非损伤微测技术（Non-invasive Micro-test Technology，NMT）源于美国MBL实验室（54位诺贝尔奖得主的摇篮），由神经学家Lionel F. Jaffe（美国扬格公司创始人之一）于1974年发明，2001年，美国扬格公司正式推出现代NMT。NMT是一种研究活体材料的底层核心技术，研究人员基于NMT能够建立自己独有的Me-Only 研究平台，从而获得极具创新的研究成果。         NMT可在不接触、不损伤样品的情况下，检测分子/离子进出生物活体的流速（流动速率和方向），可测样品种类繁多，小到菌、单细胞、液泡，大到组织、器官、整体都可检测。基于NMT商业化的设备统称为非损伤微测系统。         扬格/旭月的非损伤微测系统包含BIO系列、CONFLUX系列（共聚焦/荧光NMT）、NMT100系列、NMT200系列、NMT100S系列、NMT200S系列、NMT150系列、NMT活体工作站系列、NMT Physiolyzer®系列等，已发展至第七代自动化智能产品。扬格/旭月的NMT系统全部采用从美国扬格（旭月北京）研发中心自主研发的imFluxes智能操作软件，将十余年的NMT应用大数据与设备实现完美结合，并且在产品一体化、自动化、智能化、扩展升级等诸多方面都有大幅提升。         扬格/旭月已取得基于NMT的数十项专利及软件著作权，拥有完善的专利保护体系，所有产品全部通过中关村NMT联盟认证和ISO9001质量体系认证。扬格/旭月所销售的NMT专用耗材，已通过中关村NMT联盟认证，所有耗材是扬格/旭月研发中心结合十余年的经验、摸索并自主研发生产的。NMT专用耗材较传统的通用型耗材保质期更长，性能更稳定、可靠，所有对外销售的耗材全部经过严格的生产、检验流程。         扬格/旭月的NMT研究平台已经帮助国内外科研单位取得近百项各类专利，以及包含Nature、Cell在内的500多篇论文。同时，已销往欧洲的瑞士苏黎世大学（拥有包括爱因斯坦在内10余位诺贝尔奖得主），以及中国科学院、中国林科院、中国农科院、农业部下属的众多科研院所与高校，以及北大、上海交大等知名高校。 名称：IAA工作站 代数：第七代 品牌：旭月 产地：中国 已获得认证：中关村NMT联盟认证，ISO9001国际质量体系认证 简介：IAA工作站是一款针对植物生长激素IAA而特别设计的活体生理功能检测平台，可在保持样品完整的情况下，检测进出活体样品内外的分子、离子的流速，是目前世界上唯一一种检测IAA实时动态信息的系统，分辨率高达10-15 mol级别。能满足生长调节、极性运输、除草剂机理等方向的研究需求。 1 活体、原位、非损伤测量 对整体或分离后的样品不造成损伤，获取正常生理状态下的信息。 2 无需标记 预先知道测定的是何种指标，无需用放射性、化学或药理学等标记方法，安全且环保。 3 不用提取样品 可直接检测，不需要研磨等传统的提取方法。 4 实时、动态检测 动态实时（最短在6秒左右）检测和获取数据。 5 长时间持续检测 可进行长达8个小时以上的实时和动态监测。 6 可测指标 采购相对应耗材后可单独检测IAA浓度和流速。 预留指标检测升级端口，可升级指标包含：O2、H2O2、Cd2+、Pb2+、Cu2+、Ca2+、H+、K+、Na+、NH4+、NO3-、Cl-、Mg2+的浓度和流速检测。 预留双指标检测升级端口，升级后可单独检测一种离子或分子，也可同时检测两种离子或一种离子与一种分子的浓度和流速，用于离子/分子相关性研究及更前沿的科研探索。 7 可测样品种类繁多 整体、器官、组织等都可以检测（理论值：150μm-10cm均可）。 8 自动化操作 X方向自动/手动操控传感器移动，Y、Z方向手动操控传感器移动。 9 数据采集方式 X方向一维数据采集。 型号 功能 可升级功能 NMT-IAA 1.标配一种指标：IAA。 2.操作方式：一维自动。 3.检测样品：可检测150μm-10cm样品。 4.数据：1D。可直接检测、输出流速和浓度数据。 5.检测方式：单传感器检测 6.异常报警：有 1.可升级指标：膜电势、O2、H2O2、Cd2+、Pb2+、Cu2+、Ca2+、H+、K+、Na+、NH4+、NO3-、Cl-、Mg2+。 2.可扩展：未来新研发指标可扩展升级。 3.操作方式：可升级至三维自动。 4.检测样品：检测样品尺寸为5μm-10cm。 5.可升级检测方式：单/双传感器检测可选。 6.数据：1D/3D可选。可直接检测、输出流速和浓度数据。                                                                                                                                                                     

