本成果提出了基于零件批量加工数据分析的加工工艺与流程优化，主要包括零件加工过程的工艺数据挖掘与机器学习算法、基于数据和机理模型相结合的零件加工精度预测、基于机器学习的零件加工工艺优化与决策、基于数据驱动的零件批量加工工艺优化方法验证这四方面。以下是各方面具体对应内容： 1）零件加工过程的工艺数据挖掘与机器学习算法：在数据挖掘与机器学习算法方面，搭建了轴类零件全流程加工工况数据实时采集硬件平台，实现对加工力、加工振动、主轴电流等工况数据的实时在线获取。 2）基于数据和机理模型相结合的零件加工精度预测：在航空薄壁件加工精度预测方面，对复杂曲面加工过程混合建模与全流程加工精度预测等理论开展了深入研究工作；建立了零件单工序/多工序加工精度预测混合驱动模型，实现了加工精度的高效高精预测。 3）基于机器学习的零件加工工艺优化与决策：在轴类零件全流程加工工艺优化与决策方面，围绕隐马尔可夫决策过程、遗传算法等理论开展了理论研究工作，结合轴类零件加工过程开展了优化工作；提出了加工参数自适应调控联合决策方法。 4）基于数据驱动的零件批量加工工艺优化方法验证：构建加工数据库1套，包含机床设备、加工刀具、加工参数、检测数据等四种类型数据。开发全流程加工智能推理软件1套（部署于中航发南方公司柔轴车间），实现航轴全流程质量数据感知与工艺优化，其中全流程误差建模与分析模块实现了端到端的零件加工质量智能推理，可以用于工艺设计与现场预先感知，加工过程工艺数据挖掘模块实现基于批量数据的多工序误差流分析，实现后续工序加工误差推理，加工过程工艺优化与智能决策模块实现了零件多工序加工质量数据推理与给定期望指标下的加工参数优化。 图1 本成果对应功能结构示意图 【技术优势】 围绕航空领域制造的加工质量问题，开展基于制造过程数据的工艺全流程智能决策技术与系统的研发，初步实现工艺与制造过程的智能控制。在数据挖掘与机器学习算法、航空薄壁件加工精度预测、轴类零件全流程加工工艺优化与决策、零件全流程加工质量智能推理与优化、智能加工产线智能决策技术应用与推广等多个方面实现了突破，具有显著的理论价值与应用价值。 规范制定方面，研究了薄壁件加工误差产生的深层机理，构建了批量零件加工过程中误差传递的理论模型，探究了机床、夹具、刀具、加工参数全方位、多层次的因素对于零件加工误差产生的影响规律，提出了零件加工工艺与流程优化策略，形成制定面向航空发动机大长径比轴类零件的决策规范，规定轴类零件全流程加工过程中机床、刀具、装夹、加工参数四个方面的具体要求。通过中国航发南方工业有限公司企业标准体系管理系统制定、修改、审批，形成《航空发动机轴类零件加工工艺优化与决策技术规范Q/2B 1586—2022》。 软件开发方面，将上述理论成果进行高度集成，开发了零件全流程加工智能推理优化软件（MIO软件）。软件集成了四大功能模块，包括加工工艺数据库、全流程误差建模与分析、加工过程工艺数据挖掘、加工工艺优化与智能决策。相关知识与优化规则形成权。全流程加工智能推理优化软件以及知识库软件通过第三方测评，测评机构具备MA与CNAS认证资质，最终形成《零件全流程加工智能推理优化软件第三方测试报告》、《智能加工产线工艺全流程智能决策工艺知识库软件第三方测试报告》。 应用验证方面，结合航空发动机制造具体需求，将相关成果应用到某型号航空发动机轴类零件（动力涡轮传动轴）加工生产中。将零件全流程加工智能推理优化软件部署在航轴加工车间，在验证产品的加工设备上部署了数据采集装置，实时采集加工过程数据，集成企业工艺资源数据库和产品数字化检测系统，获取机床、夹具、刀具、产品质量等信息，构建了加工工艺数据库，开展了航轴加工工艺分析、现场加工质量预先感知、加工工艺与流程优化、现场实际加工验证等工作。通过南方公司现场应用验证，零件次品率平均降低54.53%。（2019年至2020年优化前，次品率为8.38%；2021年6月至2022年5月优化后，次品率为3.81%）。相关应用验证通过了中国航发南方公司的效果认定，并形成用户报告。 【技术指标】 1）采用机理模型/有限元仿真技术获取切削力/热/柔度/加工误差数据集，构建代理模型实现了切削过程的毫秒级预测，切削过程关键物理量的预测时间优于10毫秒。 2）建立了机理模型与小样本工况数据混合驱动的预测模型不确定分析与量化模型，提出了贝叶斯框架下的不确定校准方法，实现了加工误差快速（毫秒级）精准（偏差小于5微米）预测。 3）提出了航轴加工质量状态估计方法，建立了现场多源数据信息串联模型，基于隐马尔科夫的决策模型，实现工序间感知平均误差控制在9.21%内。 4）建立了加工次品率与加工参数约束集间双向映射互通模型，首次提出了基于隐马尔科夫模型与遗传算法的联合决策方法框架，联合决策优化框架保证次品率降低优于50%。

本发明公开了一种面向关系数据库扩展的自适应影像金字塔切片方法，本发明针对空间数据管理系 统发展现状，综合考虑局域网网络带宽和服务器端数据库存储块大小，并结合局域网客户端硬件情况， 提出了自适应影像切片模型，根据自适应影像切片模型自适应的选择影像切片尺寸。本发明可在多种不 同的数据库、网络和客户端条件下实现影像数据智能化高效存储与访问，为高效的影像数据管理提供了 可行的思路和方法，有助于在 C/S 架构的网络环境下高效存取和管理基于数据库技术的遥感影像数据。 

