100万投资项目集、7000万公司库，自带数据基础标的信息一键入库，关注赛道智能推荐数据中台按需定制，助力投资决策全维度金融数据API，按需定制深度清洗数据

产品特点 1. 一体化硬件设备，非PC架构，嵌入式Linux操作系统，高度集成图像识别跟踪、自动导播、直播、采集录制、视频统计等系统模块。图像识别跟踪无需额外安装任何跟踪辅助摄像机，利用全景摄像机即可进行图像分析，即可支持低龄学生、身高差大的班级。 2. 视频采用H.264 High Profile 4.2编码方式，纯硬件DSP方式采集高清视频及VGA信号，支持8路视频信号输入（内置4组高清摄像机信号输入模块以及2组电脑信号输入模块，2路DVI视频信号输入模块），信号类型支持HDMI/VGA/HD-SDI/DVI/IP。音频采用AAC高清编码方式，支持1组6.35mm立体声音频输入接口和2路音频RCA立体声音频输入接口，2路音频RCA立体声音频输出接口。 3. 配备两路千兆网络接口，减轻网络负载压力；内置VOD点播模块，无需安装插件，可通过网络进行视频文件在线点播，可提供至少50路的公网在线直播。 4. 内置远程视频互动模块，不需要任何辅助设备即可支持4方课堂视频互动专递。支持升级系统软件为互动录播系统，录播主机在主讲教室可带三个点的互动听讲课堂，可任意切换主讲和听讲。 5. 主机自带2T硬盘空间。文件管理数据库可对课件进行管理，在嵌入式设备上录制信息、课件名均以中文存储，课件查询方便快捷。并带有自动上传及定时上传到额外指定的FTP资源服务器的功能，支持NAS网络存储。 6. 采用最先进跟踪算法，通过人脸轮廓检测方法，准确率达到90%以上；支持跟踪识别屏蔽功能，支持站立坐下、左右、前后宽动态识别技术，支持站立时间设置、跟踪面积识别等跟踪特点。

产品详细介绍

产品详细介绍 u 三路麦克风输入 u 麦克风独立调节 u 线路立体声输入 u 录音立体声输出 u 外接4-16Ω喇叭 u 高、低音调节 u 话筒48V独立切换 u 话筒反馈状态独立切换 u 供电方式：AC220V/50Hz u 反馈移频量：5Hz±1Hz u 输出功率：100W u 频率响应：非反馈移频状态：20Hz ～ 20kHz       反馈移频状态：150Hz ～ 15kHz

常见的纳米酶大多数是金属化合物纳米颗粒，其催化活性主要是来自在纳米颗粒表面的金属离子。在自然界中，生物酶的特征表明活性位点和支持、稳定活性位点的网络环境对于高催化效率同样重要。通过调整活性位点的成分和环境可以实现高的活性和选择性。水凝胶是一类具有良好生物相容性的三维亲水网络材料，其结构可以有效地保护酶分子活性中心，同时提供更好的底物迁移微环境，从而实现有效的催化作用，载酶水凝胶材料已成为生物学研究中的热点。纳米凝胶为水凝胶的纳米粒子，具有类似于宏观水凝胶材料的亲水网络及类似流体的传输特性，其纳米的尺寸可以作为进一步体内生物应用的理想载体。在受限的纳米空间中实现修饰或组装以获得杂化纳米凝胶仍然存在挑战。应对这一挑战，同济大学化学科学与工程学院王启刚团队从仿生的角度出发，设计了一种酶催化的原子转移自由基聚合（ATRPase）和金属配位交联方法成功制备出纳米人工多酶凝胶体系。该体系具有模拟超氧化物歧化酶（SOD-like）和过氧化物酶（POD-like）特性，可以实现肿瘤微环境级联催化的响应成像。日前，相关研究成果以“Multienzyme‐Mimic Nanogels Synthesized by Biocatalytic ATRP and Metal Coordination for Bioresponsive Fluorescence Imaging”为题，发表在国际著名学术期刊 Angewandte Chemie International Edition （《德国应用化学》） 上。同济大学化学科学与工程学院为该文的唯一通讯作者单位，硕士生齐美园为第一作者，王霞副教授和王启刚教授为共同通讯作者。 图1.（a）人工多酶凝胶体系的ATRPase及配位交联制备流程（b）模拟SOD和POD级联酶催化的肿瘤微环境响应的荧光成像机制。研究人员首先在纳米粒子表面修饰酶催化的原子转移自由基聚合的引发剂(-Br)，以具有良好生物相容性的生物酶为催化剂，修饰有双键的赖氨酸（N-acryloyl-L-lysine）为聚合单体，在纳米粒子周围聚合制备得到聚赖氨酸高分子刷，最后通过亚铁配位交联，从而构建出具有多酶活性的人工多酶凝胶体系（如图1所示）。凝胶体系中高分散的Fe离子一方面作为凝胶网络的交联剂，同时作为模拟酶的活性中心。通过模拟SOD和POD酶，先将肿瘤部位高水平的O 2 •− 催化转化为H 2 O 2 ，进一步基于肿瘤部位提升的H 2 O 2 通过级联酶催化反应实现肿瘤微环境响应的安全、高效的肿瘤成像。该人工多酶凝胶体系类似自然的过氧化物酶催化机制不产生羟基自由基，具有低毒性和高生物安全性。同时，ATRPase方法和金属配位交联技术可进一步实现多种纳米材料体系的制备，用于药物输送和其他生物医学应用。该研究成果得到了国家自然科学基金、国家重点研发计划等经费支持以及中国科学院强磁场科学中心的技术支持。王启刚教授团队多年来一直致力于高分子凝胶固定酶技术及其生物诊疗应用，近5年累计以通讯作者在 Adv.Mater. ,  Nat. Commun. ,  Angew. Chem. Inter. Ed. 等期刊发表SCI论文50多篇。文献链接：https://www.onlinelibrary.wiley.com/doi/abs/10.1002/anie.202002331  PDF：anie_202002331.pdf课题组网站：https://qgwang.tongji.edu.cn/

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。

“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。