提出一种基于人工智能技术的电子线路软故障检测方法，采用多个电路进行仿真分析，均能够较好的实现对电路故障特征的提取和分析，实现对电子故障器件的精准定位和故障类型识别。 该技术将人工智能技术与传统的信号处理技术进行结合，运用STFT技术实现电路信号的表征形式变换，再结合人工智能技术中的深度残差网络学习技术分析模拟电路的性能特征，可以实现对元件故障类型的确定，完成电路的软故障分析和诊断。

该检测技术目前主要能力有烟丝宽度检测、烟丝结构检测、烟叶霉变检测、污损图文识别、雾化效果检测、烟气成团性检测等，并且实现了在线检测防潮、多频次、样本复杂等检测难点；解决了目前行业内容人工取样检测效率低下、人工观察不及时、无法实现人工检测等难题，在行业创新性上具有重要意义。

成果简介：磁记忆检测技术是一种新型无损检测技术，被誉为二十一世纪最有前景的绿色诊断技术。该技术可以对铁磁性构件和机械零部件受损程度进行快速诊断，在检测时不要求清理金属表面和进行人工磁化等预先处理，可以完成疲劳损伤的早期诊断，寿命评估和设备可靠性诊断。可以高精度确定滋生裂纹的位置、方向以及定位已生成的裂纹。可以有效发现超声、涡流、漏磁等其它无损检测方法难以察觉的微观缺陷。该系统由探头、调理电路、计算机、信号处理软件等部分组成，可以根据需要，做成各种结构的检测装置，如多探头、单探头检测方式等，可以做成

1. 痛点问题 水中内分泌干扰物、微囊藻毒素等微量有毒污染物对生态环境和人体健康带来潜在不利影响，已经演变成为全球性关注的重大环境问题。因此，发展微量有毒污染物的快速监测技术，对于应对微量有毒污染物环境与健康风险具有重要的支撑作用和现实意义。 仪器分析技术是水中微量有毒污染物标准检测技术，然而这类技术需要昂贵的仪器，冗长费力的样品准备过程和专业的操作人员，限制了此类技术在污染事故应急、现场快速监测等领域的应用。此外，对于总微囊藻毒素这类包含上百种结构变异体的混合物，依赖于化合物结构实现浓度分析的仪器分析技术无法穷尽，特别是捕捉到尚未鉴定出来的微囊藻毒素变异体。免疫分析技术利用抗体对抗原的特异性亲和作用，可实现对一种或一类微量污染物的快速高灵敏分析。基于免疫分析原理构建的酶联免疫检测试剂盒具有快速、高灵敏、操作简便、易于标准化等优点，其核心是抗体材料。特别是，为了筛查总微囊藻毒素结构变异体并预警蓝藻水华，美国环境保护署于2016年公布了最新的未管制污染物监测规则，其明确推荐发展基于酶联免疫检测试剂盒的总微囊藻毒素快速检测方法，其中，具有微囊藻毒素结构变异体广谱识别能力的抗体是发展该技术的核心材料支撑。 本项目攻克水中微量有毒污染物免疫检测中的关键瓶颈，有望解决现有技术痛点，为发展水中微量有毒污染物快速ELISA检测技术提供支撑。 2. 解决方案 针对水中蓝藻毒素，发明了一种广谱型微囊藻毒素单克隆抗体及其制备方法。该抗体能够特异性识别总微囊藻毒素与节球藻毒素Adda基团，检出限达到0.1 ng/ml，对12种微囊藻毒素结构变异体交叉反应率55~125%，线性范围跨越一个数量级，为研发总微囊藻毒素ELISA试剂盒提供了材料支撑。针对水中痕量内分泌干扰物，发明了固相识别雌激素受体的雌二醇衍生物筛选方法，可以筛选出与雌激素受体具有高特异性高亲和力的衍生物，进而可以缩短固相雌二醇与雌激素受体结合的时间，增加体外环境下的结合稳定性与亲和力；建立了一种利用间接竞争ELISA 高通量快速筛查多种内分泌干扰物的方法，可以实现水中多种内分泌干扰物的同步快速检测，典型标准曲线测试结果显示该方法对双酚A检出限为3.6 μg/L，定量检测区间为8.2-264.7 μg/L；对雌二醇检出限为3.2 μg/L，定量检测区间为4.2-12.0 μg/L；对壬基酚检出限为24.8 μg/L，定量检测区间为8.2-264.7 μg/L。 合作需求 1、寻求在水环境监测系统研发、生产和销售及运营服务的企业开展技术研发合作； 2、寻求在生态环境、水利、市政等政府部门或事业单位及受环保部门重点监管的污染源企业的环境监测相关应用场景对接资源。

