该系统能够监测运动员运动过程速度信息、加速度信息、起跳高度信息及运动员过旗门、弯道数据信息等，并将三维实景显示、运动员高精度定位、视频采集与显示为一体。通过5G网络和云计算技术使教练能够清晰准确的获取每一时刻的运动数据。 关键核心技术突破 二、技术分析 2022年北京冬季奥运会召开在即，在国家重点研发计划“科技冬奥”项目支持下，在雪上项目三维场景获取及重建的基础上，为进一步提升雪上项目运动员的训练效率，需要获取雪上项目运动员实时位置、速度、加速度、滑行姿态等信息，本团队开发了以高精度实时定位、运动参数解算、运动姿态显示、5G高速传输链路、云计算为特色的滑雪运动员运动信息采集与分析系统。 该系统能够监测运动员运动过程速度信息、加速度信息、起跳高度信息及运动员过旗门、弯道数据信息等，并将三维实景显示、运动员高精度定位、视频采集与显示为一体。通过5G网络和云计算技术使教练能够清晰准确的获取每一时刻的运动数据。该系统填补了国内外针对运动员高精度信息采集与分析的技术空白，以厘米级定位精度为冬奥训练保驾护航。 滑雪运动员运动信息采集与分析系统突破传统单一方式定位技术局限，采用北斗/GPS定位为主要定位手段，UWB和惯导辅助定位的方式进行高精度定位。采用高精度机载三维扫描LiDAR系统对雪场及周边环境进行扫描与重建，获取雪场的的真实三维场景，通过5G高速数据链路和云计算平台，将滑行轨迹和滑行数据在真实三维场景中进行显示。同时，通过5G高速视频采集和传输模块，将由无人机跟拍或定点拍摄的视频进行同步显示，以便教练在观察滑行轨迹的同时观察运动员的滑行姿态。 现阶段，滑雪运动员运动信息采集与分析系统已在国家高山滑雪运动队、自由式滑雪运动队测试使用，并初见成效，获得好评。

XM-SZY中医四诊仪（舌面脉信息检测分析系统）   XM-SZY中医四诊仪（中医舌面脉信息检测分析系统）采用一体化设计，将舌诊仪、面诊仪、脉诊仪、体质辨识及问诊四种功能巧妙的融于一体，可进行舌像采集分析与处理、面像采集分析处理、中医脉象采集分析处理以及体质辨识、问诊等辅助诊断教学。   一、舌像采集分析处理： 1、主要功能： ■ 计算机控制内部相机进行自动对焦拍摄，操作简单，图像清晰，完全实现舌象采集自动化。 ■ 采用数字化舌象采集平台与标准化方法还原，使舌象真实再现。 ■ 内部摄像采用模拟自然光源并能进行光线调节，使采集环境保持稳定。 ■ 在特定的光源环境下，采用摄像头获得舌像信息，对舌体图像的颜色、纹理、轮廓进行特征提取，由计算机将这些特征值与特征数据库中的阈值进行比对判断，给出舌象分析结果。 ■ 可以随时查询病例报告。 ■ 可以分析舌质颜色、舌苔颜色、舌形状、舌态。 ■ 内置消毒灭菌装置，操作前使用，避免交叉感染。 ■ 软件可以根据实际舌象的瘀斑、点刺、齿痕、裂纹等症状用文字显示舌象特征、临床病症以及饮食及用药建议。   2、主要特点： ■ 系统具有自主学习功能，通过不断学习，有效提高系统自主诊断准确性。 ■ 支持自动分析，且允许人工修正，提高诊断的准确性。 ■ 准确分析舌质、舌苔等，并直观显示结果。 ■ 支持初诊、复诊分离，实现便捷就诊。 ■ 支持多关键字的查询统计。 ■ 支持诊断分析报告打印。 ■ 用户权限管理，提高安全性。 ■ 自动对焦（即自动舌体捕获）。 ■ 灯光控制功能。   3、软件功能： ■ 用户权限管理，提高系统安全性。 ■ 病理、临床库可以持续更新，具备学习能力，且具备自动提取舌体，自动分析舌体、自动分析后手动调整等功能，大大提高了学习的准确度。 ■ 快捷的初诊、复诊入口，操作方便、快捷。 ■ 图像采集分析能力，既可实时诊断，又可能根据需要进行人工调整。 ■ 灵活多变的查询统计能力，数据分析功能。 ■ 病例学习：单击主界面中的“病例学习”选项，进入学习界面，包括读取、保存、舌体轮廓提取、特征提取、自动提取控制、量化数据显示、舌象特征录入、临床意思录入、饮食指导及用药建议录入等选项，学习与分析过程，采用人机交互的方式。 ■ 自动获取：单击自动获取按钮，如果参数正确，舌体提取成功，若存在不足，可通过自动提取控制中的进度条及取反控制框选择来进行控制。 ■ 特征提取：为了便于分步处理，此处特征提取分步骤完成，分别舌质特征、舌苔特征、齿痕特征、裂纹特征、瘀斑特征以及点刺特征。点击某功能按钮后，相关特征将被量化，以舌质为例加以说明。比如，单击舌质特征、舌苔特征按钮后，数据结果自动分析结果。 ■ 人工绘制：对于某些来自于其他途径的图片，会存在自动获取舌头错误的情况，此时可以通过人工绘制来完成。单击“人工绘制”后，在图像显示区域，单击右键将出现菜单，包括选中舌体、勾画轮廓和撤销。其中选中舌体仅需在舌头四周点选四个点，单击“绘制完成”后再自动识别完成；勾画轮廓则是按住鼠标左键后通过拖动完成绘制，绘制完成后单击“绘制完成”便实现舌体提取。撤销可以对绘制过程觉得不满意的地方进行撤销，支持5步撤消。   二、面像采集分析处理： ■ 通过对病人面部图像进行分割、人机病症问诊作答，结合医生专业诊断，给出专业诊断结果并打印成报告，该系统能达到辅助中医临床诊断的作用，从数据库中读取面诊以及问诊信息数据，建立和编辑病例，建立中医诊断报告。中医面诊检测分析系统采用形状模型实现对眼睛、鼻子等器官进行定位，提取出额头、下颏和两颧区等人脸区域。通过采用K-means算法对面部图像的颜色进行提取，计算不同的颜色聚类中心的距离而进行面部颜色的分析；通过采用改进的2DPCA对面部图像进行特征抽取，通过计算测试样本特征与训练样本特征之间的余弦距离，实现对面部图像的光泽分析。 ■ 面象采集主要是在特定的光源环境下，采用高清晰摄像头 获得患者面部的图像信息，将这些特征值与特征数据库中的阈值进行比对，给出面色分析结果。可分析12种面色：青色、赤色、黄色、白色、黑色、正常、淡白、淡红、红、 深红、暗红、紫黑。 ■ 测试结果用表格显示，简洁易懂，并可以生成PDF文件保存以便查询，也可以打印报告。   三、脉象采集分析处理： 由单头脉象换能器、脉象放大器、A/D转换卡、计算机和脉象辩证分析软件等部分组成。能自动采集脉象信号，并将中医脉象的位、数、形、势和脉象的各项特征参数自动分析处理，同时结合中医望诊、问诊（以人际对话形式），根据中医八钢辩证的思路，提示受试者的健康状况等内容。 ■ 无创伤性中医脉象检测，可将采集器固定于寸、关、尺任何一部位采集脉象信息，能实时显示和存储数字化脉波信号，自动判读脉象的位、数、形、势，识别脉图特征参数，并以多维逻辑判断模式确定脉名；能以脉诊检测为线索，经人机对话询问病人症状，作出初步的八纲和脏腑辩证结论，能显示和打印系列脉图、最佳脉图及其特征参数、取脉压力、脉幅趋势图、40秒脉波趋势图等组成的脉图检测报告，以及脉象提示的动脉系统张力、阻力、生理年龄、自律神经平衡状态和辩证结论等组成的临床辅助诊断报告。 ■ 测脉结论报告： · 脉位：分浮、中、沉三类。 · 脉力：分有力、中、无力三类。 · 脉势：分满实、正常、低乎虚、中空虚四类。 · 脉率：分迟、缓、平、带数、数、疾六类。 · 节律：分正常、不齐、结代、促四类。 · 脉形：以a，b，c分别标记主波、重搏前波、重搏波，按各波出现的情况分为abc，ab，ac，a等四种脉形。 · 脉名：按位、数、形、势综合判别，有平、弦I、弦II、弦III、弦IV、滑、平滑、平弦、弦滑、涩、芤、濡、虚、实、弱、微、散、革、牢、紧、洪、细、浮、沉、迟、缓、数、疾、结代、促等。 ■ 临床辅助诊断报告： · 张力：反映动脉管壁紧张程度，结论分张力高、张力正常、张力低三类。 · 阻力：反映动脉系统外周阻力，结论分阻力高、阻力正常、阻力低三类。 · 生理年龄：系统按脉图特征参数与生理年龄相关性推出的结论，可提示动脉系统的生理状态。 · 自律神经平衡状态：反映交感神经与副交感神经平衡状态的指标，结论包括低水平平衡、正常水平平衡、高水平平衡、大体平衡、交感神经功能亢进、副交感神经功能亢进等类型。 · 辩证结论：根据脉象分析和问诊的综合分析，从八纲、脏腑、气血津液等方面提供临床辩证的结论。 ■ 主要技术指标： 1、单探头脉象转能器： · 灵敏度：0.5mV/克力（桥压6V） · 线性范围：0-500克力（原0-250克力） · 温度漂移：小于1%（F.S）（-5℃~+40℃）（原小于2%） · 机械滞后：小于1%（F.S） · 输出阻力：1KΩ · 固有谐振频率：大于1000Hz(-3db) · 最大垂直位移距离：大于15mm 2、脉象采集器交流放大回路（脉搏波回路）： · 输入动态范围：0-25mV（相当0-50克力，动态力） · 满幅输出：5V（原4.5V） · 时间常数：大于3秒 · 上限截止频率：大于3000Hz（-3db）（原大于1000Hz） 3、直流放大回路（取脉压力回路）： · 输入动态范围：0-150mV（相当0-300克力，静态力）（原0-125mV（相当0-250克力，静态力）） · 电源：USB供电 · 功耗：小于10VA · 连续工作时间：4小时，停机1小时后再开机 · A/D转换器：8路12位A/D转换（原4路）   四、体质辨识与问诊： ■ 根据中华中医药学会2009年发布的《中医体质分类与判定》，中医体质共分为9种基本类型：平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、瘀血质、气郁质、特禀质。不同体质类型在形体特征、生理特征、心理特征、病理反应状态、发病倾向等方面各有特点。该软件以《中医体质辨识判定》标准为基础，通过软件智能化判断，自动生成体质报告。 ■ 问诊采集主要是病人对照数据库中的各种症状进行挑选，通过回答88道试题（病人起病和转变的情形，寒热、汗、头身感、大小便、饮食、胸腹、耳、口等各种状况），最后进行提交并由系统自动判断。 ■ 档案管理功能：可录入被测评人的姓名、年龄、性别等基本信息，方便准确的查询。 ■ 通过回答《中医体质分类与判定》标准中的67项标准问卷，软件自动计算出体质类型。 ■ 根据计算出的体质类型，软件自动生成中医调理保健建议。 ■ 软件界面简洁，操作简单。 ■ 测试结果用表格显示，简洁易懂，并可以生成pdf文件保存以便查询，也可以打印体质报告。 ■ 软件建议丰富，包括体质特征、运动养生、饮食养生、起居调理。 ■ 软件一机一码，使用安全。

ZH-JCT集成化信息化信号采集处理系统集成了可移动实验平台、生物信号采集处理系统、生命维持系统、环境温度检测系统。 可进行实验信息化管理，运用于各项生理学、药理学、病理生理学等实验。

本系统是一款专为中小学音乐教师设计的备授课一体化软件。它深度融合了备课与授课两大核心环节，通过配套的海量音乐教学资源，旨在有效降低教师的备课难度，全面提升课堂教学质量。 备课模块：灵活高效，资源随心 备课模块为教师提供了一个功能强大且易于操作的创作平台，让音乐课件的制作变得前所未有的简单。 混合编辑与排版：支持五线谱、简谱、图像、音频、视频、动画、文本、表格、图形等多种元素的混合编辑。教师可以在一个课件中创建任意数量的页面，自由组合，满足多样化的教学设计需求。 智能乐谱生成： 乐器指法谱：可一键在五线谱或简谱上方生成口风琴、竖笛、陶笛、葫芦丝等多种小乐器的指法参照谱，方便器乐教学。 节奏参照谱：支持生成独立的节奏谱，并与主曲谱上下混合排版，强化节奏教学。 简谱与五线谱对照：支持在五线谱上方生成简谱参照，或在简谱上方生成五线谱参照，实现两种记谱法的同步教学与转换。 专业乐谱编辑： 五线谱编辑：提供音符组输入、和弦输入及符尾自动调整等专业功能。 简谱编辑：支持便捷地添加减时线等操作。 完备符号库：内置齐全的乐谱符号库（谱表、谱号、调号、拍号等）和丰富的乐谱标注符号库（演奏记号、强弱标记、速度术语等）。 智能辅助功能： 歌词处理：具备歌词智能对齐和自动添加带声调拼音的功能，并能自动识别多音字。 图文混排：可自由输入文本、插入图形和表格，并支持将任何乐谱符号、音符等元素拖入文本框或表格中，自定义其颜色与大小。 无缝对接办公软件：所有音符及乐谱片段均可复制为透明背景，直接粘贴到PPT或WORD中，与文档背景完美融合，方便教师制作美观的教案与课件。 授课模块：互动演示，生动课堂 备课模块制作的课件可一键无缝切换至授课模块，为课堂带来生动、专业的互动演示体验。 动态播放与展示： 多种播放模式：支持旋律、节奏、唱名、试唱、哼唱、范唱、伴唱等七种播放模式，并可在同一界面内自由切换，满足不同教学环节的需求。 精准播放控制：支持通过点击曲谱或歌词的任意位置来设定播放范围，可跨小节、跨段落播放，甚至精确到单个音符。 