解决实验室空间限制，体积较大设备无法摆放的问题。 有些实验室所存储的危化品量相对较少，小型柜解决柜体存量剩余问题，使柜体充分利用。 高校实验室较多，小型柜成本低，应用广泛，可以解决实验室安全智能管理投入过大的问题，减少资金限制。 大多数实验室是分散存在的，小型柜更具有便捷性。 占地面积小，成本低，智能化管理。 尺寸：1214*600*510mm(H/W/D) 适合危化品存储量不多，地方小的实验室。 占地面积小，成本低。智能化管理，人脸识别、自动台账、智能称重、错误告警。有效解决因实验室空间限制，智能危化品柜体积大无法摆放的问题。

实验室废气排放特点及处理难点： ● 风量大，浓度低。 ● 种类多，成分复杂，难以分类搜集。 ● 间歇性，无规律排放，难以统计溶剂年使用量。 ● 科研的未知性，科研项目的开放性，实验试剂的变化性。 高校实验室废气处理难点： ● 被动式处理，限于环保要求，盲目上各类低效单一型处理装置，无法满足后期环境监测标准。 ● 实验室楼先天设计缺陷多，没有足够空间，或者楼顶层承重局限，无法安装大型重型的尾气处理装置。 ● 没有专人专岗维护，疏于耗材更换和设备运维，导致已安装的尾气处理装置失去效用，却又因为尾气装置的阻力影响实验室送排风的风量。 智能组合式废气处理装置专门为实验室研发设计，适用于风量大、浓度低、成分复杂的废气处理。采用干湿组合式处理方式，针对性强，处理效果显著，确保达标排放，并且可以智能监测数据，主动高效运维，节省安装空间。 埃松智能组合式废气处理装置的特点： 组合处理废气，智能监测数据，主动高效运维，节省安装空间。 组合处理装置技术及优势：采用干式+湿式组合式处理方式，专业处理实验室复合型尾气，针对性强，处理效果显著，确保达标排放； ● 干式处理段 1、干式处理段采用高碘值活性炭对污染物进行吸附处理，吸附容量和吸附速率更高，最大程度延长活性炭使用寿命及更换周期； 2、采用模块化活性炭碳盒设计，方便活性炭更换及去除活化。 ● 湿式处理段 1、湿式处理段通过两级专业配制的吸收液吸收：无机废气吸收液吸收HCI、HNO3、 H2S等无机污染物+有机废气吸收液吸收有机污染物，可同时处理无机污染物和有机污染物，辅以智能加药和智能排污系统，节省运行维护成本； 2、充分考虑实验室采用变风量排风系统的特点，采用变频泵浦设计，根据排风风量，喷淋水泵智能变频控制，节能减排； 3、选用低风阻、高强度填料，两级除雾器设计，确保系统高效运行。 ■ 可根据具体实验单元及实验楼尾气排放种类针对性地配置不同的废气吸收液； ■ 设备尺寸及重量可根据定制设计，满足排放标准的同时，满足实际安放空间； ■ 整个废气处理过程安全、环保、稳定且无剧烈的能量转换； ■ 在线管道静压检测，实现对排风机的智能变频控制，具有正常、节能、紧急三种运行模式，同时可与实验室房间控制器进行通讯，实现智能连锁（工作状态与模式）； ■ 标配Modbus开放式通讯协议（5G通讯模块），便捷接入BMS系统和智能物联网； ■ 实时在线监测，保证处理达标，必要的情况下可以与生态环境主管部门的监控设备联网，保证监测设备正常运行并依法公开排放信息。 智能组合式废气处理装置均配备埃松自主开发的智慧管理系统，并采用7寸全触摸液晶显示屏进行就地管理，将废气处理装置的运行参数更加直观的展示出来，方便管理人员运行维护，保证系统运行安全可靠。 7寸全触摸液晶显示屏，实时显示： · 各分级处理段、排风机运行状态及压差； · PH、TVOC、盐度； · 温度（室外及喷淋液温度）、湿度； · 处理风量、空塔气速、排放风速； · 喷淋泵浦运行频率、运行状态； · 管道静压、排风机运行频率、运行状态； · 各功能段及设施运行状态。 项目案例

产品简介： CES-AIoT339 是软/硬件一体的面向 AI 人工智能方向的实训系统，融合边缘计算，人脸识别，机器视觉，文本/证件识别，语音识别诸多 AI 技术，同时引入物联网传感器，无线网络知识点，是一套 AI 人工智能+物联网综合型实验系统。 该款实验箱由具有边缘计算能力的单板计算机，高清晰画质视频采集器，拾音器，本地显示器，操控端口，物联网基础部件组成，完整布署在实验箱里，配套实验教程和实训所需的辅件。 该款实验箱是针对新工科“人工智能”专业研发的，具备创新，先进，实践性强等特点，适用于人工智能，计算机，电子，信息工程，自动化等相关专业。 产品特点： 该系统引入科大讯飞语音技术，百度 AI OCR 技术，可运行在边缘计算机上实现通用文字识别，证件/票据识别，语音识别等 AI 应用，比如身份证识别，户照，银行卡，营业执照，车牌，驾驶证/行驶证的识别。 AI 人工智能+ 物联网“双核”组合 提供物联网传感器，无线网络模块，NB-IoT 模块，与边缘计算机，AI 人工智能部件，构成 AI人工智能和物联网的融合，且支持与阿里云的链接，支持使用者进行 AI 人工智能物联网的应用扩展开发。 基于安卓系统的 AI 人脸识别技术 提供人脸识别的开源安卓工程包，实现静态，动态下的人脸特征采集，特征分析，对比等人脸识别功能。 AI 人工智能+ 物联网“双核”组合 基于 ARM 架构 Cotex-A72 六核处理器，内建强大视频处理引擎 Mail-T864 GPU, 完美支持H.265/H.264 视频解码，支持大数据处理，流畅运行 AI 应用软件。 硬件一体化设计，高度集成，易于设备的维护实验所用到的硬件，均布署在实验主板上，一对 N 供电模式，各单元相互独立，模块化设计。

