膜识别技术的应用 1.基于深度学习的虹膜识别算法性能达到国际先进水平； 2. 虹膜图像采集采用全自动自适应技术，可以自动寻找虹膜，自动聚焦，在中远距离范围实现了高用户友好性。 系统的性能远高于市场同类产品； 3. 整套系统成本很低，远低于市场同类产品，非常适合大规模应用 。

01. 成果简介 随着国民经济的快速发展，机动车辆增长迅速、路面交通任务日益繁忙，国内交通安全形势面临日益严峻的考验。虽然基础应用系统已经达到了较高的技术和应用水平，但也存在着一些问题和不足：各应用系统只针对本系统的数据处理；局限于简单的统计，统计信息都有其局限性，出现“信息孤岛”现象；无法实现数据融合、信息共享，不能为交通运行评估和辅助决策提供依据；不能进行相关系统的协同联动，使之使用在日常工作中；工作效率仍没有显著提高；由于缺少科学管理手段，各交通管理部门，越来越难以适应当前形势的要求。主要表现在：1）信息孤岛问题；2）缺少跨系统信息融合分析及挖掘；3）信息服务、协同指挥及公共服务功能不足；4）公路交通状况管控困难。 本成果团队自主研发的广度学习基础计算系统集成平台提供了一个基于全量多模态数据融合和协同挖掘分析的大数据智能系统支撑框架，可以对在地理、空间上分散的人、设备、环境、事件等进行大规模实时关联和因果分析，以指导复杂态势环境下的指挥行动。这些大数据技术已被运用于交通态势分析和预测，如实时分析城市交通流量与预测等。基于通用的大数据融合智能分析平台，使指挥人员和调度人员能在单一系统内解决所有问题，包括各类交通情报分析（情报报告，事件行为等），关联分析（背景、跟踪、时空、反应等）和预判决策等功能。系统利用统一数据融合服务（UDFS）和统一视频融合服务（MVFS）等技术手段，将跨界多源动静态交通数据进行融合利用，并产生统一的道路交通基础知识图谱（DKG），然后统一提供给拥有计算能力的融合计算引擎基础算力平台（TAIOS），训练和调度各类模型算法（TAIMODEL），生成基础应用工具和基础应用指标，最后通过组合统一用户管理（４A）和统一指挥调度（TBOCC）到具体的业务流程中，构成各类闭环场景应用，从而产生智能、精准的道路交通治理优化方案，提升道路的畅通程度和安全水平。 图1. 数据融合图2. 态势感知02. 应用前景 广度学习基础计算系统集成平台应用于智慧交通领域，其创新成果已在贵州省交通管理局复合型大数据交通态势感知指挥云平台工程建设中得到应用，创造了良好的经济和社会效益。填补了国内在交通管理领域大数据融合应用空白。是提升交通管理的跨界数据融合、功能融合、管理融合、指挥融合的创新型技术。促进了我国交通大数据智能管理建设技术水平的提高，促进了交通管理行业的技术进步。该项目具有广阔的市场前景。03. 知识产权 已申请发明专利9项。04. 团队介绍 本项目以清华-青岛数据科学研究院（挂靠软件学院，以下简称数据院）韩亦舜执行副院长团队为核心。数据院于2017年8月下设交通大数据研究中心，该中心面向国家重大战略需求，专注跨界融合大数据、机器学习、人工智能技术在交通行业全流程数据科学和数据工程的核心技术创新应用研究，在交通管理、交通运输规划与管理、公共交通、物流运输等领域开展跨界大数据融合智能交通应用示范。05. 合作方式 投融资 / 专利许可。06. 联系方式 邮箱：liuc1988@tsinghua.edu.cn、liuyi2017@tsinghua.edu.cn

项目研究背景： 该课题实现了对大型机电设备的在线监测和远程故障 诊断，提高了诊断的精度，降低了对生产企业设备维护的成本，可以实现 生产企业中设备的预防性维护和主动性维护，从而提高了设备的利用率。 课题的研究成果适用于生产企业大型设备的状态监测， 适合在全国范围内 推广。 技术原理： 本课题采用 C#语言、 Matlab 语言和 SQL Server 数据库技 术进行开发，实现设备状态监测数据的远程传送与

