数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

一、 项目简介本项目一款基于B/S架构的网络信息采集系统，设计开发完全面向用户，为用户提供全方位的信息服务，实现从任何类型的网站上采集信息，如新闻网站、论坛、博客、电子商务网站、招聘网站等。用户通过注册成为会员以后，既可以进行基本信息采集，也可以通过在线支付，提出自己想要的采集主题和采集方向，享有特殊的采集服务。二、 项目技术成熟程度该项目技术成熟，目前已在河北工业大学科技园、河北工业大学宣传部和河北省科技情报院等高校政府部门进行了使用。三、 技术指标该项目获得2012年河北省大学生创业计划竞赛特等奖和第八届挑战杯中国大学生创业计划竞赛铜奖。四、 市场前景本项目不仅能提供基本的检索功能，还能将采集结果进行进一步分析、加工和处理，可以更好的为用户提供信息服务。可见本项目有着广阔的应用前景和极大的市场空间。五、 规模与投资需求本系统售价10万（包括培训），加上所需服务器、数据库系统软件。总投资预计15万。六、 效益分析该系统可以专注于数据采集领域，致力于帮助各类互联网企业、高校和政府部门等提供数据采集解决方案及消除采集技术难题，非常完善及强大的功能特性，具有良好的经济效益和社会效益。七、 合作方式技术服务、协作开发、提供咨询，具体事宜面议。八、 项目具体联系人及联系方式顾军华，022-60435758，jhgu@hebut.edu.cn

本系统采用现场道路交通信息视频图像流量分析系统、现代通信及GIS等信息技术集成应用，综合打造一个智能交通信息采集与发布系统，为广播、电视、互联网、移动终端、政府部门提供实时交通综合信息，达到交通信息资源的交互共享和广泛应用。系统提供智能视频终端，同时处理4路图像. 智能视频终端可以自动识别道路、自动检测计算通过的车辆数、车道占有率、平均车速、车辆排队长度及等待时间、交通拥塞判断及报警。平均正确识别率白天>96%.夜间>85%.智能交通信息发布系统以WEB方式按时段统计车流量、平均车速、车道占有率、车辆排队长度及等待时间等数据，其结果以地图的形式表示，公众可以通过上互联网或者手机WAP浏览，获得实时交通资讯。该项目获镇江市“331”计划支持。 

　　采用进口实芯理化板台面，具有防静电、防水、防火、耐刮、耐磨、抗击使用寿命长等特点。铝木框架结构，壁厚1.4㎜，表面采用环氧树脂粉末喷涂，由教师统一控制电源，并设有电教数字信息采集等功能。

成果与项目的背景及主要用途 我国城市交通基础设施的交通供给能力不能满足现实和潜在的交通需求，基础设施短缺与其利用的低效率并存，交通管理智能化可以提高路网通行效率、提高道路利用率；智能化、全天候的交通信息采集处理系统是实现智能化管理的前提和基础。 本成果发明了一种具有安全、无障碍、全天候、在多车道及各种速度下准确测量车速、流量、车型和道路利用率等多种信息的交通信息采集、信息处理系统，包含激光测量装置和交通信息智能处理软件两个组成模块。

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。

海嘉船舶数据采集与分发系统创新性突出，采用先进的传感器技术，实现多源数据的高效采集。系统在通信方面采用了独特的混合通信方案，融合卫星通信、物联网技术，确保了信息的高速传输和覆盖范围。创新的数据处理算法实现了实时数据分析和异常检测，提高了系统的智能化水平。

一种椎弓根螺钉植入反馈力信息采集装置,包括手柄,扭转传力机构,拉压传力机构,操作头和参考架.扭转传力机构嵌装在手柄的型槽内,拉压传力机构连接在扭转传力机构的前端,操作头连接在拉压传力机构的前端,参考架连接在拉压接头上.本发明椎弓根螺钉植入反馈力信息采集装置配合光学定位系统使用,可在椎弓根螺钉植入手术过程中直接作用于人体胸,腰椎,并同步采集反馈力信息;也可通过专门的信息采集实验作用于人体胸,腰椎标本,采集反馈力信息.所采集的力觉信息可用于虚拟椎弓根钉植入手术系统中的力觉模型构建.