本成果解决了车体结构板件参数多、数量大，现有商业软件难以开展车体优化设计等难题，实现了车体结构的快速建模、高效模态分析和轻量协同优化设计，计算效率较商业仿真软件大幅度提高。同时，本成果还具有以下创新点： 1.研究车体结构材料的形状和构成特性，提出了基于图像识别的车体智能建模方法，关键节点的精准度可保持在95%以上，提高了车体结构在横截面维度建模的效率和便捷性。 2.研究车体截面的几何特性，采用向量化的计算方式对车体截面实现了特性表征，提高计算效率的同时也为后续轻量协同优化提供了支持。 3.探究车体结构的变形特点，提出CUF高阶梁理论的截面降阶和动刚度法轴向降阶方法，在保证精度前提下最大限度减小自由度，进一步提高了建模和计算效率。 4.研究车体结构的力学特性，结合机器学习等高效优化算法，构建结构尺寸、形状、拓扑优化设计模型，实现大规模多设计变量的轻量化及动力特性优化研究，计算效率与传统优化方法相比提高3个数量级，优化效果可提升10%左右。 5.本成果所用框架和算法均采用PYTHON语言编写完成，具有完全自主知识产权，可突破国外限制。

荧光显微成像是分子生物学研究的主要手段，然而由于激发光的高光子通量和光毒性，成像总次数受限，因而目前还未能全面揭露细胞内部细胞器的相互作用及动态过程。活细胞的高分辨长时程成像目前仍然是生物学研究中的巨大挑战，由于轴向扫描速度的限制，三维荧光成像需要更大的激发光子通量，而光漂白效应则极大限制了三维成像的总时长。同时，由于荧光光谱较宽，成像过程中通道数目受限，荧光成像一般仅能同时标记有限种类的分子。而电镜等辅助成像手段虽可观察多种细胞器，但仅能提供静态快照作为辅助。光学衍射层析显微成像具有光通量低，光毒性小的特点，可有效解决荧光成像遇到的问题。光学衍射层析成像系统中，先前的工作缺少荧光成像作为辅助，衍射层析图像中的多数结构缺乏标定，仅能进行形态学分析。传统光学衍射层析成像中，也仅对脂滴、染色体和线粒体进行了结合宽场荧光成像的鉴别标定。 北大研究团队提出一种结合光学衍射层析显微成像和结构光照明超分辨荧光成像的双模态显微成像方法，用超分辨荧光成像辅助光学衍射层析进行共定位成像。在双模态成像系统中，光学衍射层析成像具有优异的分辨能力，且无光毒性的限制，因而可以长时间、全面地记录细胞内各种细胞器间的三维相互作用动态；荧光成像模态可提供分子层面的化学特异性分辨能力，因此成为鉴别无标记成像模态成像结果的重要依据。利用光学衍射层析-结构光照明荧光双模态成像系统，可开展一系列的活细胞成像研究，并应用于病理诊断、药理分析、耐药性研究等。

1. 痛点问题 2020年我国钢材产量超过13亿吨，占全球产量的一半以上，同时我国钢铁消费市场也是全球第一。现代智能化钢厂是钢铁企业未来的重要发展方向，目前国内主流钢厂都在大力布局。但作为智能钢厂的基础和核心，钢铁生产智能设备国内技术能力差距较大，对国外依赖性比较明显。 2. 解决方案 本项目将最新的光电技术与钢厂生产需求深入结合，致力于钢厂关键智能感知设备的研发。目前已完成原理验证和样机开发的智能设备包括：转炉炼钢过程动态监测系统、转炉内壁智能测量扫描设备、辊道辊在线智能监测系统等。项目还有多项智能设备在研。 本项目的转炉炼钢过程动态监测系统，是通过监测炉口火焰光谱和图像信息，经过人工智能计算，得到炼钢过程中钢水温度、元素含量等参数，实现炼钢过程实时动态监测。转炉内壁智能测量扫描设备，是采用激光雷达和数据融合技术，远距离快速智能扫描转炉内壁，实现转炉内壁自动检测。辊道辊在线智能监测系统，是通过对轧钢辊道辊电流实时连续监测和智能分析，有效监测和预防辊异常导致的带钢或铸坯表面损伤。 合作需求 本项目下一步发展需求主要集中在与钢铁和冶金行业相关企业的技术和产品合作，其次是资本投资、政府政策等方面的扶持。需要的外部资源主要是产业的工程化、产品化资源和市场资源。