产品详细介绍上海景瑞全自动录播系统使用混合定位,其中： 老师：图像跟踪定位 学生：声音跟踪定位 通过图像分析确定老师的位置，实现定位。特点： 1. 通过判断老师的走动速度，自动调节云台摄像机的转动速度，画面平滑无抖动； 2. 通过老师的手势识别，判断是否在板书，给予板书特写； 声音定位： 不同于图像定位是基于身高的判断，声音定位可以更准确定位学生位置： 1. 适用于任何场景，它可以在学生不起立、全起立、阶梯教室等开放的场景下准确定位发言学生的位置，快速给予学生特写镜头； 2. 美观简洁：图像识别需要在教室四周部署多个辅助摄像头，而声音识无需部署任何辅助摄像头，教室整体美观简洁。

同济大学吴志强副校长指导科技园以最快的速度开发完成并部署上线“天骄系统”，取代原有的人工操作模式和流程。入驻企业人员信息的采集、收发、汇总、统计、分析和上报等各项工作，以及园区人员的入园登记、出园登记工作，全部在“天骄系统”中完成。“天骄系统”上线后，园区所有入驻企业员工在手机端登记每日健康状态，只需要不到10秒就能完成。对健康登记信息中有异常情况（主要指发烧、咳嗽）的人员，管理后台可以做到及时发现、及时跟踪并持续关注，大幅提升了疫情防控中人员管控工作的效率。同时，“天骄系统”彻底解决了人工操作模式下存在的数据规范性差、数据质量不高、数据不能实时共享等问题，为科技园各分园（基地）工作人员的数据统计、查询及汇总工作提供了极大便利，大幅度提高了工作效率，有效提升了基础数据的规范性和准确性。“天骄系统”实现了园区入驻企业员工入园及出园的自动读码、身份核验和通行语音提示等功能，极大地提高了企业人员进出卡口的通行效率，减轻了园区工作人员的管控压力，为园区以及园区入驻企业守牢复工复产第一道安全闸门，从而可以帮助企业有序、安全地复工复产。 同济科技园不断创新，在系统中又增加了实时监控功能模块“天骄湾实时大数据监控平台”（以下简称“天骄系统监控平台”）。 天骄湾实时大数据监控平台 

100万投资项目集、7000万公司库，自带数据基础标的信息一键入库，关注赛道智能推荐数据中台按需定制，助力投资决策全维度金融数据API，按需定制深度清洗数据

产品特点 1. 一体化硬件设备，非PC架构，嵌入式Linux操作系统，高度集成图像识别跟踪、自动导播、直播、采集录制、视频统计等系统模块。图像识别跟踪无需额外安装任何跟踪辅助摄像机，利用全景摄像机即可进行图像分析，即可支持低龄学生、身高差大的班级。 2. 视频采用H.264 High Profile 4.2编码方式，纯硬件DSP方式采集高清视频及VGA信号，支持8路视频信号输入（内置4组高清摄像机信号输入模块以及2组电脑信号输入模块，2路DVI视频信号输入模块），信号类型支持HDMI/VGA/HD-SDI/DVI/IP。音频采用AAC高清编码方式，支持1组6.35mm立体声音频输入接口和2路音频RCA立体声音频输入接口，2路音频RCA立体声音频输出接口。 3. 配备两路千兆网络接口，减轻网络负载压力；内置VOD点播模块，无需安装插件，可通过网络进行视频文件在线点播，可提供至少50路的公网在线直播。 4. 内置远程视频互动模块，不需要任何辅助设备即可支持4方课堂视频互动专递。支持升级系统软件为互动录播系统，录播主机在主讲教室可带三个点的互动听讲课堂，可任意切换主讲和听讲。 5. 主机自带2T硬盘空间。文件管理数据库可对课件进行管理，在嵌入式设备上录制信息、课件名均以中文存储，课件查询方便快捷。并带有自动上传及定时上传到额外指定的FTP资源服务器的功能，支持NAS网络存储。 6. 采用最先进跟踪算法，通过人脸轮廓检测方法，准确率达到90%以上；支持跟踪识别屏蔽功能，支持站立坐下、左右、前后宽动态识别技术，支持站立时间设置、跟踪面积识别等跟踪特点。

产品详细介绍

产品详细介绍 u 三路麦克风输入 u 麦克风独立调节 u 线路立体声输入 u 录音立体声输出 u 外接4-16Ω喇叭 u 高、低音调节 u 话筒48V独立切换 u 话筒反馈状态独立切换 u 供电方式：AC220V/50Hz u 反馈移频量：5Hz±1Hz u 输出功率：100W u 频率响应：非反馈移频状态：20Hz ～ 20kHz       反馈移频状态：150Hz ～ 15kHz

本发明公开了一种快速提取OSM数据中用户自定义多边形区域内路网的方法，该方法能够快速地将用户自定义的需要研究的范围外的节点和路段删除，最终得到用户自定义多边形区域内的OSM路网数据。目前从OSM数据导出的路网区域只能是矩形，本发明可以让用户自定义多边形研究区域，并快速地自动删除自定义多边形区域外的节点和路网，节省了用户先解析矩形范围的OSM数据再手工删除区域外的节点和路段产生的额外的时间和工作量，同时也避免该过程中人工操作可能产生的错误。