本实用新型公开了一种田间作物信息采集装置，包括移动平台以及设于所述移动平台上的控制装置，所述移动平台包括支撑台以及设于所述支撑台底部的万向轮；所述支撑台上设有机械臂，所述机械臂上固定有光谱仪和图像采集装置；所述移动平台、机械臂、光谱仪和图像采集装置受控于所述的控制装置。本实用新型田间作物信息采集装置，结构简单，移动灵活、便于控制，信息采集更全面、精确。

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。

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。

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。

成果描述：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。市场前景分析：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。与同类成果相比的优势分析：国内领先

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

XM-SZY01中医望诊信息采集管理系统（舌诊、面诊、问诊）   XM-SZY01中医望诊信息采集管理系统采用一体化设计，将舌诊仪、面诊仪及问诊模块三种功能巧妙的融于一体，可进行舌像采集分析与处理、面像采集分析处理以及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、问诊分析处理： ■ 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。 ■ 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，也可以打印辩证报告。

京津冀三地教育融合发展逐步深化，教育改革创新与产业转型、区域发展结合更加紧密，产教融合共同体建设需要政府、高校、企业等各方努力和协作，通过搭建育人平台、构建运行机制、创新人才培养模式，推动共同体建设深入发展。天津市大学软件学院基于十余年的先行先试，围绕“更好发挥企业重要主体作用，促进人才培养供给侧和产业需求侧结构要素全方位融合”等产教融合深化课题，不断探索创新，凝练成果，创建了“需求传导明确、校企高效协同、资源集约共享”的校企协同育人组织形态，即产教融合共同体的实现路径，为高校开展产教融合、校企合作提供可复制可借鉴的经验。

本发明提供一种用于互联网中加速经验知识积累的信息采集方法及系统，包括用户初次访问网站时， 服务器收到查询问题后，生成查询结果，生成一个 cookie 项并连同查询结果一起返回给客户端，并发送 是否接受回访请求给客户端;所述 cookie 包括网址、用户标识、存活时间和问题标识;服务器在收到用 户接受回访请求的标识后在本地的 cookie 数据库保存该 cookie 项，并添加其他数据项;所述其他数据 项包括，用户输入的查询问题，服务器回访日期范围，根据用户输入的查询问题生成的回访问卷。用户 再次访问网站时，如果当前日期在用户标识对应项的服务器回访日期范围内，通过浏览器采集用户对已 有答案及回访问卷的回复。