成果简介：本项目以聚酰胺-胺型树形分子（PAMAM）为模板制备了粒径可控、 颜色可调的 CdS/PAMAM 量子点溶液，该溶液具有较高的荧光强度；应用于潜 指纹识别时选择性吸附能力优异，发光量子点沉积在纹线上，小犁沟没有吸 附（图 1）；尤其对胶带粘面潜指纹具有非常理想的显现效果，可以通过室温 反射和紫外可见荧光两种形式成像，具有较广的适应性；对陈旧指纹的显现效果良好，大大提高了使用范围。该显现液在公安部物证鉴定中心、北京市 公安局等实战部门进行了实际应用，均取得很好的效果，一致认为其操作简便、显

成果简介：精密内孔加工特别是硬淬材料和高粘性材料的内孔加工，砂轮的损耗十分严重，而内孔加工精度和表面质量对砂轮几何形貌及磨削性能的变化十分敏感，因此，需要采用高耐磨的具有良好保持性的超硬砂轮及其磨削技术，本项目可针对不同材料的内孔磨削要求，提供高效的砂轮设计与制造及其应用技术。该技术主要应用于强化铸铁、轴承钢、不锈钢、陶瓷等材料的精密内孔加工。比普通砂轮提高耐用度10倍以上，磨削粗糙度Ra≤0.4。 项目来源：自行开发 技术领域：先进制造 应用范围：有一定的

成果简介：在研究物质的性质时，经常需要知道微粉颗粒的比表面积大小。在橡胶工业中常用的补强剂为固体分散颗粒炭黑，它的比表面积对所填充的橡胶的物理性能产生很大的影响；在催化领域，催化剂的比表面积是表征催化剂化学物理性能的一个重要参数；在冶金、建筑材料等方面的生产和研究中也经常需要知道微粉颗粒的比表面积，所以，微粉颗粒比表面积的测量被许多科学技术领域所关注。本项技术为一种微粉表面积动态氮吸附测量方法及测量仪器，仪器具有良好的测量准确性和重复性，并且操作方法简单，测量速度高。微粉比表面积测量仪由气路系统、

中国科学技术大学中国科学院微观磁共振重点实验室彭新华研究组在自旋量子精密测量领域取得重要进展，首次提出和验证了Floquet自旋量子放大技术，该技术克服了以往只在单个频率处量子放大的局限性，实现了多频段极弱磁场信号的量子放大，灵敏度达到了飞特斯拉水平。

成果简介：所研制的微小型零件显微视觉检测系统，适用于各种块类、板类微小型零件及小模数微小型直齿轮的任意边缘的微米级精度测量和微结构在线快速测量。 技术指标：X/Y方向测量范围：0.01mm-50mm；Z方向测量范围：0.01mm-100mm；X/Y方向位置检测分辨率：0.05m;X/Y方向测量精度：(1+1000/L)m；可进行模数≤0.2mm微小型模数直齿轮的基本参数、几何尺寸、主要单项误差和综合误差测量。荣获国防科技进步三等奖1项，兵器科技进步一等奖1项，申请发明专利1项。

区块链技术应用于具体周边实际工作的内容

展示第一批入围企业的解决方案和产品服务，以期共助高等教育高质量发展。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

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。