本系统为在线监测系统，主要对船舶柴油机在运行中的性能参数进行监测。如柴油机的振动、噪声、油温、输出扭矩、输出转速、缸压、输入扭矩、输入功率、曲轴箱及螺旋桨的变速箱等多个性能指标进行实时多通道采集分析。系统自行对相应的变化做出反应，自动报警。并对测试结果自动打印测试报告。该系统具有黑匣子功能，对故障信号能够自动存储、分析和诊断。

1、ARM+FPGA内核 2、多类传感器混合输入 3、低\高速轴分段采集 4、18位A/D，高速并行采集 5、12通道振动\2通道键相\通道 4-20mA 6、以太网\现场总线\无线通信

制动控制单元（BCU）电路板故障诊断系统可以全面检测BCU各项性能参数，包括单板的导通测试、功能测试和特性测试，不仅能迅速准确的对各块单板进行自动测试和手动测试，实现故障检测和定位，实时显示、存储和打印测试结果，还能对BCU单板故障回路进行报警。该成果解决了传统测试技术对于信号数量庞大、种类繁杂的被测对象需要数量庞大的测试仪器的问题，为制动控制系统乃至轨道列车的研制、生产和维护提供有力保障，填补了国内同类产品的空白。 BCU电路板故障诊断系统技术特点如下：Ø  采用基于PXI的数据采集系统，背板总线带宽达132MB/s；利用PXI星形时钟总线，实现各个数据采集模块间精确的同步和握手，实现多个数据采集模块协同数据采集；Ø  采用虚拟仪器技术，对设备进行可重用性配置，减少了测试仪器数量；Ø  软件系统采用分层结构开发，设计设备驱动层、测试语句层、故障定位层以及人机交互层四层结构。开发环境选择LabVIEW进行图形化工具，提高了开发的效率；Ø  采用多任务并行测试技术，大大提高了BCU电路板测试的速度；Ø  采用SQLServer数据库进行数据管理，方便数据的检索。     应用范围： 动车组、地铁列车制动控制单元单板检测。

本项目通过收集本院耳鼻喉科6066张正常人、分泌性中耳炎、急性化脓性中耳炎活动期及化脓性中耳炎静止期耳内镜图像。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 徐倩慧 中山大学医学院 2017.09~2022.06 童钊鹏 中山大学孙逸仙纪念医院 2021.09~ 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 蔡跃新 中山大学孙逸仙纪念医院 副主任医师 耳鼻喉头颈外科 四、项目简介 本项目通过收集本院耳鼻喉科6066张正常人、分泌性中耳炎、急性化脓性中耳炎活动期及化脓性中耳炎静止期耳内镜图像。通过模仿医生诊断的注意力机制，将获取局部关键特征的局部分类器与获取全局特征的主分类器有机结合，构成深度学习的主框架。通过计算AUC等统计学指标来评估模型的性能，并与两位副主任医师、两位主治医师进行人机对比来进一步评估模型的性能，同时通过热图显示深度学习模型在耳内镜图像不同区域的权重，以判断深度学习关注的区域是否与临床医师一致。该深度学习模型可获得整体93.4%的准确率，区分正常人与分泌性中耳炎的AUC为0.99，而区分化脓性中耳炎活动期与静止期的AUC为0.94.模型的准确率要高于两位主治医师，达到副主任医师的水平，同时热图显示深度学习模型定义的关键区域恰好是临床医生做诊断的区域，如化脓性中耳炎鼓膜穿孔区域，分泌性中耳炎的光锥区域。同时，同时，本项目还将深度学习模型的技术落地，自主研发出研发便携式可拍摄与自动诊断的耳镜设备。

本系统为离线巡检测试系统，主要实现对港口流动机械的性能检测，故障诊断及设备的现代化管理。为适应非平稳信号的分析要求，本产品采用了一种新的信号分析方法。实现了叉车柴油机部分的燃油系统、缸套及活塞组件、曲轴磨损及配气机构的故障诊断和性能分析。从而完成叉车振动检测、故障诊断与劣化报警的统一体系。可实现港口流动机械的预知维修。

