定制化3D打印眼镜镜框解决方案 传统生产工艺定制眼镜镜框时，会存在耗时长、性能差、颜色不 统一、后处理工序繁琐和成本较高的问题，清锋科技推出的透明 多色韧性材料结合光固化3D打印技术，为定制眼镜提供了全新的 思路和选择。 索要完整解决方案资料请访问弹性体3D打印-3D打印眼镜框(luxcreo.cn)下载   一、材料选择 基于模型、工况、韧性材料性能做力学仿真，筛选合适的材料（透明韧性材料，LuxCreo的透明韧性材料专为定制眼镜等消费品研发，拥有更好的弹性、韧性、抗弯性和断裂伸长率，其打印的镜框在各方向均能保持一致的力学性能和承载能力，可避免在正常使用过程中出现的弯曲或断裂等问题）   TM 79 高韧性树脂  TM 79是高韧性、耐用性零部件的应用首选材料。TM 79性能类比PA 12，具有出色的低收缩率和高冲击强 度，是风洞测试、电气外壳、工装夹具和汽车内外饰等快速原型、小批量测试件加工的理想材料。基于 LEAPTM 的纳米离型技术，构件成型速度快，后处理容易，具有卓越的尺寸精度和细节分辨率。 TM 79通过了《欧盟第1907/2006号REACH法规 211种高关注物质(SVHC)进行筛分测试》、《ISO 10993-10:2010 医疗器械生物学评 价第10部分：刺激与皮肤致敏试验》和《ISO 10993-5:2009 医疗器械生物学评价 第5部分：体外细胞毒性试验》。 TM 79 韧性材料资料下载：https://www.luxcreo.cn/material/1?SelectID=Mg%3D%3D&toughnessNavId=MA%3D%3D   2、参数化设计、打印前优化 LuxFlow模型处理软件 LuxFlow是清锋自主研发的一款强大的3D打印数据前处理软件，针对消费/医疗/工业/齿科领域进行深度整合，包含3D打印模型处理/支撑优化/切片技术等功能优化，可极大降低用户操作技术门槛与数据处理时间，提高打印成功率与产能效益。 增材制造晶格设计软件LuxStudio 不仅实现了多种结构晶格的自动生成，同时还是一款低门槛、不挑配置的“傻瓜式”通用型操作软件，可帮助企业的小白设计师完成鞋子的参数化设计。软件内有16种经过筛选的优质晶格，使用者通过挑选不同外观的晶格并调整其粗细、尺寸来达到“精准的软硬度”，完成对鞋子性能的设计。可根据产品功能属性需求，通过LuxStudio晶格软件进行参数化设计优化和仿真，为客户提供适合的晶格设计方案。   增材制造晶格设计软件LuxStudio（登录地址：https://studio.luxcreo.cn）   三、快速打印测试 LEAP极速3D打印机Lux 系列Lux 3+、Lux 3Li+ 清锋的3D打印定制鞋垫化眼镜通过数字化产线将概念1：1复刻，且无需开模利用在线仿真可完成对3D打印眼镜性能的初步测试，同时清锋自研LEAP™极速3D打印技术，可帮助企业进行快速开发，设计出来即可打印进行验证。 DLP光固化3D打印机Lux 3+资料下载 https://www.luxcreo.cn/printer/Lux3Li+?SelectID=Mg%3D%3D   DLP光固化3D打印机Lux 3Li+资料下载https://www.luxcreo.cn/printer/Lux3Li+?SelectID=Mg%3D%3D 四、 智能工厂批量化生产   清锋的智能工厂内软件、硬件以及材料、设计为协同工作，搭配专属解决方案，能够紧跟市场需求，做到秒响应、按订单生产，减轻库存压力，减少成本，加速产品创新以及迭代周期，实现高度灵活的柔性制造。   工厂分布在全球，可有序按时按质进行产品开发和交付，企业可以在本地进行创新、测试产品，并直接投入生产。清锋的智能工厂是一个数字驱动、云端链接、离散制造、低碳减排的生态系统。   “人工+自动化检测设备”：对于产品品质，清锋采用“人工+自动化检测设备”双重工序，并对品质检测制定了非常严苛的标准。 满足快速定制、批量交付的需求减少库存及资金压力 直接打印透明纹理结构引领眼镜时尚潮流 材料性能优越，抗弯抗折减小售后压力 多种颜色样式，可根据不同人群推出多品类产品 后处理简单，缩减人工成本及材料消耗   五、品牌背书   清锋科技LuxCreo和全球领先定制眼镜品牌BRAGi发布透明3D打印定制眼镜 清锋科技联合全球领先定制眼镜品牌BRAGi推出“独一无二”的UNi系列儿童眼镜，通过对BRAGi采集的脸部三维数据以0.1mm的精度进行参数化设计并打印生产，让眼镜完美贴合佩戴者脸型，加上LuxCreo独有的打印工艺及透明材料，可直接打印出透明纹理结构，让眼镜以及同类型产品实现钻石般的通明透亮。   欢迎联系清锋科技咨询洽谈市场电话：18614034268   公司电话：010-63941626 公司邮箱：business@luxcreo.com 市场电话：18614034268 官方网站：www.LuxCreo.cn 公司地址：北京市海淀区建材城中路27号金隅智造工场S5幢   关于清锋科技(LuxCreo) 清锋科技(18600573362)是一家专注于3D打印设备、软件、材料研发，致力于改变产品开发和生产方式的数字化3D智造商。团队成员汇聚了清华大学、哈佛大学、佐治亚理工学院、宾夕法尼亚大学、剑桥大学等学府的高端技术人才和高管人才。团队研发出适配于不同行业的高性能材料体系（弹性体材料、韧性材料、齿科材料、耐高温材料等），依托自主研发的Lux系列DLP光固化3D打印机、iLux Pro系列LCD桌面级光固化3D打印机和配套软件， 为鞋类、齿科、医疗、消费、汽车、工业、科研高校等行业创新升级提供解决方案，打造兼具定制化和批量化的新型数字化制造模式及生态闭环，让制造更简单！www.LuxCreo.cn

