(1) 针对有机化工废水毒性强、难生物降解的特征，通过非均相 Fenton 氧化，将难降解的污染物转化为易生物处理的物质之后与固定化微生物联用，提高有机化工废水效率和降低成本，探讨化工废水中典型有机污染物的催化氧化降解和生物降解的相互影响机制，对于控制化工废水对环境的污染具有重大的理论意义和实用价值；(2)设计制备磁性微纳米非均相 Fenton 催化材料，具有比表面积大、扩散阻力小、表面活性高等特性，能高效诱导产生羟基自由基，将难降解有机污染物降解为 CO2、H2O 和其他矿物盐，整个过程绿色、无二

生活垃圾本征无害化高温处理技术是一种超低二噁英的生活垃圾高温处理（焚烧或热解）工艺方法。在我国已建成的垃圾焚烧装置多数都无法做到。本项目研发的生活垃圾本征无害化高温处理技术，其核心技术包括：延时燃烧系统、烟气超净处理系统和渗滤液资源化系统。这三个系统是本质上区别于传统焚烧技术的核心技术，均已获得国家发明专利。 渗滤液资源化系统是本项目对生活垃圾资源化的科学诠释。垃圾渗滤液通常被业内视为最难处理的高COD和BOD、高盐废水，处理设施投资大、成本高。但在本项目中，垃圾渗滤液被视为一种资源。

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。

本技术针对高含水有机固废提出无需干化、直接阴燃的技术路线，从原理上克服了低热值固废焚烧处置的技术劣势。 一、项目分类 关键核心技术突破 二、成果简介 我国城镇有机固废具有高含水率、低热值的特点，传统的焚烧处置技术往往能耗高、投资大，难以推广应用。本技术针对高含水有机固废提出无需干化、直接阴燃的技术路线，从原理上克服了低热值固废焚烧处置的技术劣势。

成果简介:随着大数据分析、大规模视频监控、大规模支付系统等如火如荼地展开，提 高大规信息处理 能力已经成为业界的追逐的焦点。计算机集群技术成为重要手 段并突飞猛进，如我曙光系列、天河系 列、IBM 深蓝等超级计算机。这些高端 集群利用专用的计算节点、高速网路、特殊系统构成，具有成 本高、维护代价 高、运营成本贵等问题。利用普通的计算机、商业化的网络、通用的软件系统构 成的 普通计算机集群因其成本低、维护便宜，更适合广泛地构建大规模集群处 理和服务系统。 GOOGLE、Baidu、阿里、

项目简介 分析归纳了城市雨水利用的途径、原则，通过对示范工程现场的水资源情况、雨水 径流污染的状况和水质特性的分析，进行了水量平衡计算；研究了雨水收集利用系统的230 关键技术，确定了工艺路线，主要净化工艺采用初期雨水弃流、旋流分离器和生态浮床 组合技术；开发了相关装备，实施了雨水收集、处理、利用示范工程，并对示范工程进 行技术经济分析。可根据雨水利用工程实地情况，为城市单位、大型小区及度假村等提 供雨水利用依据、技术支持和工程指导，必要情况下可结合实

1. 痛点问题 工业视觉场景下普遍存在缺陷样本数量少、难采集，已有标注方案无法完全发挥样本数据效用等问题。在工业视觉应用场景中，产线整体生产良率均已达到相当水平，人工可识别的缺陷样本数量相对较少，且采集难度较大。制造生产环节对产线效率要求较高，模型训练难以实现精度与效率上的平衡。 2. 解决方案 本项目将最新的少样本学习、连续学习、模型压缩与优化技术，与工业场景中的缺陷检测需求深入结合，致力于工业视觉自主知识产权软硬件一体化装备研发。针对玻璃深加工与半导体晶圆宏观缺陷检测，本项目已完成工业视觉全流程视觉感知算法、人工智能算法研发平台、玻璃智能一体检测设备、晶圆宏观缺陷检测设备等智能设备的原理验证和装备试制，同时有多项智能设备在研。 本项目在玻璃与半导体缺陷检测中，基于图像自动标注方法完成少样本场景下的数据采集与标注，通过弱监督学习和连续学习方法完成有效模型构建，并针对长尾数据集设计模型训练和优化方法，实现高效工业视觉感知计算。针对工业视觉场景，本项目集成视觉感知算法能力，研发人工智能算法研发平台，该平台秉承低代码化、可视化等原则，打造包含数据采集与标注、算法训练与评估、模型压缩与优化、应用部署与管理的数据闭环。 合作需求 寻求浮法玻璃深加工、半导体加工与制造等行业企业合作。

悬赏金额：15万元 发榜企业：中科软件测评（广州）有限公司 需求领域：图形图像处理 数据库系统及数据处理 软件开发 检测分析技术及服务 信息技术及系统服务 产业集群：新一代电子信息产业集群 技术关键词：图像,识别,准确率

本实用新型公开了一种用于IGBT的驱动信号数字处理电路级联系统。通过将集成驱动电路(1)和数字信号处理及控制电路(2)的单个电路级联构成多路驱动与信号处理系统。本实用新型系统仅需一路输入的PWM调制信号即可完成一对IGBT的控制，同时可以使上层控制器用较少的光纤通道获得级联多个驱动板的相关信息反馈，从而简化了控制系统。该系统仅需调整程序下载至信号数字处理电路即可修改相关参数，方便了应用和系统设计工作。在IGBT过流短路以及电路板过电压或欠电压情况下可以将故障信号反馈至信号数字处理芯片，根据故障情况予以相应处理，同时能将故障情况通过光纤通道输出以便进一步处理。该实用新型结构简单、成本低，具有较好的通用性、灵活性以及可靠性。