠运行的同时，促进高比例新能源最大化消纳和保障电力可靠供应。同时，该系统不但可应用于实时运行管理，而且还可应用在规划、交易、营销等新型电力系统生产管理的不同领域。该成果已在四川省电力公司、中国南方电网等30余家单位机构投入使用，产生了良好的经济和社会效益。 图1 基于大数据的电网运行行为识别及可视化显示 图2 多源信息融合的电网环境监测可视化

TDA（芯片热设计自动化）软件是清华航院曹炳阳教授团队全自主研发的国际首个芯片跨尺度热仿真与设计系统。TDA软件可实现芯片从纳米至宏观尺寸的热设计与仿真，支持芯片微纳结构内部热输运过程的模拟研究，直接提高芯片热仿真精度与结温预测准确度，进而提高芯片性能、寿命和可靠性。

一 、鼎软天下TMS运输管理系统产品介绍 基于企业运输环节管理诉求，针对企业普遍面临的自有运力缺乏规范管理、外部运力竞价招标繁琐、外部运力难管控、运输质量难监控、运输费用居高不下、入园排队拥堵、运输跟单困难、财务对账繁琐等管理痛点，打造的一套融合云计算与物联网技术的TMS运输管理平台，提升企业运输智慧化水平及财务精细化程度。鼎软天下TMS运输管理系统，可广泛应用于汽车制造、大宗能源、机械制造、管材生产、轮胎、商贸连锁等行业，为企业打造“数智可视物流运输一体化”管理体系，助力企业降本增效。   二、行业痛点   三、产品功能 （一）PC端功能 1、订单管理 订单导入 接口订单 新增订单 订单分配 生成运单 2、运输管理 新增运单 配载运输 车辆到达 中转外包 中转入库 到货回单 回单收回 运单签收 3、运输调整 运输调整申请 运输调整审核 4、财务结算 运费结算 代收款结算 司机结算 中转结算 5、统计报表 每日应收应付 发货流水统计 入库费用统计 出库费用统计 （二）客户端APP功能 注册登陆 我要下单 在线支付 我的历史订单查询 我的个人中心 （三）司机端APP功能 我要接单 在途跟踪 签收管理 我的历史任务查询 我的个人中心 （四）PDA功能模块 受理开单 装车管理 卸车管理 中转管理 签收管理 盘点查询     四、核心流程   五、产品架构图   六、系统优势 （1）有标准化产品功能，也可根据客户需求做定制化开发。 （2）可集成PDA、地磅等外部设备，实现各环节扫描确认； （3）可实现运费代收款预充值模式，降低财务管控风险； （4）建立清分体系，开单即可生成分成数据； （5）集成司机端app、客户端小程序等功能。   七、预期投资回报 (1)提高企业营收水平 基于企业战略规划,TMS信息系统可支撑企业对外发展运输业务,配合市场业务拓展的前提下,预计可为企业提升20%以上的营业收入; (2)降低企业运费成本 视企业具体情况,预计每年可为生成企业降低5%-30%不等的运输费用开支; (3)提升员工工作效率,减少人员数量,降低人员成本 大大降低企业调度岗、客服岗、运营岗、财务岗工作量,可为企业缩减至少2-5名工作人员,可为企业节省人员开支15-50万/年不等; (4)提高物流调度效率 物流调度效率至少提升30%,物流准时到达率提升30%-50%不等。 (5)提高财务核算效率 财务核算结账效率至少提升50%,财务数据准确性提高50%-80%不等; (6)提高装卸货效率 司机平均等待时长降低80%以上,装卸货效率提升50%以上; (7)提升客户满意度 提高作业效率及货物信息的可追溯性,实现货物运输过程的可视化管理,客户物流环节满意度100%提升; (8)提升数据统计准确性 日常统计数据效率提升100%以上,数据统计准确性100%提升。   八、部分合作案例（排名不分先后） 九、鼎软资质 鼎软天下是国家高新技术企业、双软认证企业 拥有80余项软件著作权 拥有60多项登记测试报告 拥有40多项软件产品 国际ISO9001质量管理体系 鼎软天下与山东师范大学、济南大学、山东交通学院等知名高校建立校企合作关系 获得中国物流软件知名品牌 获得中国供应链管理最佳实践案例 获得70周年山东物流行业风云人物奖 获得仓储现代化优秀工程奖 获得抗疫先进单位、抗疫爱心单位 为山东交运集团定制开发的“智慧物流平台”，被央视“新闻联播”节目作为信息化典型案例报道