产品详细介绍        产品特性 •可同时采集1路通用高清信号，4路标清视频信号，2路模拟双声道音频信号。 •通用高清输入视频信号可达1080p/60 Hz。 •通用高清信号可采集DVI、VGA、HDMI、分量信号。 •可采集HDMI中的LPCM音频信号。 •微软AVStream标准驱动，可支持大部分Windows上的多媒体视频软件或流媒体软件。 •超小尺寸：98mmx98mmx25mm(L/W/H)。      高级特性 •VGA输入支持自动输入视频格式侦测，自动视频有效区域侦测，自动VGA采集相位调节。 •VGA信号提供安全模式，支持采集最大行采样数小于等于4095内的VGA信号。 •支持手工设定有效画面区域功能，可用于画面的剪裁和对特殊输入信号时序的支持。 •支持多阶画面缩放功能，具有三种针对画面宽高比的缩放模式。 •支持垂直滤波和运动自适应去隔行功能。 •硬件色彩转换，可输出RGB24，RGB32，YUYV，UYVY，I420色彩格式。 •高清输入支持色彩调节功能，可调节画面的对比度、亮度、色彩饱和度、色调、Gamma；并可单独调节R，G，B三色的亮度、对比度。 •画面水平、垂直反转功能。 •固件可升级。 产品规格 主机接口：USB3.0，*300-350MB/s传输带宽 输入接口：1个DVI-I接口(可转接HDMI，VGA，YPbPr) 1个DB9接口（转接4路CVBS+2路立体声音频） DVI视频输入：1路1080P/60HZ高清DVI信号 HDMI视频输入：1路1080P/60HZ高清HDMI信号 VGA视频输入：1路VGA信号 YPbPr视频输入：1路YPbPr信号 CVBS视频输入：4路标清视频信号 HDMI音频输入：1路LPCM音频信号 模拟音频输入：2路模拟音频信号   DVI输入格式：符合DVI 1.0标准，单连接（480i、576i、480p，576p，720p，1080i，1080p） HDMI输入格式：符合HDMI 1.3标准，支持36bit DeepColor YPbPr输入格式：480i、576i、480p，576p，720p，1080i，1080p VGA输入格式：640×400-2048×1536，像素率低于170MHz即可 VGA信号提供安全模式，可以采集非常规分辨率 CVBS输入标准：PAL/NTSC HD输出格式：40×30-2048×1536，帧率：1-100 fps SD输出格式：176×144-768×576，帧率：1-30 fps 模拟音频采样率及信噪比：Up to 48KHz，85db，24-bit 视频采样率：CVBS:27MHz RGB/分量：170MHz HDMI/DVI：225MHz 视频采样精度：10bit 色彩空间：YUYV、UYVY、I420、RGB 24 Bits、RGB 32 Bits   色彩空间转换：硬件色彩转换 去隔行：垂直滤波去隔行；运动自适应去隔行 画面缩放：硬件5-Tap缩放 画面反转：水平；垂直 画面剪裁：有 图像调节：亮度／对比度／色调调节；饱和度调节／黑白，彩色控制；伽玛值调节(Gamma)； 单独调节R/G/B三色的亮度、对比度； 操作系统支持：支持以下操作系统的x86和x64版本： Windows XP Professional Windows Server2003 WindowsVista Windows Server 2008 Windows 7 Windows Server 2008 R2 兼容软件：Windows Media Encoder；Adobe Flash Media Live Encoder；Real Producer Plus； VideoLAN for Windows； 板载内存：128MB DDR2，工作频率为160 Mhz，位宽32bit 升级;固件可升级 几何尺寸:98mmx 98mmx25mm(L/W/H) 功耗:<= 3.5W