垂直流洁净工作台 1★符合EN12469、EN1822和JG/T-292标准。    2★德国EBM原装高性能变频AC/EC 风机，送风效率高，能耗低、噪音低。 3★瑞典CAMFIL高效过滤器，操作室洁净度优于10级（class 4）。 4★B-auto全自动控制的电子技术，真正实现了风速的精准控制。 5★Bionev 超大屏幕液晶显示，实时监测运行状态，可设定密码管理，防止误操作。 6、条码显示过滤器的寿命及风机和紫外灯的运行时间，既科学又经济。

该发明公开了一种基于双库协同机制的 KDD* 新系统 , 该系统是在 KDD 技术的基础上融入双库协同机制，即构建数据库与基础知识库的内在联系“通道”，从而用基础知识库去制约与驱动 KDD 的挖掘过程，改变 KDD 固有的运行机制，在结构与功能上形成了相对于 KDD 而言的一个开放的、优化的扩体。双库协同机制的引入，使得 KDD 在功能上得到了进一步的完善和提高 , 并诱发出若干新的结构模型，对知识发现系统的主流发展起着重要的推动作用。◆项目的应用范围及经济效益分析 一种基于双库协同机制的 KDD* 方法及系统 （已获国家发明专利证书 , 专利号： ZL 01145080.0 ），是在 KDD技术的基础上融入双库协同机制，即构造数据库与基础知识库的内在联系“通道”，用基础知识库去制约与驱动KDD的挖掘过程，并在KDD的挖掘过程中对知识库进行实时维护，实现了“知识与数据库同步进化”；改变与优化了KDD固有的运行机制，实现了“多源头”聚焦与减少评价量；强化并提供了知识发现的智能化程度，提高了认知自主性, 形成了知识的自动评价系统, 减少了领域专家的工作量,较有效地克服领域专家的自身局限性，实现了“采用领域知识辅助初始发现的聚焦”；在结构与功能上形成了相对于KDD而言的一个开放的、优化的扩体-- KDD*。双库协同机制的引入，揭示了在一定的建库原则下，知识子库与数据子类结构之间的对应关系，为实现“限制性的搜索”而减小搜索空间、提高挖掘效率提供了有效的技术方法，使得KDD在功能上得到了进一步的完善和提高，并诱发出若干新的结构模型和发掘、评价方法，对知识发现系统的主流发展起着重要的推动作用。 国际著名无形资产评估机构“香港国际无形资产评估事务所”品过此专利无形资产价值66万美元。   该系统是一款通用软件，具有从数据导入到知识管理、知识展示的全部功能，界面友好 ;具有多种可视化展示功能;与用户数据接口简单，不需建立数据仓库。具有良好的通用性与可扩展性;应用范围广。

该发明公开了一种基于双库协同机制的 KDD* 新系统 , 该系统是在 KDD 技术的基础上融入双库协同机制，即构建数据库与基础知识库的内在联系“通道”，从而用基础知识库去制约与驱动 KDD 的挖掘过程，改变 KDD 固有的运行机制，在结构与功能上形成了相对于 KDD 而言的一个开放的、优化的扩体。双库协同机制的引入，使得 KDD 在功能上得到了进一步的完善和提高 , 并诱发出若干新的结构模型，对知识发现系统的主流发展起着重要的推动作用。

