我国人工智能核心产业规模超过1500亿元，其中计算机视觉所做贡献最大，其规模占比超过35%。面向国家人工智能战略发展对计算机视觉技术的重大需求，攻克了多任务迁移目标检测技术、智能视频分析技术、高精度人脸/掌纹识别技术、医学图像处理技术等一系列关键技术，研究成果先后获得了教育部自然科学一等奖、黑龙江省自然科学一等奖、江苏省科学技术一等奖等一系列奖项，在目标检测与跟踪、目标识别、医学图像智能分析等领域形成了鲜明的研究特色。相关

基于复杂流动网络计算理论，将电站锅炉蒸发受热面抽象为以节点、受热回路和连接管等元件组成的流动网络系统，根据遵循的质量守恒方程、动量守恒方程、能量守恒方程及流动传热试验关联式，建立流量分配的非线性计算数学模型，采用Fortran和Visual Basic混合编程技术，开发出具有自主知识产权的通用电站锅炉水动力计算软件HYDROSYS。 软件根据系统部件以及实际功能划分为不同的设备和功能模块，各个模块间相互结合，可以对各种容量等级、各种蒸汽参数、各种炉型（П型、塔式、T型）、各种管圈型式（螺旋管圈水冷壁、垂直水冷壁）和燃烧技术（切向燃烧方式、墙式燃烧方式、W火焰方式、循环流化床燃烧方式）的亚临界汽包锅炉、超（超）临界直流锅炉水动力和壁温特性进行计算分析。

它能够自动化地读取心脏CT、MRI影像，重建人体心脏各组织的立体结构, 计算任意部位的体积以及心功能参数，将医生从繁重的人工分析中解放出来，节 省计算时间，提高计算精度，辅助临床医生进行快速精确的诊断。本系统可以读 取存储在医学影像数据管理平台中的DIC0M格式及mha, nii等图像，自动去除 隐私信息，三维重建，并返回关键性的诊断指标和三维打印模型。本系统主要服 务于心脏疾病辅助诊断，医学教育和心脏知识健康教育，心脏医疗器械研发等。 动态心脏影像重构云计算系统的核心价值： 1） 医生参考重构模型进行手术设计、手术模拟、手术会诊、术中对照等一系列 操作，突破现有影像工作站对于对超声、CT断面、MR断面均存在视角盲区的局限。解决了临床心脏病诊疗中依靠医生从二维平面推断病员三维心脏结构的难题。 2） 医院无需增加额外设备，无需改变现有治疗流程，通过云服务的方式无 缝融合到现有的诊疗流程。 3） 基于300例中国人临床影像经过深度学习而构建，重构精度达到3mm。 4）高性能的并行计算集群和专业的3D医用打印机，1.5小时获得计算结果，12 小时实现心脏模型直达。 市场及经济效益分析： 本项目市场规模巨大。按照《中国心血管病报告2017 （概要）》最新发布, 心血管病死亡占居民疾病死亡构成40%以上，中国心血管病患病率及死亡率仍处 于上升阶段。推算心血管病现患人数2. 9亿，其中脑卒中1300万，冠心病1100 万，肺原性心脏病500万，心力衰竭450万，风湿性心脏病250万，先天性心脏 病200万，高血压2. 7亿。在各类心脏病诊治中，获取心脏的精细结构是必不可 少的一个步骤。由于技术难度受限，本领域目前尚无主导型产品。 本项目产生的直接效益：按照全国2232个三级医院的10%来计算，每天10人次, 平均每例利润20元等保守估计，每年产生持续稳定的直接效益为1600万元，尚 不计算本系统对于心脏诊治疗的深度服务。且本系统具有大数据和云计算平台的 核心优势，运营成本低，无需医院添加任何设备。

海辰环保一体化生活污水处理设备，不同小区对出水的要求差异较大。应根据我国《地面环境质量标准》(GB3838-88)和《污水综合排放标准》(GB8978-96)的有关规定和当地环保部门的要求确定处理程度，以确保出水水质。如果出水采用土地处理法处理，则按土地处理法的要求计算; 根据小区生活污水处理的原则，应选择处理效果稳定、产泥少、节能的处理方法。小区系统中的各类建筑物一般均建有化粪池，所以，化粪池应与污水处理方法相结合。 小区生活污水处理常用的几种处理工艺: 1、污水→格栅→调节池→提升泵→曝气池→沉淀池→出水 ↑←污泥回流↓ 2、污水→格栅→调节池→提升泵→接触氧化池→沉淀池→出水 3、污水→格栅→调节池→提升泵→混凝沉淀→过滤→出水(物化方法) 加药 4、污水→格栅→调节池→提升泵→SBR池或CASS→出水 加药 5、污水→格栅→调节池→提升泵→接触氧化池→混凝过滤→出水 回用工艺流程: 生物处理出水再经混凝过滤和消毒 在流程开始时一般要考虑设置均化池，这是因为小区在水质和水量上的变化都比城市污水处理厂大。均化池一般设在格栅以后。物化和生化处理是去除污染物的核心部分。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