智能化可燃性气体传感器具有本质安全、自动调校等优点，在多个技术指标上有明显优势，成本低于同类产品。试生产产品在龙煤集团下属煤矿试用，其稳定性、可靠性、本质安全等优点得到使用人员、领导的高度认可。产品在重庆梅安森、中国矿业大学等生产或研究单位使用、实验，其性能、优点得到有关人员认可。智能化传感器等产品与WIFI及网络技术、通讯技术结合产生的智能家居安防系列产品已完成，将作为智能家居重要成员进入千家万户。

本发明公开了一种以智能物流叉车为载体的碳排放智能监控和减排系统，包括能读取物流中心订单数据库中订单信息的碳排放智能减排监控系统、设于智能物流叉车上的智能物流叉车硬件终端，智能物流叉车硬件终端包括：碳排放检测装置、ＧＰＳ定位装置及能控制智能物流叉车动作的中央处理器，中央处理器能将碳排放量信息与位置信息发送给碳排放智能减排监控系统；碳排放智能减排监控系统能根据碳排放量信息与位置信息、并以低碳节能的执行原则将订单分配给中央处理器，又能自动规划出叉车最优作业路径，中央处理器会根据最优作业路径及分配订单进行作

我方与合作方联合开发了一套拥有独立知识产权的眼动识别软件以及与配合使用的外接眼动仪智能硬件。 该套设备可以自动跟踪并分析患者眼睑的肌肉动作，精确抓取不完全瞬目、眨眼过快、眨眼过慢、用眼过度等用眼习惯数据，以自主研发硬件进行智能提示，帮助视频终端引起的干眼症及眼疲劳症患者制定正确用眼习惯计划，有效辅助治疗视频终端相关性干眼及视疲劳。

我方与合作方联合开发了一套拥有独立知识产权的眼动识别软件以及与配合使用的外接眼动仪智能硬件。 该套设备可以自动跟踪并分析患者眼睑的肌肉动作，精确抓取不完全瞬目、眨眼过快、眨眼过慢、用眼过度等用眼习惯数据，以自主研发硬件进行智能提示，帮助视频终端引起的干眼症及眼疲劳症患者制定正确用眼习惯计划，有效辅助治疗视频终端相关性干眼及视疲劳。应用范围:全国人口中 60%-80%的人，都有不同程度的干眼症。2015 年即有数据公布， 全国 2000 万干眼患者。并且，每年还在以平均每年 40%左右的速度增长。2016 年仅天津医科大学眼科医院一家机构，共接诊干眼症患者 4 万余人。现阶段缺乏有效的干眼病因诊断及治疗，故急需快速诊疗，操作简单的诊疗仪器，引导患者进行工作环境下或家庭康复训练及理疗，减少干眼发病率及就诊率。本产品是基于以上需求开发的，临床应用前景广阔。效益分析:本成果对应领域为所有电子视频终端用户，尤其是已经引起干眼的用户。 目前该治疗领域的治疗方式及局限性如下： 1、滴眼液：辅助缓解干眼。不能从病因上根除治疗。 2、专业睑板腺按摩：须在院治疗，治疗环境受限。不方便患者连续治疗。 3、国外干眼症治疗仪：体积大、平均售价 12 万美金/台。单次治疗费用2000 元。限制了仪器的普及使用。 本项目的创新优势： 1、研究表明 90%以上的由于视频终端所引起的干眼症可以通过恢复正确的用眼习惯、眨眼频次、完全闭合性眨眼动作，从消除病因上根治干眼症的。本成果依据以上研究结果，引导视频终端干眼患者在家进行眼部康复训练及物理理疗。 2、本产品售价低廉，可采用出售或租售给患者的模式，短期辅助诊疗，长期预防治疗。 3、本产品体积较小，且随意摆放至视线内任意台面，即可开机使用。治疗场景不受约束，可随时随地进行眼部训练及辅助治疗。 4、本产品不直接接触人体，治疗过程无痛苦。

本发明公开了一种基于事件最优重组的保时序摘要视频生成方法和系统，将事件最优重组问题建立在保持事件之间的时序关系的基础之上，将事件重组的问题转换为迭代判断当前事件与已发生的事件之间的轨迹相关程度以及已发生事件的疏密程度的方式来解决。通过迭代最后得到事件重组后每个事件发生的时间点，选取适当的背景图像与事件特定时刻的目标图像进行拼接得到最终的摘要视频。该方法能够避免现行的动态视频摘要生成方法中不能完全包含原始视频中的

本发明公开了一种基于众核和 GPU 的网络视频流不良内容检测方法，包括：在众核计算平台下获取网络数据包，对网络数据包进行分类，以提取网络数据包中的视频数据包，对视频数据包进行重组，按照网络视频流编码的语法对重组后的视频数据包进行解码，以生成图像序列，GPU 采用基于纹理检测和肤色点检测相结合的方法对图像序列进行预处理，以确定疑似不良图像，GPU 采用 SVM 对疑似不良图像进行精确处理，以确定不良图像。本发明只需获取网络数据包，即可识别出视频流，直接对视频流进行解码后，采用图像匹配检测技术即可识别该视频流是否含有不良信息。