本发明提供了一种面向轨迹挖掘的数据预处理方法及系统，该方法包括：在原始数据库中提取离散的轨迹点，对轨迹点进行归类提取后形成若干个独立的轨迹段集合；对每一轨迹段集合中的轨迹点进行重复定位点检测，若判断该重复定位点为历史定位点，则删除；对每一轨迹段集合中的轨迹点进行定位异常点检测，若判断为定位异常点，则删除该轨迹点，得到若干条完整的轨迹；对所述完整的轨迹进行简化压缩，得到压缩轨迹；存储所述压缩轨迹；同时对系统运行状态进行监控，保证系统可以持续、稳定运行。本发明提供的方法通过对提取出的轨迹点进行重复定位点以及定位异常点清除，保证了轨迹数据的正确性和完整性，提高了轨迹数据挖掘的准确度。

本实用新型公开了一种苜蓿播种机用开沟器，主要由开沟装置、开沟器架、导肥装置和导种装置组成。开沟装置主要由侧翼铲、滑刀和扩沟板组成，旨在开出适宜苜蓿种子发芽的高质量种沟；导肥装置由导肥管和散肥器组成，用于将肥料导入种沟侧面；导种装置主要由导种管组成，旨在将苜蓿种子导入由开沟装置形成的种沟内。本实用新型能够满足苜蓿播种开沟的要求，可以开出高质量种沟，利于苜蓿种子出苗及第二年返青。本实用新型适用于大部分地区的苜蓿播种，特别是寒冷、干旱地区。

将计算机自然语言处理方法和生物本体学方法结合起来，发展一套面向生物医学文献的数据挖掘技术，建立了一个文献挖掘平台。该平台可以对生物医学文献进行数据挖掘，发现隐含在文献中的生物学实体及其联系，发现深层次的生物医学知识，自动获取大量的第一手生物医学数据。例如，挖掘与人类基因相关的信息，挖掘蛋白质相关信息，发现基因的功能，发现基因与疾病之间，发现蛋白质之间的相互作用等。/line对于一组给定的文献，该平台首先进行句法分析和生物学术语标定，然后进行语义分析，提炼每条语句的生物学含义，提取文献中的生物医学关联特性，以发现文献中的基因、蛋白质、疾病以及它们的关系。

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

本发明公开了一种基于函数依赖的数据清洗方法，其特征在于， 包括：对原始数据进行数据转换，以将其不同类型的属性全部转换为 数值型属性；对于数据转换后的原始数据，提取其属性的自依赖函数 特征；对于数据转换后的原始数据，提取其属性之间的互依赖函数； 根据自依赖函数特征和互依赖函数确定需要进行清洗及待清洗的属性 及样本，并根据该属性及样本形成相关清洗决策依据，判断待清洗的 属性对象是采用自依赖函数清洗还是采用互依赖函数进行清洗，若采 用自依赖函数清洗，则将不符合条件的样本根据自依赖函数确定的多 项式进行校准修复，并加上白噪声作为随机扰动。本发明能够解决大 数据中“脏数据”问题，为后续的大数据分析挖掘提供高质量的数据。