XM-SX-III中医舌诊仪   XM-SX-III中医舌诊仪（中医舌象智能辅助诊断系统）是采用数据挖掘技术、机器视觉技术相结合的产品，该产品安装简单、操作方便、安全可靠、配置灵活，既能用于各大中医药大学舌象相关的教学、科研，又适用于医生舌诊的辅助分析，适用范围较广。   一、主要功能： ■ 计算机控制内部相机进行自动对焦拍摄，操作简单，图像清晰，完全实现舌象采集自动化。 ■ 采用数字化舌象采集平台与标准化方法还原，使舌象真实再现。 ■ 内部摄像采用模拟自然光源并能进行光线调节，使采集环境保持稳定。 ■ 在特定的光源环境下，采用摄像头获得舌像信息，对舌体图像的颜色、纹理、轮廓进行特征提取，由计算机将这些特征值与特征数据库中的阈值进行比对判断，给出舌象分析结果。 ■ 可以随时查询病例报告。 ■ 可以分析舌质颜色、舌苔颜色、舌形状、舌态。 ■ 内置消毒灭菌装置，操作前使用，避免交叉感染。 ■ 软件可以根据实际舌象的瘀斑、点刺、齿痕、裂纹等症状用文字显示舌象特征、临床病症以及饮食及用药建议。 二、主要特点： ■ 系统具有自主学习功能，通过不断学习，有效提高系统自主诊断准确性。 ■ 支持自动分析，且允许人工修正，提高诊断的准确性。 ■ 准确分析舌质、舌苔等，并直观显示结果。 ■ 支持初诊、复诊分离，实现便捷就诊。 ■ 支持多关键字的查询统计。 ■ 支持诊断分析报告打印。 ■ 用户权限管理，提高安全性。 ■ 自动对焦（即自动舌体捕获）。 ■ 灯光控制功能。 三、软件功能： ■ 用户权限管理，提高系统安全性。     ■ 病理、临床库可以持续更新，具备学习能力，且具备自动提取舌体，自动分析舌体、自动分析后手动调整等功能，提高了学习的准确度。 ■ 快捷的初诊、复诊入口，操作方便、快捷。 ■ 功能强大的视频分析能力，既可实时诊断，又可能根据需要进行人工调整。 ■ 灵活多变的查询统计能力，数据分析能力。 ■ 病例学习：单击主界面中的“病例学习”选项，进入学习界面，包括读取、保存、舌体轮廓提取、特征提取、自动提取控制、量化数据显示、舌象特征录入、临床意思录入、饮食指导及用药建议录入等选项，学习与分析过程，采用人机交互的方式。 ■ 自动获取：单击自动获取按钮，如果参数正确，舌体提取成功，若存在不足，可通过自动提取控制中的进度条及取反控制框选择来进行控制。 ■ 特征提取：为了便于分步处理，此处特征提取分步骤完成，分别舌质特征、舌苔特征、齿痕特征、裂纹特征、瘀斑特征以及点刺特征。点击某功能按钮后，相关特征将被量化，以舌质为例加以说明。比如，单击舌质特征、舌苔特征按钮后，数据结果自动分析结果。 ■ 人工绘制：对于某些来自于其他途径的图片，会存在自动获取舌头错误的情况，此时可以通过人工绘制来完成。单击“人工绘制”后，在图像显示区域，单击右键将出现菜单，包括选中舌体、勾画轮廓和撤销。其中选中舌体仅需在舌头四周点选四个点，单击“绘制完成”后再自动识别完成；勾画轮廓则是按住鼠标左键后通过拖动完成绘制，绘制完成后单击“绘制完成”便实现舌体提取。撤销可以对绘制过程觉得不满意的地方进行撤销，最多支持5步撤消。

国家十五科技攻关项目、国家产业化示范工程成果大型能源化工设备工程监测与故障诊断系统 Net-EASY，针对流程工业中的大型旋转机组如汽轮机组、压缩机组、发电机组等，进行状态监测、信号分析、故障诊断、信息积累和远程维护，捕捉机组的运行隐患，做到机组故障早发现、早诊断和早预防，以消除灾难故障，避免严重故障，减少一般故障，提高企业生产效益。系统以数据库和网络为核心，将状态监测技术、故障诊断技术以及专家知识等有机结合起来，既解决了设备状态信息在企业中共享的问题，又促进了专家的专业知识与企业生产实际之间的紧密结合，为设备的运行维护提供了一揽子解决方案。 

四川大学华西医院2020年3月13日对“肺部多病变CT影像AI筛查与辅助诊断系统”进行测试，该系统能迅速高效地对患者胸部CT影像做出分析，发现具有“肺结节、肺癌、结核、病毒性肺炎、细菌性肺炎”等病症的影像特征。 该技术依托于“疾病流行病学大数据研究平台”，在华西生物医学大数据中心的牵头下，汇聚近20家医疗机构的医学研究支持，基于人工智能深度学习技术，数据来自临床确诊病例，数据的遴选、标注由华西医院放射科影像专家完成。技术研发到测试用时不到30天。CT影像是临床诊断包括新冠肺炎在内的肺部病变的重要依据，但一名患者的肺部CT影像数量在500张左右，导致医生诊断过程中工作量很大。 查看原文

成果介绍基于人工智能和大数据技术，对风电机组实时运行状态进行在线监测及评估，对风机异常运行状态和能效劣化趋势进行预警。技术创新点及参数1、风机设备的变量关联分析以及典型状态特征挖掘；2、历史运行数据处理方法研究；3、基于数据驱动的风机状态预警关键技术的研究；市场前景大型风电机组，新能源发电，水火电机组。向大型风电厂推广并运营。

本发明公开了一种起重机在线监测与故障诊断系统，包括：信号拾取子系统，用于获取起重机运行过程中的多种状态信息；数据采集子系统，用于采集信号拾取子系统获取的信息并进行预处理后输出；现场监测与报警子系统，用于对数据采集子系统输出的信息进行分析处理，进行在线监测和故障报警；无线通信子系统，实现起重机的定位，并传输输入到现场监测与报警子系统中的数据；远程监测与诊断子系统，用于接收无线通信子系统传输的数据并进行分析处理，以在远程进行在线监测、故障报警、故障诊断和趋势分析。本发明具有在线监测、提前预警和报警、分析和诊断、无线通信远程监测等功能，可以为起重机的安全运行提供可靠的依据，避免或减少出现安全事故。