一、项目简介 项目旨在解决现有目标检测、识别和跟踪系统易受雨天、雾天、沙尘、低光照、水下等恶劣成像环境的影响问题，使得相关目标检测、识别与跟踪系统可以全天候工作，最大程度克服相关视觉应用系统受天气和工作场景的影响的局限。 二、前期研究基础 课题组通过多年攻关，在相关核心技术方面有多项突破，提出多项拥有自主知识产权的针对恶劣成像环境下退化图像的质量提升方法。相关研究处于国内领先水平，已在包括IEEE Trans.Image Processing， CVPR，ICCV等计算机视觉国际顶级期刊和会议上发表论文17篇。授权发明专利5项，软件著作权1项。 三、应用技术成果 1)    雾天图像增强2)      水下图像增强 3)    雾天图像增强

本发明公开了一种基于无人艇应用的水面目标快速检测方法，属于数字图像处理和控制系统交叉技术领域。本发明通过目标性分析得到目标候选区域，由于候选区域中会存在一定虚警，因此利用显著性分析得到显著区域，并将目标性与显著性相结合，剔除虚警，得到目标准确位置

本发明公开一种基于 AIS 目标指示的电离层参数反演方法。基于 AIS 获得海上船舶目标位置和运动 信息;基于天波雷达回波谱结合 AIS 目标指示区域检测疑似船舶目标;将雷达探测船舶目标与 AIS 指示 船舶进行相关、融合和匹配，获得雷达船舶目标群路径;基于天波雷达后向散射探测船舶目标定位需要 的准抛物电离层模型;建立雷达船舶目标群路径均方误差方程;基于优化求解算法获得电离层参数最优 解。本发明无需更多的专业电离层探测设备，即可获得电离层参数模型，减少了设备量和装备成本。由 于船舶自动识别系统能实时提供海上大量船舶的静态和动态信息，作为参数反演算法输入数据多，不仅 提高了电离层参数的反演精度和稳定性，还提高电离层参数反演空间分辨率。

一种基于视频技术的目标识别装置，包括固定杆，所述固定杆横截面上端形成空腔，下端靠近两侧分别为支撑座，两支撑座之间形成通道，中空T形杆水平段置于所述空腔中，竖直段穿过所述通道并与位于固定杆下方的监视设备固定连接，环形链条带动中空T形杆沿固定杆在水平方向上移动。通过将监视设备与中空T形杆连接并安装在固定杆下方，用环形链条带动监视设备在水平方向上移动，从而扩大了监视设备的监控范围并实现精准监控。

本发明公开了一种保持目标信息的压缩方法和系统，其中方法包括：采集原始图像，对原始图像进行去最大中值处理，得到去最大中值图像；对去最大中值之后的图像中所有像素点进行检测，当去最大中值之后的图像中的像素点处的像素值大于等于阈值，检测结果为·720·该像素点为疑似目标点，记录疑似目标点所在像素点的行信息和列信息，得到并记录疑似目标点所在的子块图像的位置；对原始图像将疑似目标点所在的子块图像记为无损子块图像，进