项目背景：现有船舶设计及强度评估方法已经处于缓慢发展 阶段，但是船舶结构安全事故（尤其是针对大型船舶）却屡见不 鲜，传统的技术方法在提升船体结构强度的同时，也直接导致船 舶建造成本和船舶营运成本的快速增加，因此船舶结构安全保障 技术发展已进入一个瓶颈期。类比其他行业如桥梁飞机等，发展 方向已逐渐向智能化监测以及预警及决策转变。为打破瓶颈，针 对船舶结构安全性的技术方向也应向智能化感知及辅助决策方 向转变。其中的主要研究要点为智能感知和数字孪生关键技术， 技术路径为构建传感系统的搭建与优化体系、研究结构状态智能 感知和数据挖掘方法，建立基于感知数据的载荷反向识别、数字 孪生模型与驱动更新技术，以及基于智能算法的安全评估技术， 该技术不但可以在营运过程中保障船舶结构安全，还可以船舶设 计优化和完善规范有重要的指导意义。该需求技术国内外均处于 初步研究阶段，国外船级社 DNV 已有该类产品，但国内尚无同类 产品，并未形成行业壁垒，可实现研究自主化，获得自主知识产 权，填补国内空白；该产品的研发也有利于实施国家制造业发展、 山东省产业转型和青岛市海洋发展等国家和地方战略，在抢占行 业高地的同时带动产业链升级。 所需技术需求简要描述：1.传感器网络布局优化及数据采集，硬件传感网络布局覆盖全船结构，最大监测点不小于 128， 最高采样频率不低于 500Hz；2.船体结构感知系统智能化数据处 理，实现结构正常状态数据和异常状态数据的模式识别；3.船舶 结构智能孪生模型构建及同步演化；4.结构安全在线评估，并提 出结构安全完成任务使命所需的运维处理和运维策略。  对技术提供方的要求:1.在船体结构监测领域具有一定的研 究经验；2.具备相关领域软件开发和硬件集成、测试能力；3. 具有相关技术的研发和软件开发背景；4.具备船级社质量管理体 系认证。 

  植物在重力引导下的生长称为植物的向重力性。根向重力是植物适应陆地环境的重要过程。植物向重力性反应的第一步是感受重力信号。目前，关于重力信号感受的机制有两种假说：一是淀粉平衡石 (statolith) 假说，二是原生质体压力假说。植物根冠的柱状细胞和茎的维管束鞘细胞中存在淀粉体，这些淀粉体被命名为平衡石。中柱细胞和内皮层细胞通过淀粉体的沉降来感受重力变化。生长素在调节植物根系向重力作用中发挥重要作用，但生长素促进重力感知的分子机制及随后的反应尚不清楚。   非损伤微测技术（Non-invasive Micro-test Technology, NMT）是通过测定活体动植物组织、细胞与内/外环境间Ca2+/Cd2+/Na+/K+/NO3-/NH4+/O2...交换量的实时变化，揭示基因功能的一种新技术。目前已被103位诺贝尔奖得主所在单位，以及北大/清华/中科院使用。 应对挑战： 重力研究中对于活体样品基因功能方面的检测手段匮乏 样品检测过程中样品重力变化与检测设备的结合方式是一个难点 重力变化过程中生理指标的实时监测 解决方法： 非损伤重力感知分析系统(GRASS)是基于非损伤微测技术的底层核心技术，是能够检测活体样品基因功能的技术 非损伤重力感知分析系统(GRASS)配有立体可移动旋转样品固定装置，可对样品施加不同方向的重力并能实时检测 非损伤重力感知分析系统(GRASS)能够进行长时间的监测，为重力变化过程中，比较分子、离子流动速率，提供长时间的数据结果 产品介绍 名称：非损伤重力感知分析系统（GRASS） 型号：NMTG-100 品牌：旭月 产地：中国 功能特点 1.基本功能： 检测样品所受重力发生变化时的生理指标变化 配备立体可移动旋转样品固定装置，对样品施加不同方向的重力 检测指标：Ca2+、H+、K+、Na+、Cd2+、Cl-、NH4+、NO3-、Mg2+、Pb2+、Cu2+、O2、H2O2、IAA 2.性能参数： 工作电压：220V 最短检测周期：5s 离子分子浓度测量精度：10-6M 离子分子流速测量精度：10-12mol·cm-2·s-1 传感器最小移动距离：1μm 立体显微成像系统分辨率：1920×1080 3. 软件参数： 操作界面：中文 检测指标模块化可选 离子流速、浓度检测软件模块（包含：Ca2+、H+、K+、Na+、Cd2+、Cl-、NH4+、NO3-、Mg2+ 、Pb2+、Cu2+） 分子流速、浓度检测软件模块（包含：O2、H2O2、IAA） 支持中英文输入、标记与记录 可直接输出流速、浓度数据和折线图，无需额外换算

