江苏学蠡信息科技有限 公司

江苏学蠡信息科技有限 公司 2025-07-15

海嘉船舶综合信息系统

海嘉船舶综合信息系统（简称“海嘉PMS管理系统”）是由厦门大学科考船运行管理中心自主开发并获得中国船级社（CCS）型式认可证书的船舶综合信息系统。该系统针对国内船舶管理高校、公司的船舶管理特点，坚持“以人为本”的管理理念，全方位覆盖船舶管理各项业务。系统构建的数字化安全管理体系平台可有效协助船东和船舶管理单位进行船舶管理；通过数字化维修保养体系使得船舶主管机构的监督检查效率和质量更高；PMS型式认可证书是货方指定的第三方评审（如RightShip检查）机构对船舶运营提出检查清单并进行评分时必须查看的一项证书。 PMS型式认可证书 核心功能

厦门大学 2025-02-07

京津冀协同发展背景下，软件和信息服务行业产教融合共同体构建研究与实践

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。

天津市大学软件学院 2025-05-16

广东顺德宙思信息科技有限公司

广东顺德宙思信息科技有限公司成立于2016年，是一家三维虚拟仿真交互软件研发设计的国家高新技术企业，致力于为各行业提供数字孪生、XR虚拟仿真教育实训软件、3D数字化营销(3D动画、3D虚拟展厅、3D产品展示、3D营销小程序等)等系统开发综合解决方案服务商。产品广泛应用于数字化工厂、智慧城市、智慧园区、展览展会、高职院校、工业培训、产学研究等众多领域。 

广东顺德宙思信息科技有限公司 2025-06-02

涡阳辉腾网络信息科技有限公司

涡阳辉腾网络信息科技有限公司 2024-12-20

北京创新研究所

北京创新研究所 2025-05-09

深圳市斯科信息技术有限公司

       深圳市斯科信息技术有限公司（斯科信息/Cykeo），成立2018年，总部坐落于深圳市光明新区云智科技园，占地2500㎡、集办公与演示展厅于一体。 在深圳*2、东莞以及合肥一共拥有2.5万平的生产基地。      斯科信息是射频识别（RFID）软硬件提供商、RFID行业场景式解决方案商、高新技术企业、深圳专精特新企业、深圳创新技术先进企业、深圳科技研发骨干企业、知识产权优势企业、行业软件技术企业、IOTE金奖蝉联者。      长期专注于RFID技术、生物识别技术、动态进化AI算法等核心技术产品的研发，嵌入式系统设计及工业设计全流程，为全球客户提供高可靠性产品，赋能各行业客户构建精益化运营体系，通过智能化终端集群实现流程提效、成本优化，实现企业智能信息化发展。 斯科信息主要产品有：rfid智能柜、rfid智能工具柜、rfid工具柜、rfid智能工具车、rfid工具车、rfid工具箱、rfid智能货架，rfid通道门，智能称重柜，智能货架，rfid电子标签、rfid读写设备、rfid写标设备等。主要解决方案包括：rfid智能工具管理系统、rfid智能仓储管理系统、rfid智慧门店管理系统、rfid防伪防窜货管理系统等。 斯科信息的rfid工具管理系统采用rfid技术，把贴有rfid标签的工具放入特殊定制并加装rfid读写器的工具车、工具柜或工具房中，实现工具的科学自动管理。可以大幅提高工具管理的准确性和高效性，实现了企业对工具的信息化管理及航空业fod的精细化控制。目前该系统已成功在多个机场正式上线！因工作繁忙，可能会看不到留言，有意者可咨询联系电话：19925314483（微信同号）

深圳市斯科信息技术有限公司 2025-09-22

教育部印发《教育部科学研究优秀成果奖 （自然科学和工程技术）奖励办法》

本办法自2025年12月1日起施行。

云上高博会 2025-11-27

四川农业大学研究生在自然指数期刊《Inorganic Chemistry》发表封面研究论文

研究利用天然植物多酚化合物木犀草素与微量营养元素金属锰离子成功合成了一种具有类酶活性的材料（Lu-Mn纳米酶），该材料具有良好的生物相容性和生物安全性，在微酸性条件下（肿瘤微环境）可高效地将H2O2转化为具有肿瘤细胞清除能力的·OH，能够有效杀死肿瘤细胞，抑制肿瘤生长，为癌症治疗提供了一种新的策略。

四川农业大学 2025-02-24

锂电池管理系统AI算法研究

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

西南大学 2025-05-12