深圳国际研究生院张盛副教授团队在已开展的核酸测序方面的专用图像传感元器件关键技术基础上，提出了“基于单分子荧光图像测序的冠状病毒核酸智能检测技术”重大攻关项目研究方案。课题组通过远程网络讨论与协作等多种方式，组织了相关学科的专家多次进行技术研讨，并与深圳市行业内的权威机构合作，在两周内快速进行原理论证，形成技术方案，完成智能检测装置的原型结构设计及前期研究准备工作。 项目致力于开发具有核酸智能检测能力的低成本嵌入式物联网设备，为公共卫生防疫事业提供更加有力、且具备“提前生产、快速部署、分散检测”特点的新型核酸检测的解决方案，有望实现未来冠状病毒传染事件中基因序列的快速发布与潜在感染者的本地化核酸检测能力快速部署，帮助医护人员和民众在家庭或社区对感染或疑似患者进行现场筛查，减少潜在感染者的聚集与交叉感染，快速实现核酸检测层次的确诊检验与病症初筛，助力疫病防控和公共卫生领域战略科技力量的提高和储备。

本系统采用Core图像数据库51135幅，每幅图像提取纹理与颜色相综合的128维特征值构建特征数据库，采用自行设计的度量距离分类学习算法，在传统的图像检索基础上引入学习机制，系统共分类369个，每一类选取少量有代表性的图像（最多不超过6幅），试验表明，在提供有限的学习样本条件下，能有效提高图像检索的精度。 系统采用两种检索方法进行比较，一种是传统的欧氏距离，另一种是本系统设计的分类距离学习方法，比较两者在图像检索精度上的差异。 该原型系统核心程序在Linux下用C编译实现，图像检索界面由PHP实现，通过Web服务器实现在线检索功能。

哈尔滨工业大学联合哈尔滨医科大学联合研发“新冠病毒肺炎CT图像自动分析系统”，该系统阅片效率是人工阅片速度的30倍，新冠肺炎相关病变检测准确率基本达到了医生水平，可以定量评估病变范围。 由于新冠肺炎患者肺部CT图像上有较为典型的征象，可以作为新冠肺炎快速诊断和病情评估的重要依据，因此哈尔滨工业大学计算机科学与技术学院邬向前教授联合哈尔滨医科大学附属第二医院影像科李萍教授，成立哈工大-哈医大联合攻关小组，研发“新冠病毒肺炎CT图像自动分析系统”。联合攻关小组紧急联系中国多家医院，收集177000多张肺部CT图像，其中包括来自新冠肺炎患者的近40000张图像。 联合攻关小组克服了各种困难，经过多天通宵达旦努力工作，仅用了一周左右的时间就初步研发成功可用于诊断评估新冠肺炎的CT图像自动分析系统。该系统可以自动检测CT图片上新冠肺炎相关病变，并估算病变区域在整个肺部的比例，为新冠肺炎患者的筛查和病情评估提供了依据。这些信息，在人工阅片时无法得到。该系统已在哈尔滨医科大学附属第二医院进行部署试用。该系统具有非常优越的性能，其阅片效率差不多是人工阅片速度的30倍，新冠相关病变检测准确率基本达到了医生水平，尤其可以定量的评估病变的范围对临床诊断非常有意义。查看原文

本成果分为叶片害虫检测和叶片伤害程度检测，害虫检测通过研究的图像建模及形态学处理等相关方法对农作物叶片上昆虫位置进行快速检测，并通过模式统计和分类识别方法精确计算害虫数量和识别类型，每张图片（参考分辨率 2448*3264）处理速度小于 1 秒（和害虫的数量相关），速度远高于人眼。叶片伤害检测通过图像处理方法将图像进行背景、叶片、斑纹分割，通过统计像素，集合斑纹形状进行定级评价，每张图片（参考分辨率 2448*3264））进行自动检测和分析，处理速度 2 秒左右（和图像中叶片的数量相关），经过人工核