本产品可将多联式空调连接至智能家居系统，以实现智能化监控与控制。

利用多机器人和多模态视觉传感器有效探索与感知复杂 环境的三维结构，进而理解和分析三维场景。研究从多源异 构的机器人定位与建图等环境感知方面、多模态融合的前景 分割、显著性检测和目标检测等场景分析方面取得突破。

清华大学公共安全研究院和北京辰安科技股份有限公司快速搭建了疫情实时态势感知与分析系统，对区域疫情数据进行实时动态监测、搜集、分析和可视化，服务各级政府疫情应急的资源调度、态势研判和决策指挥。该系统在实时播报全国和世界范围内疫情最新动态的同时，对省级和地市级的人员迁徙比例与分布进行重点信息排查，密切关注人口流动与疫情分布的内在联系，为疫情跨区域传播规律和病例溯源提供依据。该系统深入剖析大数据并探查民众意识和情感倾向，研判民众主流感情倾向和重点关注事件等疫情相关舆情，以“情感分析拼图”、“事件文章热词云”和“全国舆情热度”等分析结果为引证，为辟谣和积极引导舆论提供帮助，在国家抗击疫情最为严重困难的时期为大众的理性思考和科学防备贡献力量。国疾病预防控制中心以及广东省、武汉市、合肥市、深圳市、广州市、佛山市等20多个省市在指挥调度中使用该系统。

自然场景视觉感知与理解是人工智能的前沿热点，其主要任务是对场景中的视觉要素进行认知，进而推断出其中包含的场景语义。IMAGINE实验室近年来相继从场景构成分析、场景内容推理、场景结构建模等角度对这一问题展开了系统研究，着重探索了融合先验建模与深度学习的自然场景视觉理解这一问题。大数据具有规模大、种类多、产生速度快、有价值数据密度低等特点。对大数据信息分析具有重要意义，也是目前研究的热点，其主要任务是利用数据分析的方法从大数据中获取有价值信息。IMAGINE实验室近年来结合深度学习前沿技术和传统数据分析方法进行数据分析和预测，并在海关大数据分析项目和国网电力冰风灾害预测项目中进行应用

研究意义1. 视觉感知是高铁、自动驾驶车辆、无人航行器等自动化设备实现环境感知的重要手段。2. 对运动状态下产生的图像模糊进行复原是计算机视觉领域的重要研究内容。3. 运动模糊对于基于视觉的目标检测算法的检测能力具有显著影响。 研究目标 本研究相机在直线运动状态下前进速度与目标检测算法在产 生的模糊图像上检测能力的关系。通过实验进行具体关系的 研究与分析。对模糊图像应用合适的去模糊算法，观察并分 析去模糊后目标检测能力的变化。