同步高亮显示：播放时，曲谱上的音符、歌词与屏幕上的虚拟音乐键盘会同步高亮，帮助学生实现音谱同步、视听结合。 灵活的课堂调整： 指法谱动态更新：在授课时，当教师修改曲谱的调号，上方的小乐器指法参照谱会自动随之改变，极大方便了课堂上的即兴移调教学。 音乐元素变更：可随时变更播放的调式和速度，以适应不同的教学情境。 课件再编辑：支持在授课过程中直接修改五线谱或简谱的音符、歌词，修改后的课件可立即播放试听。 丰富的教学工具： 歌词显隐：支持一键显示或隐藏歌词，方便学生在学会歌曲后进行背唱练习。 3D索引：对于包含多个页面的课件，可通过3D索引画面快速定位，提升授课效率。 集成白板工具：内置笔迹、板擦等高效白板工具，方便教师直接在课件上进行圈点标注。 多媒体支持：支持插入并播放视频、动画及音频文件，其中MP3、WAV格式音频支持变速、变调播放。 完备的音乐教学资源 系统内置了丰富且专业的音乐教学资源库，为教师的日常教学提供坚实后盾。 专业符号库：包含齐备的乐谱符号库与乐谱标注符号库。 海量知识库：拥有超过20万字的音乐知识库，涵盖乐理、中西方乐器、中国音乐（民乐、曲艺、戏曲）、西方音乐及名曲名家等内容。 丰富图库：提供不少于50个基本图形和200个装饰图库。 配套乐谱课件：提供与主流音乐课本配套的可播放乐谱课件。 云端资源共享：接入音乐资源网络云平台，持续更新和扩充教学资源。 资源便捷调用：所有教学资源均可快速复制并粘贴至PPT课件或WORD教案中。

本成果来自国家级、省部级科技计划项目和有重大应用前景的横向项目，已登记软件著作权1项，公开发明专利4项，知识产权属于西南交通大学。该系统通过利用各类传感器采集供电系统中关键设备的状态数据及服役环境信息，借助信号处理、信息融合及智能推理算法对系统进行故障预测与健康状态管理，在短时间尺度上进行故障预测与快速诊断、在中时间尺度上进行健康评估与剩余寿命预测、在长时间尺度上进行系统可靠性评估与风险评估，并根据健康状态制定系统的状态维修策略，保障轨道交通系统的安全可靠、经济高效运行。

上海味茂霖品牌管理有限公司自2012年成立以来，始终专注于食品领域的线上及线下综合运营服务，通过与多家知名品牌合作，提供个性化的定制服务，帮助客户打造品牌形象并提升收益。 品牌管理与运营：公司专注于食品领域的品牌管理，提供从市场调研、品牌定位到营销推广的全方位服务，帮助客户在竞争激烈的市场中树立独特的品牌形象；新零售联营：与多家品牌合作，深入新零售领域，提供线上线下结合的整合营销解决方案，满足消费者多样化的购物需求；个性化定制服务：根据客户的实际需求，量身定制营销策略，帮助客户实现低成本、高效率的品牌推广，最大化品牌价值。 重点合作品牌及产品：光明农发大米；光明海狮食用油；光明福新面粉，味都挂面；光明三添芝麻油，花生酱，调味品；光明上海农场鸡蛋，鸡、鸭、鹅、鸽子等禽肉类；光明崇明农场鸭制品休食，玉米，鸡、鸭等禽肉类；康师傅饮品：星巴克，可尔必思；康师傅百饮：百事可乐、美年达、7喜、bubly微笑趣泡、佳得乐、纯果乐、果缤纷、依维世、纯水乐品牌系列产品；保多康：益生菌、灵芝孢子粉等系列产品；鲜得味：进口金枪鱼、沙丁鱼罐头系列产品；妙可蓝多：奶酪，芝士系列产品等。 自有品牌：公司拥有自有品牌“味茂霖”，通过与现有产品的结合，逐步打造独立品牌，推动品牌创新与成长，为公司长期发展奠定基础。 以服务立信誉，以质量铸品牌，公司始终坚持以客户为中心，提供精细化服务，全面满足客户需求；让每一个客户成为终身客户，通过诚信经营和优质服务，公司致力于与客户建立长期合作关系，最大限度为客户创造价值。 公司在食品快消品行业拥有十多年的丰富经验，积累了大量的实践经验和客户资源，能够为客户提供专业的品牌管理和营销解决方案。通过其专业的服务和丰富的行业经验，致力于帮助客户在竞争激烈的市场中脱颖而出，实现品牌价值的最大化。公司以客户需求为导向，提供全方位的品牌管理与运营服务，同时通过自有品牌“味茂霖”的创新与发展，为公司的长期成长奠定坚实基础。

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。