列车结构设备日趋复杂、速度不断提高要求其运行可靠性更高。对列车上的设备与系统进行实时监测和故障诊断是关系到行车安全提高列车运用效率的一项重要技术措施。通过技术手段对机车关键部件进行故障监测和诊断，在设备发生故障时可及时发现并确定故障部位，记录故障过程，通过司机室显示屏等向司乘人员报警并提示排除故障方法或采取应急措施的建议是该系统的主要目标。 系统主要包括以下模块（如示意图）： l  瞬间故障检测记录仪（黑盒子） l  取代低压电器柜各种有触点控制电器的逻辑控制模块LCM l  司机室显示屏（Arm9+Windows CE） l  机车运行状态数据采集模块 1、瞬间故障检测记录仪 对于自动化程度较高又比较复杂的系统，查找故障确定故障部位是一项技术性非常强的工作。确定固定性故障部位难，确定偶然发生即随机性故障部位更难。 机车瞬间故障检测记录系统由地面数据处理计算机和车载检测记录仪两部分组成。车载检测记录仪可对机车在运行状态中的多项参数进行实时监测，一旦发生故障，该装置即可将故障发生前至故障发生后一段时间内机车各主要参数的变化情况记录下来。依此可以掌握发生故障前和故障后，机车各主要参数的变化规律，为准确确定故障部位，查明事故原因提供依据。 其主要功能与技术特点如下： 以高速数字信号处理器(TMS320VC5509A)为系统的核心，配以高速的AD采集芯片大大提高了系统的灵敏度； 以高速大容量FLASH作为故障数据的存储ROM； 采用先进的USB接口应用技术，把故障检测记录系统记录的故障数据方便快捷的传送到上层PC机上来； 功能强大的地面分析软件，准确指导、故障分析、排除隐患； 丰富的网络接口（MVB CAN）； 采样通道的灵活配置可以方便的应用于各种机车； 2、逻辑控制模块LCM 随着技术的进步，有触点控制电路可靠性差、维护费用高、体积庞大等问题，越来越难以满足对控制系统性能提高的要求。 逻辑控制模块LCM(Logic Control Module)在功能上等同于LCU，采用专用大规模集成电路实现控制逻辑，输入光电隔离、VMOS功率输出，不存在单片机程序易“跑飞”和“死机”的问题，通过网络接口可将系统的故障及状态等信息上传。LCM在韶山系列机车上可简单地装在低压柜内拆掉的继电器位置上，对机车改造、布线的工作量很小。该系统在繁忙的大秦铁路运煤货运机车上的实际运用中充分体现了其体积小、可靠性高、功耗低、信息化程度高等显著特点。 主要功能与技术特点 Ø 取代（机车）低压电器柜各种继电器（控制电器）； Ø 通过网络接口上传系统/机车状态信息，网络传输速率可达1Mbps； Ø 基于SoPC技术，体积小集成度高，系统可靠性高； Ø DC110V供电。 3、司机室显示屏 显示屏采用宽温大视角的工业级TFT-LCD，以ARM9微处理器、WindowsCE为平台，以高速大容量FLASH作为故障数据的存储器，具有标准RS232、USB接口和MVB等多种网络接口。 该显示装置作为一台完整的工业控制计算机，不但适用于各种机车，也适合应用于其他工业控制及检测领域，具有广泛的应用前景。 主要功能： Ø  机车状态实时监测 Ø  故障自动提示 Ø  历史故障记录 Ø  丰富的标准接口 便捷的操作，多样化界面： Ø  10.4英寸16dppTFT显示屏 Ø  ARM920T处理内核 Ø  Windows CE操作系统 Ø  SPI高速通信，串口 Ø  MVB，CAN，以太网，USB Ø  人机接口良好，操作方便 准确的故障提示、上千次的行车故障记录： Ø  故障诊断快速准确，及时提示司机应急方法 Ø  历史故障存档及转储，为机车故障分析提供依据

小试阶段/n钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等, 这些方法检到的缺陷类型少, 检测实时性不强, 检测的表面缺陷分辨率也不高, 无法有效评估产品的表面质量状况。本技术涉及一种基于多流形学习的带钢表面缺陷识别方法。其方案是：对于任一副带钢表面缺陷图像向量化的向量数据点分别选择类别相同和类别不同的K 个近邻点建立对应的同类数据子图和异

可以量产/n成果简介：本成果在国家科技攻关（支撑）和农业行业标准制修订等计划支持下，建立了动物可食性组织及产品主要违禁药物和常用药物之量/确证方法23种，研制出抗菌药物残留检测ELISA检测方法及试剂盒7套、微生物学快速筛选方法及试剂5 套，制备喹噁啉类、呋喃唑酮和阿苯达唑等残留标示物的标准品6种，成果鉴定8项， 制订国家标准19项，申报国家发明专利13项，8项已授权，在农业部备案试剂盒产品9种，涉及100 余种常用兽药和违禁兽药，试剂盒达到国际领先水平，其他均达到国际先进或国内领先水平。本成果20