大者希综合数字化经营实训实践管理平台，简称大者希数字网平台，是综合数字化经营生产性平台，是无代码低代码应用开发平台，采用B/S 架构，SaaS云服务模式，可视化操作，开箱即用在平台基础上形成自己的数字化经营综合应用。主要包含网站、B2B2C综合商城平台、轻应用小程序、AI在线云图设计、H5交互宣传应用、互动营销、智能客户关系管理SCRM、数字门店运营管理、智能教育应用、域名管理、短信平台、公众号助手、企业邮箱等相关应用功能模块。 平台实训特点：项目真实运营、建设和运营一体化全程实训实践。 产品适用范围：培养数字化复合应用型人才，学科专业+数字营销应用方向    

航空发动机机匣是一种复杂薄壁零件，其加工变形问题是我国航空发动机制造的关键技术瓶颈。机匣毛坯组织结构的均匀性是影响机匣加工变形的主要原因之一。镍基高温合金具有优异的高温强度，良好的抗氧化和抗热腐蚀性能，是航空发动机机匣的主要原料。镍基高温合金铸、锻件组织结构的无损检测与定量评价是实现组织结构均匀性检测与评价的基础，有助于准确判断毛坯制造质量，表征制造工艺改进的有效性，降低机匣加工变形概率。 超声检测具有穿透能力强，灵敏度和分辨率高、可定位和定量检测等优点，在航空发动机大规格高温合金构件制造质量检测领域得到了广泛应用。超声检测信号特征值与材料组织结构变化、二次相或沉淀物的形成相关，具备有效评价镍基高温合金的组织结构的能力。现有镍基高温合金铸、锻件组织结构的超声检测以噪声波高为主要判据，指标简单、阈值设置严格、误判率高，无法适应不断改进的制造工艺。 组织结构超声定量评价技术的核心是确定微观组织特征参数与超声检测特征参数之间的定量关系模型，其本质是以模型待定系数为决策变量，以评价准确性为目标函数的优化问题。超声波在镍基高温合金中传播时，受到晶界、相界、孪晶等复杂组织结构的综合作用，若采用声速、衰减系数、非线性系数等单一超声检测参数对组织结构进行建模与评价，会因信息量的缺失而导致评价误差大；若增加检测参数规模，则会导致所对应优化问题的困难性大幅增加。 本研究以镍基高温合金组织结构定量评价为主要研究对象，围绕如何利用协同进化算法求解定量评价的大规模优化问题、以及如何同时利用多种微观组织特征参数对镍基高温合金进行综合表征展开研究。科研成果为航空发动机机匣镍基高温合金毛坯制造质量检测、评价、性能预测提供技术支持，为制造工艺改进提供数据支持，也可进一步推广至其它高温合金、钛合金等材料中。

