在煤矿生产过程中，矿井综合机械化采煤手段对煤矿生产勘探资料的要求越来越高，其要求对矿井工作面开采地质条件(如断层、褶皱、破碎带、煤厚变化区、构造应力区等)进行全面了解。常规的地面三维地震勘探只能解决工作面内落差大于 5m 的断层，且在平面上有一定的摆动幅度，而井下需对影响安全高效生产的 2-3m 落差断层等地质异常进行有效探查。本方法利用层析成像原理，结合不同源的 CT 技术，包括地震波 CT、无线电波 CT、直流电法CT 等多种方式实现对工作面内构造及异常的探查。通过对井下工作面双巷间数据采集与处理，获得面内煤层构造物性参数分布图，根据煤岩物性差异特征预测面内地质异常体，能准确地判断其构造形态和空间位置，为生产提供可靠的地质条件分布特征。（1）地震波 CT：利用工作面上、下两条巷道进行数据采集，通常把激发点(采用矿用炸药作为震源)布置在一条巷道，接收点布置在另一条巷道，采用“一发多收、一炮一放”的观测方式进行地震波数据采集。炮点间距通常为 10-50m，接收点距为 5-15m，可根据现场条件适当调整。炸药量宜为 5-20mg，接收可采用三分量检波器。（2）无线电波 CT：工作面走向长度在 1000m 以内时，采用一发一收方式，即多个发射点布置在矿井巷道工作面的一条巷道中，无线电波透视仪接收机的多个接收点布置在另一条相邻巷道中；工作面走向长度在 1000m-2000m 之间时，采用一发双收方式，采用一台无线电波透视仪发射，两个接收机接收；工作面走向长度在 2000m 以上时，采用双发双收方式，且两台无线电波透视仪之间工作间距大于 1000m，每个发射机的发射点所发射的电磁波分别被各自的接收机的接收点接收。发射频率根据工作面倾斜长度可选择 0.158-1.25MHz 之间不同频段进行数据采集。（3）直流电法 CT：探测前的准备是在需要探测区域工作面侧煤帮每 5m 打一深 0.5m 的小眼，并用放炮用的黄泥捣实，以便探测时安装电极，使电极与煤（岩）体接触良好。现场按方案设计位置布置采集系统，测线电极、电缆等准备好后进行测试。使用仪器为并行电法仪采集全电场空间电位值，且在对穿两条巷道中沿侧帮腰线煤壁位置分别布置电法测线，每站测线长度为 315m，64 个电极，每个电极之间为 5m，当探测范围大时，每巷可采集多站测线采集数据。现场数据采集时要求工作面停电。

在用户入厕时自动对人体相关健康指标进行检测和AI分析，解决人体健康数据采集与管理的痛点和难点，突破通过智能马桶采集和管理人体健康指标的难题，在技术上的优势为：① 无需培养用户习惯，将检测过程融入日常生活；② 实现AI全自动检测，无需手动操作；③ 检测功能多元化，体脂、尿检、便检、尿流率、孕期指标等一体化集成。目前该成果已获得30多项知识产权，是国际上唯一实现量产的全自动健康检测智能马桶，是老年、孕妇、肥胖、慢病等人群的福音。

阿尔茨海默病（AD）是一种不可逆的神经退行性疾病。大量基于功能磁共振影像的研究提示AD可能是一种失连接综合征。但是由于缺乏大样本、多站点的数据集交互验证，迄今为止与AD脑功能活动、脑连接的异常模式还没有得到一个清晰一致的结论，脑功能活动是否可以作为AD的早期影像学标记也有待进一步验证。为准确刻画AD的脑活动、脑连接和脑网络异常模式，并探索功能磁共振影像指标作为AD早期识别标记的可行性，中国科学院自动化研究所脑网络组研究中心联合中国人民解放军总医院、首都医科大学宣武医院、天津环湖医院和山东大学齐鲁医院等国内外多家单位的研究人员组成的研究团队，共同利用多中心、大样本的功能磁共振影像数据(N=688)，使用荟萃分析的方法找到了AD中稳定的、可重复的功能异常模式，并从标记的泛化性、个体化精准诊断可行性与生物机制解析等方面进行了系统的研究。该研究成果近日在《Human Brain Mapping》在线发表。本研究首次使用多中心、大样本的静息态功能磁共振数据集对AD患者的功能异常进行了全面系统的研究，并评估了与AD有关的功能异常作为AD诊断的生物标记物的有效性和泛化性。更具体地说，研究发现脑内默认网络(DMN)、扣带回、基底神经节以及海马的异常功能连接和局部活动可能是AD认知能力、脑内信息交流受损的基础。脑网络异常的严重程度的个体间差异与认知损害程度、β淀粉样蛋白累积程度显著相关，这进一步加深了我们对AD的神经生物基础和脑功能活动异常之间关系的理解。跨中心独立验证的个体识别准确率和临床评分预测的结果表明脑功能活动异常可能作为AD发生发展可能的影像学标记物。后续独立验证数据集和一系列的对比实验证实了结果的可重复性和泛化性，夯实了本文的结论。这也是该团队继基于多中心的功能磁共振阿尔茨海默病脑活动改变研究和基于海马影像组学的AD早期识别的研究之后，在AD的脑影像异常表征上取得的又一重要进展。团队后续的工作将集中在更多独立中心、纵向跟踪的高危人群的验证工作，并希望和更多的团队建立进一步的合作。该研究受到国家重点研发计划课题、国家自然科学基金委面上项目、中国科学院先导项目和模式识别国家重点实验室开放课题等项目的支持。相关论文信息：https://onlinelibrary.wiley.com/doi/10.1002/hbm.25023