本发明公开了一种混合动力公交车在线自学习能量管理方法，该方法首先根据出厂时设置的初始能量管理策略控制发动机和电动机的转矩分配，随着公交车在固定路线上的运行，获得初始策略对应的动作值函数后，可以从该动作值函数出发，通过公交车在道路上的往复运行，在线、自主地学习适合于公交车运行路况的能量管理策略；本发明充分利用混合动力公交车在同一路线上往复运行的特点，采用自学习的方法来获得适用于公交车运行路况的能量管理策略，具有能源分配合理、燃油经济性高、尾气排放少、鲁棒性好、节能环保的特点。

本系统采用Core图像数据库51135幅，每幅图像提取纹理与颜色相综合的128维特征值构建特征数据库，采用自行设计的度量距离分类学习算法，在传统的图像检索基础上引入学习机制，系统共分类369个，每一类选取少量有代表性的图像（最多不超过6幅），试验表明，在提供有限的学习样本条件下，能有效提高图像检索的精度。 系统采用两种检索方法进行比较，一种是传统的欧氏距离，另一种是本系统设计的分类距离学习方法，比较两者在图像检索精度上的差异。 该原型系统核心程序在Linux下用C编译实现，图像检索界面由PHP实现，通过Web服务器实现在线检索功能。

超星客户端是为期刊编辑部提供的可用于学术资源“域出版”的唯一移动出版平台，也是为移动终端用户提供的集阅读、科研、学习、交流、管理等用途为一体的现代化综合移动服务终端，包括文献、图片、音频、视频、论坛和授课等多媒体互动功能。

爱学习，为全国教育机构提供高品质教学产品及办学解决方案。平台围绕“开放连接，成人达己”的战略路线，整合“教研、教学、服务、营销、管理”五大版块，业务涵盖七大学科产品及备授课系统、直播教学、师资培训、学员测评、营销招生、办学咨询等多个领域，截至目前，爱学习全国合作伙伴超过8000家，业务覆盖全国30个省份1600个县市，服务学员总量超过1200万，年均超过500名学员走进清华北大，并在成都、杭州、深圳、西安等9个城市建立教研和营销服务中心，更好地构建教育赋能新生态。

在线油路磨粒检测系统是采用非接触测试技术，对润滑油路中的金属磨粒进行在线检测，对油路中的磨粒进行计数，确定尺寸和分级，统计出金属机械磨损情况，判断其变化趋势。其主要设计依据机器的磨损部件（比如旋转机械）的损伤程度与从磨损部件释放到润滑系统里的金属颗粒质量之间的强烈关联性。该产品预测机械故障，进行设备的早期故障诊断，避免灾难性事故发生。该产品适用于电业、航海和航空等领域

表面质量已经成为企业日益关注的内容，传统人工检测方法存在着检出率低、工人劳动强度大等问题，已不适应企业对产品表面质量严格控制的要求。采用表面在线检测系统是解决这些问题的惟一途径。目前，发达国家的带钢生产线一般都配备有表面在线检测系统，从热轧生产线开始到冷轧的各条生产线，如酸洗、轧制、平整、涂镀及精整等，对轧制过程中各条生产线的表面质量情况都进行了全连续自动跟踪，不仅保证了产品的出厂质量，而且可以根据前面工序中的检测情况指导后面工序的生产，提高了产品的成材率及生产效率，给企业带来了巨大的经济效益。本课题组于1998年开始在表面检测领域进行研究，在一项欧盟国际间合作项目和多个国家及省部项目的支持下，于2002年研制出国内第一套具有自主知识产权的带钢表面质量在线检测系统。该系统采用CCD摄像头、图像处理、模式识别、并行计算等一些前沿技术，并自主开发了图像冻结技术、快速图像处理和模式识别技术等多项创新技术，解决了表面质量在线检测中的一些难点。该项研究成果经专家鉴定，整体技术具有国际先进水平。该产品于2003年7月获得北京市“高新技术成果转化项目”的认定。应用范围 本产品可广泛应用于钢铁、有色、造纸、塑料等行业，典型应用领域有：冷轧带钢、热轧带钢、中厚板、铝带、铝箔、铜带、铜箔、纸带、木材、塑料薄膜、陶瓷、纺织等生产线。目前，本产品已经应用于热轧带钢、冷轧带钢、中厚板等多条生产线，系统达到的技术指标是： 检测速度18 米/秒（可按用户要求提高）； 检测精度为0.3mm（可按用户要求提高）；对生产线上常见缺陷的检出率≥90%，常见缺陷的识别率≥80%。