该系统是一个GPS车载智能终端平台，能实现对不同层次用户对车辆定位、调度、追踪、安全运输等管理的需求。为客户提供一套便于功能升级、模块可互换、适应不同车辆环境下的高性价比的模块式GPS车载智能终端的解决方案，满足不同客户的个性化需求。该系统具有车辆定位跟踪功能，车辆监视功能，报警功能，拍照功能，调度功能，车辆控制功能，对讲监听功能，碰撞检测功能，黑匣子记录功能，业务及增值业务功能。随着我国经济的发展，一旦各城市的公交车和出租车项目启动，特别是长途运输车辆的应用实施，车载导航市场将出现爆发性增长的势头其应用市场需求迫切，潜力巨大。本系统先后在北京市、浙江省、江苏省、广东省等全国各地区30余家用户的推广使用，已经销售了4204台，营业额达到了1217万元，产生巨大的经济社会效益。本产品的主要客户有：江西长运股份有限公司、广东省江门市汽运集团，苏州双牛电子有限公司，扬州中兴通讯设备有限公司，金华青年汽车制造有限公司，东美实业有限公司抚州公司，东风汽车公司抚州销售技术服务站，赣州新世纪汽运有限公司，赣州车圣导航科技有限公司等。2007年该项目荣获江西省科技进步贰等奖。

该项目主要应用于车辆安全辅助驾驶领域，可以在车辆有危险趋势时及时向驾驶员提供警告信息，减少或避免可能发生的交通事故，也可以应用于车辆的辅助驾驶和智能自动导航领域。该项目利用灰度图像中道路边缘处存在的灰度特征、梯度特征作为识别道路的特征，运用群智能算法实现对道路边界的快速识别，最终得到车辆行驶道路信息。根据道路识别结果，利用前方车辆在图像中底部边缘存在灰度特征、方差特征和梯度特征，运用鱼群算法实现对前方多车的快速识别。项目采用转向动力学连续模型，车辆前轮转角和道路曲率作为系统输入，根据系统的采样频率将连续模型离散化，运用Kalman滤波理论设计状态观察器，实时观测前方车辆侧向速度和横摆角速度，从而获得车辆运动轨迹，为安全辅助驾驶系统提供准确信息。     该项目对车辆安全辅助驾驶系统提供信息的频率在5Hz之内。在复杂情况下通过使用本项目研究的系统进行车道识别，其准确率大于95%。该项技术于2009年初成功应用于新疆冰雪灾害防护系统的养护车辆智能辅助驾驶系统中，该系统由北京中交国通智能交通系统技术有限公司负责建设，采用该技术大大提高了复杂冰雪环境下道路识别和前方车辆识别的可靠性和实时性，同时增强了在不同光照等复杂环境下的适应性。该技术应用后，有利于避免和减少道路交通事故发生的可能性，保障车辆行驶安全，取得了良好的社会效益。

成果描述：本发明公开了一种智能感温太阳能汽车换气降温系统,由太阳能板及其伸缩收纳机构构成，底盘(12)通过真空吸盘(11)与汽车顶部联接，底盘上通过电机底座(3)连接有电机(2)，丝杠(5)通过联轴器(4)与电机主轴联接；丝杠(5)上设置有一对互为反向丝扣的螺母对(6)。通过中控台上的总开关控制开启控制盒内部的温控开关，温控开关检测车内温度，由含有温控开关的逻辑电路控制电机动作，电机带动丝杆螺母运动将“M”形的太阳能电池板机构撑开，将太阳能转换成电能，给移动空调和整个电路供电，通过移动空调实现降温换气。该系统实现了夏季高温时候，车辆停放时车内的降温换气，操作简单，安装方便，能量转换效率高。市场前景分析：新能源科技领域。与同类成果相比的优势分析：技术先进，性价比较高。

新冠肺炎疑似病例基数庞大，给临床一线诊疗带来巨大压力，疫情波及地域广泛，基层医院缺乏经验，面临严峻挑战。由清华大学精密仪器系尤政院士、临床医学院董家鸿院士领导研发的新型冠状病毒肺炎智能辅助诊断系统成功通过应用测试，进入临床试用阶段，有望为上述难题提供解决方案。新型冠状病毒肺炎智能辅助诊断系统董家鸿介绍，新型冠状病毒肺炎智能辅助诊断系统可同步实现智能化影像诊断、临床诊断及临床分型三大功能。该系统包括三大模块，其中影像诊断模块主要基于对新型冠状病毒肺炎初诊病例的珍贵临床资料的大数据分析，使用人工智能算法深度学习该疾病的CT影像特征，实现对新型冠状病毒肺炎影像的智能识别。临床诊断模块则依据卫健委发布的《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》，结合影像与流行病学、症状及关键检验数据等临床信息，实现智能诊断。临床分型模块通过智能判读呼吸功能参数，“自适应”判断新型冠状病毒肺炎的严重程度。董家鸿谈到，该系统可在短时间内完成大量疑似病例的胸部CT筛查、依据指南进行临床与影像相结合的综合分析，显著提升新型冠状病毒肺炎诊断效能，有望大幅降低临床医师及影像医师的工作负荷。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。