1.痛点问题 能源绿色低碳转型是当今世界共同面临的重大课题，能源互联网是支撑以新能源为主体的新型能源系统的重要手段，也是实现我国能源转型和碳达峰碳中和目标的重要途径。综合能源系统是能源互联网的基本物理载体。在传统能源系统中，电网、热网、天然气网、交通网等分属不同公司管理和运营，不同能源系统相对独立，存在能源竖井，能源使用效率总体不高。综合能源系统通过电、热、冷、气等多种能源的互联互通，通过科学化管理实现多能互补及源网荷储协同，打破传统不同能源系统之间相互割裂的情形，在安全供能前提下最大化不同类型的效益，从而提升综合能源效率，促进可再生能源消纳，降低用能成本、提高用能可靠性，减少或延缓投资和建设等。 当前国内开展了许多综合能源系统的示范和应用，但由于综合能源系统横跨多个学科、多个系统和设备厂家、多个管理运营主体，许多项目存在“综合有余、智慧不足”的特点，其运行控制仍然以“被动式数字监控”为主，没有给予运行人员足够的分析决策帮助，没有实现“主动式智能调控”，未能够充分发挥多能互补的效益。主要原因在于缺乏一个智慧能源大脑——综合能量管理系统（IntegratedEnergyManagementSystem,IEMS）对实时运行中的电、热、冷、气进行智慧化的分析和决策。 城市在能源转型发展过程中面临着能源科技创新相对割裂、缺乏实证，能源产业数字化、智慧化滞后，能源行业壁垒众多，可再生能源送出和消纳困难等诸多挑战。由于城市范围大，尤其是海量分布式资源接入，需要进行协调优化调度的对象的种类繁多、数量庞大、控制方式多样。因此如何在保证系统安全运行的基础上协同多能流，适应多参与主体的需求，需要跳出电力行业边界，挖掘热、气、氢、煤与电能之间的互补性，激活多能间的灵活性，面对灵活性资源呈现出巨量、分布和异质的新特征，迫切需要突破能源互联网技术，实现横向的多能互补和纵向的源网荷储协同。在能源互联网的顶层方案设计中，涉及到各种能流（电、煤、气、热、交通等）的综合分析、溯源计算、综合减排和协同优化问题等，各种能流间相互耦合，其中专业性、综合性较强的多能流、溯源、优化、管理等工作，都需要能够支撑城市级大规模综合能源系统分析和优化的多能流能量管理技术支持。 2.解决方案 基于统一能路理论，突破大规模综合能源系统能量管理系列关键技术，开发了城市级多能流能量管理系统，支撑城市级多能系统破解“互通不足、缺乏智慧”的运行现状，将城市级多能系统运行管理从“孤立的被动式数字监控”提升到“互联的主动式智能调控”。 基于该技术研制了IEMS系统，支撑新能源、分布式能源、电动汽车、氢能源汽车等发展，形成统一性、规范性、科学性的管理体系，构建绿色低碳、安全高效、开放共享的城市能源生态，赋能众多参与者共同推动城市能源系统的升级。 合作需求 受让方可基于本项技术，结合所应用地点实际情况，设计并研发（IEMS）软件产品，并在城市/园区能源互联网中心取得应用。 在以IEMS及家族产品作为核心产品进行开发的同时，受让方还可开发部分延伸产品，包括多能系统规划评估、大数据挖掘分析、AI技术应用等，并提供咨询服务、售后服务、技术培训服务等。 具体需求包括： 1、提供技术工程化、产品化所需的资金、场地、实验条件、团队等，帮助孵化资源； 2、寻找合适的园区、城市等应用场景； 3、寻求资源对接。 本项技术目前正在与山西省朔州市进行对接，借由山西能源互联网建设大背景，向朔州市产业研究院进行转化。

本发明公开了一种复杂背景下弱小目标检测的方法，包括：对连续 3 帧运动目标图像做增强的时域差分滤波处理，得到时域差分滤波增强图像 DIF；对上述 3 帧运动目标图像中的第二帧运动目标图像，进行经验模态分解，得到固有模态函数 IMF1；对时域差分滤波增强图像 DIF 和固有模态函数 IMF1 进行时空域融合增强处理，得到时空域融合增强图像 FuisonI；对时空域融合增强图像 FuisonI 进行基于统计的阈值分割处理

本发明公开了一种飞行器地面运动目标红外图像识别装置，所述装置包括红外图像非均匀性校正模块、图像旋转模块、图像配准模块、多级滤波模块、连通域标记模块、目标检测与特征识别模块、流程控制模块以及 FPGA 实现的互联模块。本发明采用图像处理和目标识别专用 ASIC/SoC 芯片、通用 DSP 处理器和 FPGA 处理器，完成不同层次的图像处理和目标识别算法，提高系统并行度、实时性，实时地实现了飞行器地面运动目标红外图像识别

本发明公开了一种面向目标的 RESTful Web 服务发现方法，首先收集 RESTful Web 服务的信息（特别 是功能性的文本描述），并获得 Web 服务集的领域划分；然后从每个领域的 Web 服务集中进行领域知识库 构建，包括 Web 服务-服务目标关联矩阵、服务目标簇集等；最后基于构建的领域知识库，为给定的用户查 询推荐语义相似的服务目标，然后将用户选择的服务目标集与 Web 服务的服务目标集进行匹配，得到候选 Web 服务集。本发明

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：