提供了基于移动互联网及云计算技术的跨区域多机构整合急救资源协同救治的医疗信息共享平台，具有以下几大功能:基于 FMC-D 时间的智能转运决策辅助、系统内医疗单元 通讯、系统内医疗单元信息共享及 PCI 医院介入影像质控管理。系统分为医疗单元终端(包 括 EMS 终端、非 PCI 医院终端及 PCI 医院终端)和云计算服务端两部分，通过 3G/4G 无线 互联进行数据交换处理。急救车客户端考虑到用户的操作体验，采用基于 Android 系统进行 开发。云计算服务端处理中心部署在云服务器上，按照 SOA 架构的理念进行框架设计，依 托于数据仓库对业务数据进行深度挖掘分析。本系统的特色包括: 体系结构设计以时间轴为中心。时间轴是描述 AMI 患者救治流程的关键事件时间节 点的集合，如:呼叫 EMS 时间，EMS 响应时间，急救车到达时间，首次胸痛发作时间，本 次胸痛发作时间，EMS 首份心电图时间，等。通过对上述关键事件时间节点的统计、分析 通过资源合理调配、辅助决策支持等方式提高针对 AMI 的救治效率。 智能推荐技术。该推荐主要基于以下信息:1，实时的医院医疗资源信息(如床位资 源、医生资源、手术资源等);2，地理位置信息，主要是权衡道路拥堵情况以及距目标医院 距离信息;3，救治能力，主要指通过救治流程中产生的历史数据挖掘分析衡量 PCI 医院救 治能力的信息。 大规模的支持。急救车客户端考虑到用户的操作体验，采用基于Android系统进行开发。 云计算服务端处理中心部署在云服务器上，按照 SOA 架构以及基于 XMPP(Jabber)协议通信 机制的开源架构的理念进行框架设计，依托于数据仓库对业务数据进行深度挖掘分析。在北京 等地的实践表明该系统具有支持区域内多 PCI 医院，多非 PCI 医疗机构，多 EMS 机构并发协 同救治的流程以及流程中产生的 PB 级的数据。在一套完整、独立的 RCTS-AMI 系统内，预计 500-800 家 PCI 以及非医院，12 万台终端，2000-2500 位医生可以使用本系统。

当前顺义区正全力建设“创新型产业集群和制造业高质量发展创新引领示范区”，打造“3+4+1”高精尖产业发展体系，将顺义建设成为全国最大的多场景智能网联汽车创新生态示范区。为本项目的实施，提供了良好的条件。 本项目主要包括对自动驾驶车辆以及道路基础设施进行信息化升级改造，搭建综合数据平台，建设满足智能网联汽车示范应用需求的车路协同系统，建设车路协同示范、智慧交通综合应用示范等多个示范场景。 车路协同部分：通过对现有道路基础设施的改造，构建交通测试环境并配套智能网联设施，实现网联车辆测试的智能化和标准化。实现智能车辆的V2X应用场景测试。形成适用于车-路/车-车/车-网/车-人四类场景的LTE-V和LTE网络以及前端系统设备与光纤链路的互联互通。 运行监管平台：以智能车辆（包含电动车辆）的车路协同和无人驾驶应用示范为重点，研发示范区运行监管平台，并基于此平台开发示范区智能汽车信息服务及管理系统，完成车路协同示范、自动驾驶示范、智慧交通综合应用示范等示范场景的建设，基于车路协同技术实现智能车辆和无人驾驶车辆在普通道路、十字交叉路口的典型应用和自动运营。

本发明公开了一种基于协同尺度学习的行人重识别方法，属于监控视频检索技术领域。本发明首先 根据已标注训练样本集 L 中图像的颜色和纹理特征，进行尺度学习得到相应马氏距离中的协方差矩阵 Mc 和 Mt;随机选择查询对象使用 Mc 和 Mt 进行马氏距离度量，得到相应排序结果，从中取得正样本 和负样本生成新的已标注训练样本集 L，更新 Mc 和 Mt，直到未标注训练样本集 U 为空，得到最终的 标注样本集 L*，并融合颜色和纹理特征得到 Mf，就可以使用基于 Mf 的马氏距离函数进行行人重识别。 本发明在半监督框架下研究基于尺度学习的行人重识别技术，通过未标注样本辅助标注样本进行尺度学 习，符合实际视频侦查应用标注训练样本难以获取的要求，能有效提升少标注样本下的重识别性能。

本成果运用图像识别、智能诊断等技术，对电力设备运行状况进行实时分析并及时预警设备故障。该技术填补了电力设备检测与故障诊断领域的技术空缺，能够准确、全面地对电力设备的故障状态进行检测与定量分析。   目前的电力设备故障检测技术主要有基于红外成像的电力设备异常发热检测技术与基于紫外成像的电力设备异常放电检测技术，两种方法均独立应用。由于电力设备分布面广、数量众多且运行时具有高温、高电压等特殊性，常规检测方式难以准确判定电力设备的发热和放电情况。本