产品详细介绍 案例展示 公司官网：http://www.jiuliangtech.com

目前，国产集成电路“缺芯少减”的现象非常严重，特别是在编程逻辑器件被美国几家著名大公司所垄断.国内与固外差距巨大，可编程器件目前广泛应用于通信航天航空导航遥感遥测。大的应用需R和发展前展。本项目针对嵌入了处理器的SoPC芯片(SystemonPogrammableChip)具有该现状，与成都华微公司合作,研制了完全自主可控的SoPC芯片。

环境温湿度、光照强度、水分、盐碱度、作物生理指标……这些参数关系农作物生长，现代农业通过农业信息智能感知技术便可轻松“一网打尽”。 然而实时监测这些指标需要电力驱动，电力无疑是智慧农业蓬勃发展的“源头活水”。田间地头常常难以铺设管线，而电池有限续航能力和污染风险又比较突出。因此发展农业信息“无源感知”是未来智慧农业一大趋势。 为更好地解决这一难题，浙江大学生物系统工程与食品科学学院IBE团队平建峰研究员课题组，提出了一种简便有效的方法，从农业环境中挖掘自然能源并将其高效转化为电能。首次将摩擦纳米发电机技术应用于农用纺织品中，并用于降雨时雨水能的收集，通过能量转化获取电能。 这项研究，近日发表在国际知名期刊《纳米能源》（ Nano Energy ）上，论文第一作者为浙江大学生物系统工程与食品科学学院2020级博士研究生姜成美 ，通讯作者为平建峰研究员。 功能化纱线的制备流程及其在农业中的应用场景把摩擦纳米发电机装进农用纺织品的纱线里 南方地区经常暴雨成灾，造成农业生产的巨大损失。农用纺织品在大棚设施中最为常见，它能够遮阴挡雨，保护农作物。 如何从农业环境中挖掘能源？ 浙大科研人员将这两者巧妙结合，通过纱线表面功能化，将摩擦纳米发电机依附在纱线上，织成智能化农用纺织品，利用雨水冲刷时的电子转移与流动产生电流，源源不断地为智慧农业供能。装载摩擦纳米发电机的纱线可以说是智慧农业的“无源活水”。 这个研究灵感来自一场突如其来的大雨：仲夏时节，一场突如其来的倾盆大雨透过来不及关闭的窗户摧残了窗台边的绿植。这引起了研究人员的思考：“农作物所处的环境只会更恶劣，那么我们就想办法利用它的恶劣。”大棚不仅可以作为作物、动物的“保护伞”，还可以作为雨滴能的收集器。 实验数据显示，在9.5牛顿的连续力作用下，3厘米长的纱线就能产生7.7伏的电压。 平建峰介绍，未来通过连接储能设备，这些被改造的农用纺织品，不仅可以为种植业和畜牧业提供保护以提高农畜产品质量与产量，还可以为物联网感知器件源源不断地输送电能，从而开展农业信息的无源监测和实时提供天气状况。 功能化纱线在农用纺织品上的应用绿色能源在智慧农业中具有广阔应用 为什么雨滴的能量可以转化成电能呢？ 这是因为对农用纺织品的纱线进行了特殊改造。科研人员在其表面覆盖了两层特殊材料——导电的碳化钛纳米材料和不导电的聚二甲基硅氧烷（一种高分子聚合物）。 功能化纱线收集雨滴能的原理 该聚合物能够防水并与环境中的雨水发生电子转移。而碳化钛感应电极，不仅具有高导电性能，还因其高电负性可以助力表面聚合物抢夺电子。因此在实现农用纺织品原有的农用保护材料、保温、遮阳、水土保持、排水灌溉、种子培育基材的功能基础上，还能从农业环境中源源不断地获取能源，为智慧农业提供驱动力，实现农业信息“无源实时感知”。 平建峰说，这两种材料具有良好的生物相容性，而且整个制备过程易于规模化和工业化。

鹏博士深耕云计算、网络SDN、自然语言处理、情感分析、图像理解，专注大数据的采集存储和信息挖掘，致力于提升各行业的大数据技术创新能力，通过全面的信息可视化、精准营销、新媒体数据挖掘、人群画像等为政务、工业、金融、医疗、交通、建筑、公安等各行业的合作伙伴提供一揽子的大数据解决方案，帮助企业实现增效降损，提高业务能力

本发明公开了一种保留已有路网数据并利用OSM数据进行路网扩展的方法，该方法能够让用户自定义需要扩展的路网区域，并快速地将用户需要扩展的路网范围连接到原有网络中，同时保留了原路网的数据信息，最终得到利用OSM数据进行扩展后的路网数据文件。在实际工作中，用户会遇到需要在已有路网基础上扩大研究范围的情况，本发明由用户自定义选择需要扩展的路网范围，自动从OSM数据中提取扩展路网信息后与已有路网数据进行合并，保留了原有用户已经维护好的路网信息，节省了人工逐条添加路段和对扩展后路网进行重复校核的人力和时间成本，同时提高了扩展路网的准确性。

其他成果/n一种地表水的水处理系统及水处理方法。该水处理系统包括：电絮凝装置、超滤膜分离装置和混合液内回流单元；所述电絮凝装置和所述超滤膜分离装置连通，所述混合液内回流单元设置于所述电絮凝装置和所述超滤膜分离装置之间。本发明的水处理方法：采用电絮凝‑超滤耦合并辅以混合液内回流去除地表水体中有机污染物，使处理后的出水能满足我国《生活饮用水卫生标准》(GB5749‑2006)要求，该工艺结构简单，有机污染物去除比例高，超滤膜的膜装置运行压力损失小、膜通量衰减速度低、膜组件反洗频率低。

主要研究APT 网络攻击全链条的通用表征和威胁模型， 实现攻击的全链条威胁分析；研究跨平台内核数据实时可信 采集方法，探索基于去噪和去冗技术的高效数据解析、基于 语义恢复技术的关键字段填充；研究多源异构内核数据的重 构方法；研究保持全局依赖的数据压缩方法，实现实时、高 效、普适的数据压缩；研究面向APT网络攻击全链条的智能 检测框架，实现对攻击的全链条高效检测；研究APT网络攻 击的演化模式，实现APT网络攻击的可解释溯源分析。

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无