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。

IBV以基于数字孪生的三维虚拟化技术为基础，以数字化、可视化、智能化理念为目标，通过直观、动态的形式，展示园区各类建筑及设备的空间分布、运行状况和统计数据，实现对园区从宏观到微观的全方位展示与管理。

DanaStudio 基于 B/S 架构，底层可对接通用的大数据底层平台，经历了多个大数据项目考验，是一款稳定、高性能的技 术服务平台。DanaStudio 作为数据智能工具中台，与底层大数据平台可灵活适配，适配不同数据规模环境，支持 GB 级 别数据量的单机业务数据库场景、TB 级别 MPP 分布式数据库场景，也支持 PB 级别 Hadoop 离线数仓大数据处理场景。 DanaStudio 采用前后端分离架构，后端服务支持微服务化管理，便于运维和管理。

基于跨行业数据挖掘标准流程CRISP-DM，实现数据的深度挖掘分析，帮助教师与学生发现数据中隐藏的关系及规律，为教师科研提供数据分析探索、模型构建、成果应用的一站式数据挖掘工具，高效开展行业应用研究。平台支持用户通过简单拖拽、低代码的方式快速完成挖掘分析流程构建。同时支持模型自动化构建、模型智能评估，推荐最优模型与算法。 1、极简的建模过程 基于拖拽式节点操作、连线式流程串接、指导式参数配置，用户可以通过简单拖拽、配置的方式快速完成挖掘分析流程构建。平台内置数据处理、数据融合、特征工程、扩展编程等功能，让用户能够灵活运用多种处理手段对数据进行预处理，提升建模数据质量，同时丰富的算法库为用户建模提供了更多选择，自动学习功能通过自动推荐最优的算法和参数配置，结合“循环行”功能实现批量建模，帮助用户高效建模，快速挖掘数据隐藏价值。 2、丰富的分析算法 内置150多个分析算子，包含30余种数据预处理方法，5种数据融合方法、11种常用特征工程，实现数据融合处理与特征构建；包含聚类、分类、回归、关联规则、时间序列、综合评价、协同过滤等7类N种机器学习算法，支持深度学习、集成学习与自然语言处理等人工智能分析方法，满足各类业务科研场景需求。 3、灵活的扩展能力 支持用户编制SQL\R\Python\Java\Scala\Matlab\PySpark脚本实现个性化的算法脚本。自定义算法功能允许用户通过R\Python\Java\Scala基于平台规范封装自主算法并发布形成平台节点，方便用户灵活扩展平台算法节点功能，增强平台的业务适应能力，充分满足不同领域科研的个性化需求。 4、全面的分析洞察 通过丰富详实的洞察内容，帮助用户全方位观察建模过程任意流程节点的执行结果，为用户开展建模流程的改进优化提供依据，从而快速得到最优模型，发现数据中隐含的业务价值。建模分析报告支持在线查看，并且支持下载可编辑Word版本，支持科研报告及相关成果发布应用。 5、全栈科研成果管理与应用能力 分析成果的快速工程化应用，支持模型以调度任务、异步服务、同步服务、流服务及本地化服务包等形式应用，满足工程化的不同诉求。提供统一的成果分类统计及统一管理监测，帮助用户高效便捷地管理成果、利用成果及监测成果。 6、跨平台模型迁移及融合 支持PMML文件的导入和导出，可以实现跨平台模型之间的迁移和融合，利于用户进行历史模型的迁移，实现用户在不同平台的模型成果快速共享，提升各类科研成果的复用性。    

乐普乐吉智能净化试剂柜是针对实验室、试剂库等存储场所的有害化学试剂及挥发性试剂设计制造的一款自循环式智能存储设备，柜体搭载了智能分子级净化装置，通过净化装置过滤柜内化学品气化产生的有毒有害蒸汽，帮助实验室操作人员减少对有毒有害化学气体的直接接触。 智能净化试剂柜由柜体、层板、化学高分子过滤装置/活性炭过滤装置、微电脑液晶控制面板、室内环境检测、环境数据显示、超静音风机、风机调速器等零部件组成。  

微卫星不稳定性（Microsatellite Instability, 简称MSI）是目前肿瘤临床检测中一种非常重要的分子表型，多发生于结直肠癌、胃癌、和子宫内膜癌。微卫星不稳定性与肿瘤的发生、发展，治疗方案制定及治疗效果预测相关，更是肿瘤免疫治疗疗效预测的重要分子标记物。当前，临床上使用的两种微卫星不稳定性检测的金标准方法：MSI-PCR和MSI-IHC，都需要专业技术人员通过实验操作来完成，均费时费力且成本较高。近年来，随着高通量测序（Next Generation Sequencing）的发展，基于高通量测序的微卫星不稳定性检测方法开始显露头角，在检测结果与两种临床金标准保持高度一致的情况下，极大的缩减了检测时间并减少了检测成本，大幅提高了推广微卫星不稳定性检测的可行性。2014年，西安交大叶凯教授团队率先开发了基于高通量测序的微卫星不稳定性检测方案——MSIsensor。2017年该检测方案作为全世界首个泛肿瘤检测方案MSK-IMPACT中的微卫星不稳定性计算方法，通过了美国食品药品监督管理局的严格测试并获得批准。美国纪念斯隆凯特琳癌症中心测试表明，基于高通量测序的微卫星不稳定性检测与金标准的一致性可达99.4%。然而，微卫星不稳定性检测方案大都要求提供病人的癌症组织样本及一份取自血液或者癌症组织附近的正常样本。一方面，这一份正常对照样本限制了微卫星不稳定性的应用场景，尤其难以应用于血癌样本、福尔马林包埋样本、PDX/PDO等不易获得正常对照样本的情况；另一方面，额外的对照样本增加了微卫星不稳定性的检测成本。基于上述原因，在叶凯指导下，叶凯青年科学家工作室科研人员经过两年的探索，从微卫星不稳定性发生机理出发，通过数学模型抽象，从单个肿瘤样本中提取特征，开发了MSIsensor-pro。MSIsensor-pro实现不依赖正常对照样本的微卫星不稳定性检测，只需50个微卫星位点的测序数据即可实现微卫星不稳定性的精准检测。MSIsensor-pro的开发扩大了微卫星不稳定性的应用范围，减低了微卫星不稳定性检测的成本。同时MSIsensor-pro在低肿瘤纯度和低测序深度这类低信噪比数据中也显示出来很大的潜力。 该研究成果近期发表在国际组学和生物信息学领域权威期刊《基因组蛋白质组与生物信息学报》（影响因子6.597）上。叶凯的博士生贾鹏为该论文的第一作者，叶凯为通讯作者，西安交通大学为本文唯一通讯作者单位。这是叶凯教授课题组在基因组暗物质解析方面的又一重要突破。论文链接为：https://www.sciencedirect.com/science/article/pii/S1672022920300218

项目阶段:在研

在华为全联接大会2022曼谷站期间，华为在“释放数字生产力，加速教育信息化之旅”全球智慧教育论坛上，重磅发布《教育数字化转型的发展机遇》白皮书，首次探索智慧教育成熟度评估模型，并提出以全场景教育解决方案、创新教学模式、普惠教育资源、提升科研能力、升级管理水平，加速教育行业数字化升级。