丹东奥龙射线仪器集团有限公司是中国射线仪器行业技术力量与综合实力雄厚的民营高科技企业。奥龙集团传承50余年中国射线仪器研制历史。目前，奥龙集团旗下拥有上海奥龙星迪、丹东奥龙电子、奥龙检测服务、丹东奥龙中科传感技术四个子公司。奥龙是专业X射线仪器和材料试验仪器的开发商和产品制造商，也是X射线检测解决方案的服务商。 奥龙集团坐落于辽宁省“五点一线”沿海经济带上的丹东临港产业园区;占地面积3万平方米，建筑面积1.7万平方米;拥有一支技术过硬、经验丰富的科研团队;拥有完善的企业管理系统和行业领先生产环境及配套设施;奥龙集团与无损检测行业的全球领导厂商美国GE成功牵手，进一步巩固了奥龙集团在国内市场的领先地位。中国发射的“神舟载人飞船”有多项系统使用奥龙集团生产的X射线探伤设备实施无损检测，并取得成功，奥龙人为中国航天事业发展做出了贡献。 奥龙集团以“更安全，更可靠，更精准”为制造理念，不断地突破自我，引领创新，成功研发出目前国内技术领先的CT检测设备，并荣获国家改革开放40周年机械工业杰出产品奖，在奥龙设立辽宁省工业CT仪器技术专业创新中心。奥龙集团还将继续坚持自己精益求精的作风，为客户提供更先进更优质的产品和服务而不懈努力。 奥龙长期专注于无损检测、材料试验机等系列产品的研发与运营，产品不仅畅销国内市场，而且还远销美国、德国、英国、印度、澳大利亚、荷兰、马来西亚、印尼、泰国、南非、沙特阿拉伯、香港、台湾等世界五大洲的50多个国家和地区。被广泛应用于国防、航空航天、造船、汽车、压力容器、机械、冶金、石油化工、电子信息、输变电、耐火材料、食品安全、科技教育、卫生等行业领域。 奥龙，一个立足丹东，产品辐射国内外市场的集团企业，正以技术、管理、品牌和规模的企业优势，紧紧围绕“提升核心能力，打造奥龙国际品牌”的战略，积极推动企业向着更高水平的目标迅猛发展。

奥利都斯 是一家专注于传承我国古代立杆测影技术与文化的高科技公司 公司拥有多项发明专利与著作权等知识产权 创始人是中国天文学会会员 主营业务 圭表、日晷，人体互动日晷的设计、制作与安装服务 我们与中国科学院国家天文台、紫金山天文台、国家授时中心等单位密切合作， 只做符合科学原理，指时准确可用的天文仪器。  

产品详细介绍   北极星通公司利用智慧云与大数据技术，通过高性能流媒体系统，综合管理系统完成与各家监控系统的对接，使传统的监控系统不再封闭，轻松拓展到基于互联网的应用中。 优势： 1. 提供安全可靠、性能稳定，可扩展的“云监控”解决方案； 2. 兼容主流的监控厂家，如海康、大华、宇视、雄迈、中维、天地伟业、亚安、安讯士、派尔高、三星等设备接入； 3. 支持全终端客户端接入，包括android，ios，pc，Linux等终端设备，支持两微一端接入，支持多种ADSL，电信，移动，联通，卫星等多种网络接入途径； 4. 提供集群化解决方案，支持数万路监控接入，数万并发的多级转发能力； 5. 提供标准API接口，与第三方Web系统，OA系统，CRM，ERP，APP等系统进行对接； 6. 可部署企业内部私有（私有云），一次卖断后期收服务维护费，也可部署在公有云租用给企业使用； 7. 提供软件，嵌入式硬件，应用层支撑，支持物联网设备接入，远程调度，远程处理； 8. 多年行业积累。 技术特色： 1.智能按需从NVR或者网络摄像头取流，节约带宽； 2.适合部署在任意网络环境中，监控点无需公网IP地址； 3.可部署远程云存储中心，本地不做存储，也可以本地继续采用原来NVR或DVR存储方式； 4.可接入联动报警等； 5.可接入智能云，物联网，GPS定位等应用。 系统清单： 序号 名称 型号 数量 备注 1 云控中心 AokuMediaCenter 1套 对各个流媒体服务系统，媒体网关进行管理，提供各种管理策略，集中控制 2 流媒体服务系统 Aoku Media Server 1套 流媒体核心服务器，完成对媒体网关采集到的数据的聚合，并进行集中存储，集中发布等 3 媒体网关 AokuMediaGate N 一般一个NVR配一个媒体网关，最多能接入16个网络摄像头，完成对实时流的转发 4 定制开发 Aoku 1套 针对具体需求，提供二次开发的API接口，定制应用接口，培训安装  

