一、成果简介： 依托国家863、国家科技支撑计划、欧盟FP7，农业部948等有关的农业信息感知、传输和处理等领域项目，北京市农业物联网工程技术研究中心围绕水产养殖、畜禽养殖、设施温室、大田种植等领域开发了生产环境的信息获取、传输和自动控制等软硬件产品。开发了具有自主知识产权的农业传感器12种、采集器10种、无线网关8种、执行器6种、应用平台4类，在江苏、山东、天津、新疆、 河北、上海、北京、湖北、江西、浙江、海南等省市建立了水产养殖、农

承压设备包括锅炉、压力容器及压力管道，结构强度是关键。依据国家相关法规标准要求，结合ANSYS有限元技术，可以进行承压设备的应力分析设计、疲劳设计及优化设计，确保装置的经济性及合理性。同时通过静态应变测试及动态应变测试技术，进行实验应力分析，诊断装置的可靠性。结合装置缺陷动态声发射检测技术，进行装置损伤剩余寿命预测，确保装置安全运行。

★软件具有国家版权局颁发的软件著作权登记证书。 ★软件具有省级或国家级检测机构出具的软件产品登记测试报告。 认知评估与训练系统针对中小学生认知发展特点，对学生的感知觉、注意力、记忆力、空间能力、推理能力、认知灵活性和问题解决等认知能力进行综合评估，同时提供针对各项认知能力的专业训练游戏，来帮助学生发展他们各方面的认知能力。 认知评估与训练系统共分为管理端和学生端两个用户端口。 管理端包括档案管理、评估管理、训练管理、数据中心、学习乐园管理、个性化方案管理、系统管理等功能模块。 管理端支持如下功能： 1.档案管理：批量导入学生信息，为学生建立完整档案，包括基本信息、评估报告、训练报告。 2.评估管理：2.1量表筛查包括克氏孤独症、蒙特利尔认知评估量表、瑞文标准推理测验、斯诺佩评估量表以及学习障碍评估量表对自闭症、认知发展迟缓、智力低下、注意力缺陷以及学习障碍问题的特殊儿童的筛查。2.2认知能力评估包括对普通学生从感知能力、注意力、记忆力、空间能力、推理能力、认知灵活性以及问题解决7大认知能力方面的评估（提供功能截图），7大认知能力又细分为视知觉、听知觉、感觉记忆、位置记忆、联想记忆等20多个个子维度的具体评估内容。 3.训练管理：训练模块针对认知的不同维度设计了大量针对性的训练游戏，包括：慧眼识图、小猴回家、快数方块、并驾齐驱、联想大挑战、记忆闪存、寻宝专家、快乐七巧板、珠玑妙算、精确量水、小熊推箱子等等。可以有针对性的提高各方面的认知能力 4.数据中心：评估训练的所有数据都会储存到数据库，教师可以进行数据筛查、生成群体综合报告、还可以进行描述统计、均值差异性比较和方差分析。 5.学习乐园管理：在系统内置的学习内容之外，教师还可以随时往系统里添加学生所需要学习内容。 6.个性化方案管理：系统针对筛查量表内置不同的训练方案，在学生完成筛查后，如果符合要求，将自动绑定给该学生。教师也可以根据学生评估结果。制定更具针对性的训练方案，绑定给指定学生，进行训练。 7.系统管理：管理系统使用用户、角色等相关信息，进行系统数据备份。 用户端支持如下功能： 1.学习乐园：从事物辨识、概念训练、社会认知和生活技能四个方面提供学习内容，提高学生基础认知能力 事物辨识包括食物、植物、动物、人、生活物品、地标与交通、自然基础7个方面共300多张图片以供学生学习，并提供双语朗读。 概念训练包括分类、概念、关系、联想4个方面共300多张图片以供学生学习。 社会认知包括动作认知、感受认知、情绪认知、人物关系、身体医疗、生活化和职业7个方面共300多张图片以供学生学习。 生活技能包括个人卫生、日常生活、生活小常识、学校生活和游戏休闲5个方面共100多张图片以供学生学习。 2.评估中心：包括感知能力、注意力、记忆力、空间能力、推理能力、认知灵活性以及问题解决7大认知能力方面的综合评估，又包括视知觉、听知觉、感觉记忆、位置记忆、联想记忆等20多个子维度的能力评估。 3.训练中心：训练中心包块提高感知能力、注意力、记忆力、空间能力、推理能力、认知灵活性以及问题解决能力的训练游戏。 4.个性化方案：学生可以在此模块进行个性化训练，更有针对性的提高认知能力。 5.统计报告：学生在完成评估和训练后，都可以查看自己的评估和训练报告，了解自己的认知能力水平，自主的参与训练。 6.放松减压：包含数十首旋律动听的音乐、数十个画面唯美的视频、及多个专业的心理放松技术内容。 7.个人中心：支持用户个人信息管理，包括基本信息修改和密码修改。系统包括评估与训练成就墙，通过成就激励吸引学生不断完成一项项评估和训练。 22寸嵌入式流线型一体化操作台，配有无线键鼠。

包括图形化组态应用和硬件数据源仿真，可二次开发、在线编程。仿真设备与实物设备的数据可同步，达到虚实结合。

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

本发明公开了一种基于被动毫米波极化成像的材料分类方法； 首先利用毫米波辐射计成像系统在无极化照射环境中获取给定入射角 下场景的水平极化图和垂直极化图；再根据水平极化图和垂直极化图 计算得到“线极化比”图像；然后统计分析“线极化比”的分布规律， 利用阈值估计公式估计“线极化比”阈值；最后根据分类准则，实现 对场景中的金属材料和非金属材料的分类。本发明能非接触、被动地 对金属材料和介质材料的进行有效分类，并且不受环境辐射变化的影 响，具有很好的鲁棒性，可用于金属目标的遥感与探测、金属危险品 的安全检测与预警等领域。

本发明提供了一种基于音频信号特性分类的无参考音频质量评价方法和系统，包括步骤：步骤 1， 基于有参考音频质量评价模型建立训练模型，采用机器学习获取不同类型音频信号的音频质量与网络参 数的关系，即无参考音频质量评价模型；步骤 2，在音频信号网络传输中，将当前丢包率、当前延迟时 间和当前丢包数据的音频信号类型输入无参考音频质量评价模型，获得当前音频质量。本发明对不同类 型信号采用不同的质量评价关系式进行质量评价，能更真实地反映用户体验。

本发明公开了一种人流量统计系统中分类器的自动选择方法，属于视频监控及模式识别技术领域。本发明包括：预先设定多个成像视角，分别离线训练一个分类器；在线学习时，针对当前输入图像，对各分类器分别执行下述操作：检测目标，将当前检测出的行人目标与已有的跟踪目标进行关联，对未关联的跟踪目标采用跟踪算法进行跟踪，将未关联的检测目标加入跟踪目标队列中；对跟踪目标队列中符合条件的目标进行计数；若所有分类器所计目标数均未超过阈值，

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果