Ai视觉检测机器人是一款搭载了六轴工业机械臂、视觉人工智能和工业大模型的高科技设备，充分利用机械臂的多轴灵活运动、重复定位精度高等优势，主要用于复杂外形工业产品的缺陷检测，特别是汽车零配件、新能源、核电领域等高端制造、品控要求高的产品外观检测。

本发明公开了一种基于周向电极扫描的异常体方位判断系统及 方法，属于隧道工程地质前探技术领域。本发明包括多个周向电极、 恒流驱动电路、电压测量电路、延长线缆和锚杆。将多个周向电极均 匀分布在全断面隧道掘进机护盾后方一定距离的隧道壁上，用恒流驱 动电路依次向周向电极内通以恒定的电流，并用电压测量电路获取对 应的护盾电压。本发明通过分析护盾上电压的大小即能准确的判断异 常体的方位，而且结构简单，易于工人操作。

本发明公开了一种基于自组织映射模型的云软件性能异常错误 诊断方法，包括：追踪记录待检测的软件在云环境中运行时的系统调 用信息；分析出现性能异常的虚拟机上软件运行时系统调用序列，划 分每个进程对应的系统调用序列；根据划分得到的进程系统调用序列 建立检测模型，并对可疑进程进行异常检测；计算出现异常的进程中 最相关的系统调用，排序后输出。本发明能够准确完整地记录软件运 行时的行为，能够自动化建模并且检测出异常的系统运行过程

由于航空发动机和燃气轮机叶片型面是空间异型曲面，因而其设计、制造及维修都面临巨大挑战。为了在设计加工层面提高叶片加工质量，同时在修复层面提高叶片使用寿命，开展叶片高效高精测量研究至关重要。 本项目面向叶片制造研发了一套基于四轴运动平台与线激光扫描相结合的叶片型面检测装置，并开发了集运动控制、数据采集与处理、精度评估等多功能于一体的软件系统，可实现多类型叶片的二维截面高精度测量与三维型面自动化高效重构,有效克服因叶片复杂结构特征带来的扫描数据密度差异性大、重叠区不足等因素对重构精度的影响。本项目面向叶片3D打印修复，研发了一套高效高精度的叶片检测方法与集成系统，可实现批量化叶片截面轮廓位姿及其轮廓的自动化测量、数据重构和叶片配准，为叶片修复工艺流程中的3D打印和后续机加工等工艺环节提供关键的数字化测量、加工工艺数据，有效提升修复精度与效率，并降低成本。 本项目的开发成果可应用于航空发动机、燃气轮机等叶片制造、修复全生命周期的测评、重构、反求等场景，市场规模大。 图 面向叶片3D打印修复的检测方法与集成系统硬件平台

论无忧学位论文格式检测机器人可以自动分析学位论文格式是否符合学校的撰写规范以及相关的国家标准，支持文本、插图、表格、代码、算法和参考文献等上百个检测项，并将发现的不符合项以批注的形式在原稿中自动标注，指导学生修订相关规范性错误。平台历经7年运营，拥有两百余所高校用户（含40余所双一流、985/211学校），如中南大学、四川大学、电子科技大学、大连理工大学、国防科技大学、西安电子科技大学、北京邮电大学、中国矿业大学（徐州和北京）、中国地质大学（武汉和北京）、中南财经政法大学、北京体育大学、中国石油大学（华东）、上海开放大学、浙江省委党校等，研究生、本科、党校、军校、开放大学、继续教育、高职均有成功案例，支持800余所高校2000余份模板，百度搜索“论无忧 形式规范|格式 检测 通知”，可以看到上百所高校发通知把格式检测作为学位授予的一个必备环节。