AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

成果描述：本发明申请要解决的问题是，服务器在两个服务速率的模式下，等待服务的数据包有一定的耐心时间，在此情况下给出吞吐率，平均队长，平均等待时间段的计算方法。市场前景分析：本专利考虑以下问题一个光纤局域网，如图1所示. 此光纤网络连接着n个分布式网络。第i（i=1,2…,n）个分布式网络通过接入路由器 i 和对应的端口 连接到光纤局域网。光纤局域网通过网关路由器连接到主干网。端口 （i=1,2…,n）有一个可调的光发射器和接收器，并且可以通过一定的带宽来传送数据。对于光纤网络的带宽的分配问题，最简单的解决方法是当第i个接入路由器向网关路由传送数据时，其余 个接入路由停止向网关路由传送数据（也就是说第i个接入路由器占用所有的带宽）；当第i个接入路由传送完毕时，第i+1个接入路由开始传送数据。Servi和Finn[1]提出了另一种新的光纤网络带宽分配方法，即将光纤网络的带宽分成两部分，一部分带宽按照前述简单的方法，接入路由依次向网关路由传送数据，而另一部分带宽则是被所有接入路由器均分，故每个接入路由器传送数据的速率为这两部分之和。这样的传送方式设置了低速运行期，在一定程度上减小了成本，节约了能源，而且在多重工作假期的基础上，缩短了休假时间，增加了系统闲期。与同类成果相比的优势分析：针对网络服务器在两个不同工作模式-工作期与工作假期下服务。工作期与工作假期分别对应一个快，一个慢的服务速率。到达的请求有一定耐心时间。到目前为止针对以上系统尙没有合适的理论计算模型和方法。 本专利用泊松过程拟合到达过程，用不同参数的指数分布拟合服务时间，工作假期时间，和请求的耐心时间。利用上述拟合参数，本专利给出了请求的到达率 ，工作期服务率 ，工作假期服务率 ，工作假期时长参数 ，顾客的耐心时间时长参数 与平均的队长 和平均系统逗留时间 相互之间的关系。提供了一种计算出平均的队长和系统逗留时间。从而为网络服务器的各项性能指标的设计提出指导。

本发明申请要解决的问题是，服务器在两个服务速率的模式下，等待服务的数据包有一定的耐心时间，在此情况下给出吞吐率，平均队长，平均等待时间段的计算方法。

中国科学技术大学工程科学学院ZacharyJ.Smith教授团队和华中师范大学化学学院高婷娟教授团队在拉曼生物成像研究领域取得新进展，提出了一种基于线扫描拉曼成像系统和偶氮增强拉曼探针相结合的快速生物成像方法，实现了对细胞器动态过程的高分辨率、低功耗的影像。

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

其他成果/n一种基于多源光谱特征融合的食用油种类快速鉴别方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集拉曼光谱图和近红外光谱图；分别对采集的拉曼光谱图和近红外光谱图进行预处理，得到预处理拉曼光谱图和预处理近红外光谱图；分别对预处理拉曼光谱图和预处理近红外光谱图进行特征提取，得到拉曼特征变量和近红外特征变量；将拉曼特征变量和近红外特征变量进行光谱特征融合，得到特征融合光谱图；采用优化定性模型对所述未知种类的食用油样品进行种类鉴别。本发明提供的基于多源光谱特征融合的食用油种类快速鉴别方法，安全快速、检测便捷，鉴别准确率高，具有较强的实用价值和推广价值。

本发明公开了一种基于吸收光谱技术的双频率波长调制方法，该方法在传统波长调制信号的基础上叠加了另一高频正弦信号，针对该种激光激励方式建立了双频率波长调制的傅里叶分析模型，理论推导了各次谐波表达式，研究了不同调制参数对谐波信号的影响并通过全局寻优算法确定了最佳调制参数。在此基础上，确定了双频率波长调制频率响应关系的函数表达式。相比于传统单频率波长调制方法，本发明提出的测量方法具有更高的信噪比，测量结果的稳定性更强，并且在弱吸收情况下的谐波峰值位置更易于判断，具有更大的应用潜力，本发明方法仅改变了激光器的注入电流激励方式，对硬件成本要求低，并可应用于多次反射池等系统进一步降低气体浓度的检测下限。

本发明提出一种基于免基线波长扫描直接吸收光谱的气体浓度测量方法，该方法首先对透射光强信号加上Ｎｕｔｔａｌｌ时窗，其次对加窗的透射光强信号进行数字带通滤波处理，获得谐波处的Ｘ分量，使得吸收部分的信号得到强化而使边缘处接近为零，同时对加窗的透射光强信号进行数字低通滤波处理得到常数项，然后使用得到的常数项对Ｘ分量进行归一化处理，消除光强波动的影响，最后对归一化的Ｘ分量使用拟合算法即可得到待测气体参数值。本发明的测量方法克服了传统直接吸收方法对基线敏感的缺点，同时避免了由于基线拟合误差对结果的影响，尤其适合