癌症是全球第二大死因，对人类的健康构成严重威胁。我国人口基数庞大，老龄化进程不断加快，癌症防控工作也面临巨大挑战。准确、实时的恶性肿瘤发病数据可为防控相关的政策制定、资源配置和科技项目实施与效果评估等提供重要依据。肿瘤发病数据的获得主要通过“肿瘤登记”实现，其中最理想的模式为“基于人群的肿瘤登记体系（Population-based Cancer Registry,PBCR）”。我国现行的肿瘤登记工作可追溯到上世纪50年代末60年代初。历经几十年发展，“从无到有”、“从弱到强”，为相关工作的开展提供了关键的基础数据。然而，受限于“基于监测哨点开展、定点医院人工填报”的主要形式，目前我国肿瘤发病登记工作的发展遇到挑战。其中主要包括：肿瘤登记点数量不足和分布不均衡；肿瘤登记数据深度和广度不足；很难在现有模式下建立真正覆盖全人群的肿瘤监测系统。同时，对上报数据的采集、补充、质控需要较长周期，导致我国肿瘤发病年报通常会滞后3年发布。河南省滑县与广东省汕头市合计在籍人口约700万人。近十年以来，各项医保系统的总参保比例分别稳定在99%及90%以上。两地区过去一直被认为是食管癌高发区，但目前尚无国家肿瘤登记系统覆盖，因此实际的癌症负担及食管癌发病水平仍不明确，无法有针对性地制定并实施肿瘤防控计划。过去十余年，柯杨教授课题组在我国太行山食管癌高发区开展了多项大规模前瞻性人群研究。在长期的队列随访工作中，课题组探索出利用“医保报销数据”追踪肿瘤新发病例的工作模式。经比较性研究评估，该模式对新发癌症病例捕捉的灵敏度高达96%，特异度接近100%[4]。在此基础上，该团队进一步与河南省滑县和广东省汕头市政府有关部门与医疗机构建立深度合作，在高度重视数据安全与隐私保护的基础上，创新性地基于医保系统的医疗费用报销与疾病诊断数据，建立了一套标准化的数据清理流程和质控标准，研发了医保系统数据挖掘的相关算法（已申报相关发明专利），实证性构建了南、北方两个试点地区的肿瘤发病监测系统。对当地全瘤种的癌症发病数据及其流行分布特征、时间趋势等进行了深入分析与报告，为两地区明确癌症疾病谱特征及相关负担、有针对性地建立并完善癌症防控工作策略提供了详实的数据。2012-2018年河南省滑县与广东省汕头市参保全人群的年龄分布 （高参保率及稳定、详实的人口分布数据使MIS-CASS实现“全人群覆盖”）2018年河南省滑县与广东省汕头市男、女性主要恶性肿瘤发病例数及发病率 （医保数据的“实时性”与“高质量”使MIS-CASS的发病数据报告延迟缩短至6个月）2014-2018年河南省滑县与广东省汕头市男、女性主要瘤种发病率变化趋势 （MIS-CASS敏锐地捕捉到了滑县开展乳腺癌筛查引起的发病率“突增”）2018年广东省汕头市食管癌发病率地域分布特征 （MIS-CASS报告显示，汕头市整体食管癌发病水平不高，但内部地域差异明显，地处东北、四面环海的南澳岛为高发区域，西南方向渐呈下降趋势）我国《“十三五”规划（2016~2020）》和《“健康中国2030”规划纲要》均提出，要推进健康大数据在各相关部门间的整合、共享、挖掘和应用。该项工作将医保系统创新性地与癌症发病监测工作相结合，建立了基于医保大数据监测癌症发病的MIS-CASS模式。经评估，该模式具有区域内全人群覆盖、数据质量高、报告延迟短、运维成本低等优点。在信息化与大数据时代背景下，为我国癌症及其他重大慢性非传染性疾病的监测与登记工作提供了有益经验和发展方向。

本项目是从生物制药顶层设计考虑，通过样本自动存取系统来提高生物制 药的科研水平和效率，采用先进技术解决系统集成中的复杂关键技术问题。项 目针对目前普遍使用冰箱（柜）冷藏样本的缺陷，进行彻底变革，设计全封闭 蜂窝式复合旋转机构，在此基础上，再运用相关技术，设计一种既能高效、安 全存取样本，又能高效利用和管理样本的系统，该系统功能扩展后，可组成智 能自动实验系统。

利用十年百余万次的近视眼医学验光大数据，揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上，运用随机森林算法进行机器学习，建立人工智能预测系统，可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率达80%以上，也可提前8年有效预测高度近视，为近视眼的精准干预提供了科学依据。开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数（间隔至少一年），即可预知10年内的近视度数变化与高度近视风险。       中山眼科中心近年来对近视眼进行了系统性的研究，不断取得突破，产生了重大的社会影响和意义。