产品详细介绍奥龙学生综合信息管理系统学生系统涵盖学生入学前、入学时、在校期间、毕业时以及毕业以后的整个流程，各子系统之间具有完整的业务关联，实现全局畅通的信息流。各模块之间的业务联动帮助学校规范对学生的管理，比如交费、注册、选课、成绩查询等模块之间的完整业务联动和控制可以有效的帮助学校解决学生欠费的难题。 以学生为中心，为学生提供各项服务，服务阶段包括入学前、入学时、在校期间、毕业时、毕业以后，提供对学生全过程生命周期的管理。 “管理＋服务”的设计思想，不仅实现学生管理全过程的一体化，而且为不同角色的用户提供个性化服务，大大提高了工作效率。 学生系统完整保留了学生从入学到毕业后成为校友的所有点数据和过程数据，为高校的决策支持管理提供大量的基础数据。各业务部门之间信息高度共享，消除信息孤岛的壁垒，信息资源的流转更加完整流畅。 模块化设计使各系统既可独立运行，又可组合使用，学校可以根据资源情况自由选择需要的系统或模块。系统支持与第三方系统的集成，包括数据集成与应用集成两个层面。 授权及认证平台以资源、角色、岗位的概念实现用户和权限的匹配。资源、角色、岗位改变，则所对应用户的权限会自动得到调整，用户权限管理机制灵活可靠，保证系统结构稳健。

产品详细介绍奥龙数字化校园软件解决方案1.1数字化校园建设意义1.1.1解决学校信息孤岛数字化校园将学校内部的相对独立分散的业务系统，进行统一整合和有效的集成，通过“谁产生谁维护”的原则对集成数据按标准进行验证，然后把正确的信息同步给需要这些信息的部门到达所有部门相同的信息一致。同时消除对数据的重复管理，避免多部门的重复劳动，节约人力成本，保证信息标准统一。1.1.2规范业务流程数字化校园集成学校内各种业务流程，通过建立规范的、合理的、高效的业务流程可以约束工作的随意性，避免一边“省事”多处“费事”情况。而且通过合理的业务规则，不但可以提高本部门的工作效率，减轻工作压力，同时也为其它门户带来快捷和方便。1.1.3提高工作效率数字化校园使集成学校各种业务流程实现了自动化，不需或极少需要人工干预。集成的业务流程工作一旦建立好以后自动工作，工作人员只需要通过任务完成状态进行监控即可。数字化校园将人员从繁杂、简单重复的数据输入、传送、管理、检索等工作中解脱出来，信息的检索及统计报表的生成功能交给平台来完成。用户可以随时随地从信息门户获取相关授权信息。无纸化办公使学校各项行政管理工作更加便利快捷。1.1.4为师生员工提供“一站式”服务教职员工、学生和办事者可通过网络可以及时了解办事流程、学习安排、学校资源、各种申请状态等信息，免去不必要的东奔西走，减少盲目性、提高办事效率、减轻工作量，是学校为教职员工、学生和办事者提供的服务窗口。1.1.5创建虚拟大学空间，实现跨地域管理数字化校园建设以信息资源与信息服务为核心内容，实现数字化、网络化的学习、教学、科研和管理，对于学校今后创建数字化的生活空间，创建虚拟大学空间，实现教育信息化和现代化。虚拟大学空间可为学校今后的跨地域业务管理提供坚实的基础保障。1.1.6体现决策管理水平，及整体综合实力在教育行业信息化的大背景下，数字化校园的建设水平不仅体现了职教教育信息化的程度，也反映了决策者的对现代教育发展趋势高瞻远瞩的水平；更是衡量学校办学能力和教学科研水平的重要标准之一的知名度，吸引更好的生源和优秀的科研、教学人才。1.1.7有助于教学模式和观念的转变在教学中，教师们可以充分利用网络教学资源，开展网上多媒体教学实践，建立学科教学网站和教学资源库。学生可以利用数字化图书馆以及各种教学资源库进行研究性学习，同时利用互联网与其它学习者进行广泛的合作探索和讨论交流，并将学校以外的信息资源和智力资源引入到教学中。1.1.8辅助学校领导决策数字化校园还包括各级管理与决策部门，使各级领导在决策上实现数字化，利用决策支持系统结合学校数字资源、个人智力资源和计算机的计算能力，辅助改进领导决策的质量。为各级领导提供决策所需的数据、信息和背景材料，帮助他们进行问题的识别，并明确决策目标，通过人机交互功能进行分析、比较和判断，为正确决策提供有力的辅助支持。第 2 章奥龙数字化校园平台软件系列数据门户产品列表：1、奥龙-统一信息门户平台2、奥龙-统一身份认证平台3、奥龙-数据交换平台4、奥龙-数据综合分析平台5、奥龙-网站门户系统应用系统产品列表：1、奥龙-教务管理系统2、奥龙-学生综合信息管理系统3、奥龙-OA办公自动化管理系统4、奥龙-数字迎新管理系统5、奥龙-招生管理系统6、奥龙-就业管理系统7、奥龙-网络学习平台8、奥龙-宿舍管理系统9、奥龙-站群管理系统10、奥龙-三维地图信息管理系统11、奥龙-成绩自助打印管理系统12、奥龙-移动信息平台13、奥龙-图书馆自动化管理系统14、奥龙-在线考试题库管理系统

视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。