“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品  “全球抗疫，人人有责”   推出背景：         研究论文的可重复性是研究科学性的最重要基础。论文可重复性需要作者对研究的相关过程、研究对象和统计分析方法提供详细的描述，否则给其他学者重复实验带来很大困难，但是活体生理研究的可重复性差一直困扰着这一领域。有一些杂志在这方面已经进行了一些探索，但仍然不能避免一些研究可重复性差的问题。重现性、严谨性、透明性和独立验证是科学方法的基石。   实验的严谨性在于实验变量的统一，随着科技的发展，变量的因素会越来越完善，检测方法、检测设备也会越来越专业，除了我们已知的实验变量，其实还有很多的其他因素也是实验变量的一部分，只是还没有能够将这些因素通过精确数据的形式展示出来。   NMT创新产品系列，带您找到实验中的变量！   产品介绍 名称：样品压力监测仪 型号：SPD-100 品牌：旭月 产地：中国 简介： 应对挑战： 活体样品检测时样品及检测过程中的参数是数据重复性的关键 NMT实验中样品固定以及测试过程中，样品所受压力的大小可能会造成处理样品的不同，压力的检测将是非常重要的指标之一。在NMT检测的过程中较难实现样品压力的检测 解决方法： 样品压力监测仪提供了NMT检测过程中，样品的压力数据，解决了检测过程中样品实验参数的问题 样品压力监测仪可以通过液晶屏显示，也可以通过电脑、手机等终端查看数据，解决了人工记录数值可能造成的差异性及意外   功能特点 1.基本功能： 实时监测、记录样品受到的压力值 液晶屏实时显示监测数值 可通过电脑、手机等终端查看和下载数据

“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品  “全球抗疫，人人有责” 推出背景：         光是一个十分复杂而重要的生态因子，包括光强、光质和光照长度。光对植物的形态建成和生殖器官的发育影响很大，植物的光合器官叶绿素必须在一定光强条件下才能形成，许多其它器官的形成也有赖于一定的光强。在黑暗条件下植物就会出现“黄化现象”。         光也是影响动物行为的重要生态因子，很多动物的活动都与光照强度有着密切的关系。在自然条件下，动物每天开始活动的时间常常是由光照强度决定的。当光照强度上升到一定水平，或下降到一定水平时，它们才开始一天的活动。         光强对于动植物等所有生物体来说，都是有影响的，科研实验中光强的作用不言而喻。     应用挑战： 实验环境中光强与检测数据的对应性不足 光强的检测频率过低 光强检测通常是整体检测一次，不能提供持续性的检测   解决方法： 智能光强监测仪能够提供高频率的检测数据，并与进行实验的采集时间保持一致。确保在数据分析中能够准确的将光强数据与实验数据进行比较，更好地进行数据分析 智能光强监测仪，能够提供实时检测。避免实验中，因操作的调整而促使光强的变更没有被发现   功能特点 1.基本功能： 实时监测环境亮度 2.性能参数： 工作电压：5V1A 最高16位分辨率 0.01 lux低流明性能 具有上阈值和下阈值的可编程中断功能 高灵敏度，环境亮度检测近似人眼的视觉反应 可自行设置检测频率

一种基于实时数据库的HART现场设备管理方法及系统。工业操作站将HART命令对应的有效数据以工业以太网协议中的报文形式发送到控制站；控制站对将解包后的有效数据以CAN协议中的报文形式发送；HART模件解包所收到的CAN协议报文将有效数据构成HART命令形式发送；HART设备接收到HART命令后将响应信息返回给HART模件后解包，以CAN协议中的报文形式打包发送给控制站；控制站解包所收到的CAN协议报文，以工业以太网协议中的报文形式打包发送到工业操作站。本发明可将全部HART现场设备数据送入主控室的操作站，让用户在控制室就能方便地远程查看、修改、配置现场设备的组态信息，提高设备维护效率，降低生产成本。

一种面向市政给水管网压力监测点优化布置方法，基于EPANET软件对监测区域给水管网的运行状态进行模拟仿真，得到各压力监测点的空间属性与非空间属性；利用上述属性值构建管网各节点原始特征矩阵数据，通过无量纲化处理后得到节点特征矩阵数据；采用OPTICS聚类算法实现对节点特征矩阵数据进行聚类分析，得到压力监测节点有序集合；基于压力监测节点有序集合，选取合适的节点聚类集合，依据聚类结果和节点影响度大小，最终确定市政给水管网监测区域压力监测点的位置和数量。本发明的优点在于：能够有效反映管网压力的区域分布情况；