电子信息系统电磁兼容设计检测评估技术在系统方案论证阶段即进行电磁兼容设计：在电子信息系统进行功能、布局、结构规划设计的同时，建立基于结构图纸的电磁兼容数字仿真模型；分析电子信息系统内的场-场、场-路、路-路的干扰关联关系；建立基于电磁场方法系统模型、基于分布效应的场路耦合模型、基于路方法的行为级仿真模型，并建立等效干扰模型库；对全系统及分系统的指标进行量化分配，主要包括：频率指配、设备布局、元器件布局、辐射源辐射功率控制、发射带外衰减、接收灵敏度、接收带外抑制、屏蔽性能、电缆布局、电磁环境分布、舱体谐振特性、系统分系统及设备降级状况、设备安全性优先级等；对全系统进行“自顶向下”的电磁兼容预设计。 在工程实施阶段，通过数字仿真、半实物仿真、实物测试交互技术，对进一步暴露出的电磁兼容问题，进行加固方案设计及效果评估，并进行反复迭代，确保工业生产过程的电磁兼容控制；根据系统设计的特殊要求，研究电磁兼容实施标准和测试方法，在电子信息系统工程实施完成后，根据相应的标准和要求进行电磁兼容性试验，确认系统电磁兼容状况达到设计指标。该技术可以应用于日用电器及电子电气产品的电磁兼容设计、评估、工程控制和检测。

金属材料内部质量检测与三维表征技术是一种超声显微检测技术与先进信号、图像处理方法相结合的无损检测技术。该技术可实现金属材料内部缺陷的 定位、定量、定型以及定形的表征，进而实现金属材料内部质量的综合评价。与传统方法相比，该技术具有制样简单、扫查范围大、检测精度高、体空间表征等优势，可实现如下主要功能：（1）金属材料纯净度的评价；（2）金属材料偏析、缩孔、裂纹的识别；（3）金属材料凝固组织的表征；（4）金属材料内部缺陷的三维体空间分布的可视化。

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

国内没有具备降解材料检测的权威机构

一、所属领域 人工智能，精密自动化，生物分析与检测，环境微生物检测，工业微生物检测，细胞组织分析检测。 二、项目介绍 1. 痛点问题 微生物的识别、计数和定性分析一直是食品、医药和生物行业的重要一环。传统的人工检测方式劳动强度比较大，且检测主观性强，标准难以统一，计数和检测结果不准确；在对环境的微生物监测中，人工方法只能做到抽样检测，无法做到持续性检测。 近两年行业巨头们（如GE，安捷伦，赛默飞等）开始推出图像识别技术的微生物检测设备，其结果来自直观影像，分辨率高，操作难度低。但是这些设备目前采用的光学显微镜倍数都在800倍以下，只能进行计数，如果要完成相关定性分析，需要在800倍以上的放大倍数获得单细胞微生物的清晰图像（如酵母菌，大肠杆菌）。但800倍放大倍数对应的有效视场只有200微米*200微米，对计数和活性统计分析又不具备足够的采样数量。目前国内外设备均没有解决好这个问题，对微生物进行定性分析的准确率低，无法满足市场需求。 2. 解决方案 本项目针对微生物和细胞活体检测中缺乏有效参照物的技术难点，根据显微扫描设备的结构，将全景化视域重构技术和微米级电机结合，解决了镜头大幅平移过程中的自动对焦难题和微生物溶液动态环境中的影像拼接难题，在保证1000倍放大的基础上，获得的有效视场增加到10毫米*10毫米的范围；再通过自动化图像采集和拼接，得到完整的微生物图像；然后结合传统的图像分割以及深度学习图像识别的优势，小样本高精度动态完成微生物的类型识别，计数，活性，死亡率，出芽率等定量定性分析。 3. 竞争优势分析 与国内外的主流检测设备对比，本项目技术优势主要体现在： 1）独创的微生物影像全景化视域重构技术，实现0.5微米的分辨率和20*25毫米的超大视角； 2） 解决微生物影像领域小样本智能识别和智能检测的难题； 3） 检测目标、检测内容、检测流程和逻辑可通过自然语言定制，提高设备功能通用性； 4）计数准确率超过人工计数，准确率超过国内细胞计数仪器一个数量级； 5）第一台按照国家微生物计数检测标准开发研制的微生物计数仪。 本项目的第一代产品样机与国内外同类产品对比，主要性能优势和技术优势如下： 在食品行业，本项目获得了青岛啤酒北京密云分厂的啤酒原液和相关酵母菌种，针对生产用酵母菌采集了大量实拍图像数据，优化后的酵母菌计数和出芽率算法识别率均在95%以上。 4. 发展规划 按照三步走的方式来设定发展规划： 1）基于全景化视域重构技术，构建第一代检测仪器，首先进入门槛最低的食品微生物检测市场，对啤酒和发酵乳企业提供酵母菌检测计数技术和设备； 2） 利用已有技术积累，进入环境微生物检测和高校实验室市场； 3）最后以食品和环境检测市场为根据地，进入门槛最高的生物医药检测市场，提供微生物检测和组织检测的相关设备。 5. 知识产权情况 已申请3项专利。 三、合作需求 1）寻求500-800万元天使投资； 2）寻找高校研究所，食品工业和环境检测领域的客户、渠道伙伴； 3）寻找生物医药，医学临床领域的客户、渠道伙伴和产品测试环境。 四、团队介绍 科研团队： 1）周悦芝 博士 清华大学计算机系研究员，项目负责人，在边缘计算和深度学习等领域有丰富的开发经验和杰出的研究成果，在面向医学影像的AI图像分析方面曾发表多篇论文，申请或获得多项国家发明专利。 2）黄权伟 清华大学计算机系硕士，负责图像分割及细胞识别等相关算法研发。 3）梁志伟 清华大学计算机系硕士，负责深度学习算法加速研究和实现。 五、联系方式 E-mail：ott@tsinghua.edu.cn 成果编号：20230055