产品详细介绍系统概述： 考务管理与学业评价系统是一款通用的“考务管理、考场管理、成绩分析和学业评价”二合一系统，由“考务管理、考场管理和学业成绩评价”三个子系统组合而成，提供了“成绩参数设置、考试安排、考场安排、座位安排、监考人安排、考试录分、成绩计算、成绩分析、考试公示、成绩查询、参数公示”等一整套考试业务相关功能。 考务管理负责考试相关事务安排工作，考场管理提供考场相关事务管理，而学业成绩评价则负责从多个维度来计算和分析学生的考试成绩，从而更好的协助任课教师、班主任和教务处老师来计算考试成绩、制作成绩报表和绘制考试分析图，从而提高成绩分析速度和学生学业评价相关工作效率，减轻教师负担，提升教学质量。方便学生和家长网上查询考分和分析个人成绩趋势。 考生成绩单可以一键发送到家长的手机微信上，家长可以第一时间知道学生的考试成绩结果，这能大大提升家长对学校教务工作的满意度。 系统特色： 全面支持“走班化教学”背景下的考试管理，考场管理和成绩分析； 考务管理、考场排座、学业评价功能三合一； “一键计算”即可完成全部计算，无需担心成绩数据前后不一致的问题，任何一点成绩考分的改动，都需要全套数据重新计算，一键计算确保无论多少次修改数据，都能确保各项计算和统计数据的正确、一致和完整； 开放的计算参数方式，确保一套系统可以适应不同学情的学校实际需求，确保软件千校千面； 软件界面简洁实用，性能突出，占用资源少。

产品详细介绍 功能特点 l  具有8路话筒输入，可连接卡侬型的三针话筒或6.3线路输入的话筒，方便各种拾音设备的连接， 8路话筒通道还分别设置了静音开关、优先开关、低切开关（100Hz）、噪声门、幻象电源,可通过上位机软件或中控指令进行调节。 l  主机前面板具有8路输入独立信号指示灯、功放指示灯；带有8路话筒音量推子电位器及4路立体声输入音量推子电位器、输出总音量切换电位器； l  电脑上位机软件控制功能：每一路输入独立调节48V幻象电源、8路输入每路独立信号指示灯、U盘录放音按键、低切按键、静音按键、编组按键、总音量、混音器控制、总均衡、增益电位器、反馈抑制开关等功能； l  话筒输入具有自动混音功能，可任意设置优先级的MIC输入通道，确保该通道音频输入信号优先，发言不被他人打断。 l  带有4路线路输入接口，分左右声道，均可独立调节静音开关、音量值等。 l  USB录音功能，可插入U盘，对会议进行录音或播放U盘中MP3音频文件，方便会议记录整理及重要会议内容保存。 l  软件带有7段均衡，分左右独立调节。 l  2个232串口，可同时接入两个控制设备，可独立接收控制代码及发送代码给中控，实现视频跟踪会议。 l  话筒带有反馈抑制功能，防止话筒回音自激啸叫。 l  内置双通道2*150W数字功放，可直接连接到音箱设备。 l  2路断点功能，方便接入其它音频调节设备。 l  4编组功能，音量等可独立调节控制。 l  采用TCP\IP网络接口连接，方便远程管理，连接方便。 l  设8组场景参数保存功能，可将所有参数保存好后存入系统，最多保存8组，方便调用。

呼吸慢病患者物联网管理平台，主要是对患者的个人身体检测数据进行采集、主要是手环、听诊器、体温计的数据采集，医生对患者的听诊音频进行审核分析，并给出诊断报告；以及心肺音数据的切片标记。和呼吸慢病患者可视化分析，利用可视化工具提供丰富的图表展示，提高结果的可读性。

呼吸慢病患者物联网管理平台，主要是对患者的个人身体检测数据进行采集、主要是手环、听诊器、体温计的数据采集，医生对患者的听诊音频进行审核分析，并给出诊断报告；以及心肺音数据的切片标记。和呼吸慢病患者可视化分析，利用可视化工具提供丰富的图表展示，提高结果的可读性。

教室智能运维管理平台结合先进的AI、大数据、物联网等技术，与先进管理体制与先进管理模式相融合，建立现代化的智能运维体系，让教室管理更高效、更科学 产品特性： AI智能巡检，智能识别设备故障，主动防范教学事故 支持教学管理人员远程巡课 多维度可视化数据分析，助力科学决策 信息化建设成果展示 为满足多样化的大屏展示需求，智能运维管理平台能够充分呈现信息化建设的关键成果，如信息化系统建设情况、信息化设备日常使用情况，以及智能化系统的实时运行态势。  AI运维系统 当前许多的运维工作还是靠人工完成，例如教室设备巡检、设备关机检查、调换教室等。特别是巡检工作主要靠运维老师定期完成，平时只能根据报修电话被动开展检查维护。运维管理平台依靠AI技术，可按需（每天/隔天）对教室设备进行自动检查，实现课前发现问题，辅助分析解决问题，达成课中无故障的目标。同时智能机器人24小时值守，自动完成管理员设定的各类智能策略，帮助管理员实现简单而高效的运维工作。 教学设备统一管控 教室综合运维管控平台可以实现对教室内所有的教学设备设施进行统一集中的自动化管理。包含对传统多媒体教学设备（如：电脑、投影机、投影幕、功放等）、在新型教学理念支撑下所出现的新型教学设备，如：交互大屏等，以及环境控制设备（如：灯光、窗帘、空调等）进行自动化、智能化的控制。 教室巡课 平台专门为教学管理人员设计了的巡课功能。在办公室即可远程巡视教师的上课过程，通过教室的实际画面，也可通过勾选只看上课教室查看正在上课的教室，点击某一教室画面会进入巡课三画面页面，包括教师画面，学生画面，电脑画面。 移动运维系统 教室智能运维管理平台为更好的服务于教室管理老师，提升工作效率，提供了移动运维客户端，即使不在办公室，也能完成大部分教室远程管控工作。实现教室设备移动管控、设备故障移动处理，提升整体服务的效率和体验。。 统计分析 教室智能运维管理平台通过多维度分析教室运维管理的各项工作指标，形成量化数据并以图形化的方式呈现，为相关领导提供决策支撑。统计分析包括教室设备使用情况分析、故障统计与分析、灯时统计、能耗统计等模块。  

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。