本发明公开了一种电子辐照加速器的电压故障监测系统及方法， 包括用于分别测量 n 个待测点电压的 n 个电压检测器、通信节点网络 和数据库；所述通信节点网络由 n 个通信节点单元和一个网络接入点 单元构成星型拓扑结构，n 个通信节点单元通过无线通信的方式与所 述网络接入点单元连接；所述网络接入点单元通过网线与所述数据库 连接；n 个电压检测器的输入端分别用于连接加速器中 n 个电压待测 点，采集待测点的电压，n 个电压检测器的输出端分别与 n 个通信节 点单元连接；根据数据库中的数据以及预先设定的故障

本发明公开了一种用于判断原动机调速系统对低频振荡影响的 监测识别方法，用于识别振荡过程中原动机调速系统为振荡提供正阻 尼还是负阻尼，以为电力系统稳定运行提供一定的参考价值。该方法 首先通过 TLS-ESPRIT 方法对振荡阻尼进行辨识，用阻尼比确定发电 机转子方程左右两边变量的第一夹角，再通过测量发电机本地的电磁 功率与转速得到转速偏差与有功功率偏差的第二夹角，两个夹角对比 确定机械功率偏差对于振荡提供正阻尼还是负阻尼。判断方法简单有 效，能够帮助运行人员提高电力系统稳定水平。 

本发明公开了一种寒区化冻期土壤内源污染释放汇流过程监测方法:(1)利用流域 30m 精度的数字 高程地图，进行均衡区划分，根据土地利用情况，进行下垫面类型识别;(2)分析化冻期区域尺度上的 水文特性和污染物析出规律，确定区域尺度的土壤污染物释放源强;(3)根据质量平衡法分析各均衡区 化冻期水量及污染物的均衡过程;(4)根据数字高程地图获取、调整均衡区，并回转执行步骤(1)，直 至所需均衡区的水量和污染物质量均衡分析均执行完毕;(5)寒区化冻期水资源污染物释放源强数据的 计算、显示、数据输出及预警。本发明采用 30m 精度的数字高程地图，提高了计算精度，解决一般数据 模型计算结果不直观、治理难的问题，信息明确直观。

清华大学公共安全研究院广东分院王飞副教授团队依托智慧安全佛山一期项目的平台功能和数据基础，快速研发佛山市肺炎疫情实时态势管理系统，全面归集市疫情信息，实时汇聚各类疫情防控措施落实情况、救治情况、防疫物资情况、舆论观点情况等防疫工作数据，形成“防疫一张图”，系统在佛山市防疫工作指挥部和城市安全运行监测中心上线运行。团队借助研究院在城市安全领域积累的科研成果，通过空间信息技术、大数据分析技术、风险评估技术为疫情综合分析、研判和决策提供及时的动态信息，为疫情防控工作的科学防治和精准施策提供辅助支撑。

该系统采用美国TI公司先进的DM8168高清视频SoC芯片，可对摄像机输出的 多种接口形式的高清视频进行实时采集、压缩编码和实时处理。该平台可替代基 于工控机的传统机器视觉技术和设备，达到更高的图像和视频清晰度、缺陷识别 处理的实时性和可靠性，具有优异的性价比、体积小、功耗低等多种优势，是全 新在线机器视觉检测设备的实现方案。该技术成果在汽车多媒体电子系统、车载、 船载及机载高清视频测量、处理与控制系统及消费电子等领域具有重大的推广价 值。一、DM8168处理器特性 TMS320DM8168是一款多核SoC,它集成了包括ARM Cortex A8、DSP C674X+, HDVICP, HDVPSS等处理器，具有强大的高清视频处理性能。 二、 DM8168核心处理板 CPU： ARM elk： 1.2GHz、 DSP elk： 1GHz DDR3-1600存储器100/1000M网口进行网络通讯与数据采集SATA接口供存储 数据使用 三、 高清视频采集处理 四、 应用方案 相机接口方案一 ：CameraLink工业高清相机接口使用Cyclone IV FPGA对LVDS 解码后的视频信号进行特殊处理后送到dm8168,实现1080P 60fps、720P 60fps 等高清视频的采集显示与实时编码。 相机接口方案二：色差高清视频接口使用TI的视频解码芯片TVP7002完美 解决了视频ADC问题，并实现了 1080P 60fps的采集显示与实时编码功能。

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。