该技术主要针对基于酶抑制剂法的有机磷农药快速检验中， 检测含 P=S  键有机磷农药时灵敏度低，易产生假阴性，不能满足国标要求的间题。创

国内没有具备降解材料检测的权威机构

该项目2016年获得国家技术发明二等奖。属兽医药理与毒理学研究领域。为保障动物源食品安全，成果发明兽用抗菌药和违禁化合物残留高效检测核心试剂及产品、多组分残留物痕量加速溶剂萃取和恒温萃取技术，解决了兽药残留高效、快速、高通量检测的一系列关键技术问题。共获授权发明专利39件，制订国家标准19项，备案产品17个，保藏物种41种，专家鉴定为国际领先水平成果8项，国际先进水平成果4项；获省部级技术发明和科技进步奖一等奖4项，其他奖3项；培养博士生11人、硕士生59人，各类技术人员2000余人次。 该项目在农业、卫生、质检和贸易系统使用面达40-50%，在全国500多家大中型养殖企业的使用率达60%-70%，全国兽药残留超标率由使用前5-10%下降到现在1%以内，为养殖业年均挽回经济损失159.23亿元(据中国农科院农业经济研究所测算)。项目完善了国家兽药残留检测技术体系，提升了兽医科技自主创新能力，对保障食品安全、应付重大突发事件、打破国际技术壁垒、维护经济社会稳定等做出了贡献。 成果完成时间：2012年

中科院武汉物数所针对现有食品检测技术中存在的检测技术方法不完善等关键问题，建立了无需进行复杂样品前处理及样品分离的，高效、快速和全面的食品检测评价新技术，可全面、实时监测食品产业链中的各个环节。 市场预期：应用于食品检测领域，预计经济效益在千万级别。

医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。 由一款围棋人工智能程序AlphaGo(阿尔法围棋)开始，人工智能开始走进大众的视野。世界范围内对其的广泛讨论预示着人工智能时代已经到来。随着深度学习算法不断发展、日益成熟，人工智能已逐步用于医疗影像分析领域。近年来，关于内窥镜影像在AI领域的发明成果如潮水般涌现。 在内镜检查中，操作医师将抓取的图像和视频保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。由目前公开的内窥镜影像收集归纳系统中，尚未利用深度学习的方法来进行胃、肠的内窥镜影像学习，进而构建一个较为全面的内窥镜影像的样本库。目前的方法不利于简化医生的操作且不具有数据归一化处理和转换能力，无法根据数据适用范围的不同对数据进行管理和提供智能的数据分析功能。 一种人工智能扫描内窥影像样本库管理系统包括以下模块：图像输入模块，用于收集内窥镜图片；按官方标准，将胃部或者肠部内镜视野分成多个部位，通过人工智能系统对从医院内窥镜系统采集的图像进行预分类，并将影像数据上传至系统指定文件目录；登陆模块，用于在注册医生登录系统进入当前功能菜单后，对图片进行评图，确认该图片类别是否正确；系统主控界面，用于进行人机交互，并对图像进行显示；业务功能模块，包括：图像分类单元、视频库单元、病灶标记单元、我的任务单元、用户信息单元；系统设置模块，用于管理用户与权限。本发明界面美观友好、信息查询灵活方便；对上传影像数据智能分类，减少医生操作，只需最终确定。 本系统产生的价值在于： 一、界面美观友好、信息查询灵活方便； 二、对上传影像数据智能分类，减少医生操作，只需最终确定； 三、数据库管理模块，具有数据归一化处理和转换能力，根据数据适用范围的不同对数据进行管理，提供智能的数据分析功能； 四、集成第三方标记工具，标记过程简单清晰，结果数据稳定可靠； 五、用户权限设置合理，系统安全级别高； 六、防错退出模式，保证系统安全稳定运行。

一种基于图割能量优化的影像间最优拼接线寻找方法及系统，进行待拼接影像数据准备，获得各待 拼接影像之间所有重叠区域及相应重叠度;对待拼接影像进行预处理，综合考虑颜色、梯度以及纹理信 息确定图割全局能量函数，图割全局能量函数包括数据项和平滑项，平滑项能量权重设置，采用图割能 量优化方法，对总能量进行优化，获取最优拼接线。本发明所得拼接线尽量避免通过色差过大、纹理复 杂区域以及明显地物的边缘，从而最大程度上保证了拼接线的最优化，解决了多影像多度重叠区域拼接 线联合优化的问题，适用性广。