本发明公开了一种适用于水面光谱远程实时监测的自动化装置与方法，装置包括总控系统、无线通 讯系统、全球定位系统、观测几何自动调整系统、光谱测量系统、跟随拍照系统和远程服务器；光谱测 量系统安装在观测几何自动调整系统上，总控系统通过电缆分别与无线通讯系统、全球定位系统、观测 几何自动调整系统、光谱测量系统、跟随拍照系统电气连接，无线通讯系统通过无线网络与远程服务器 连接通信；方法包括：观测几何调整的自动化、光谱测量的自动化、图像记录的自动化、远程实

（1）简约折叠的机身设计 （2）500/1000万像素高清定焦镜头 （3）A4幅面，标配触控LED辅助灯 （4）基于TWAIN协议接口 （5）提供成熟完善的SDK / API / DEMO （6）支持ABBYY OCR文字识别功能

基于Xen虚拟化环境的内核级rootkit检测和处理方法，所述Xen虚拟化环境包括管理域、虚拟机监控器和半虚拟化的客户机；管理域包括控制模块，虚拟机监控器包括安全链表维护模块、检测模块和敏感信息备份模块，客户机包括运行时维护模块和rootkit处理模块。还包括客户机启动过程中敏感信息备份、内核模块加载时安全链表更新、内核模块加载成功后交叉对比检测rootkit、内核敏感信息攻击性检测和在管理域对客户机中的rootkit进行处理的步骤。

L-鸟氨酸在食品、医药和精细化工领域具有广泛的应用，L-瓜氨酸在抗氧化、医用检测、保健食品、化妆品和食品添加剂等方面具有广泛的应用前景，国内外需求巨大。 L-鸟氨酸和L-瓜氨酸的生产有天然提取法、化学合成法、生物转化法等。天然提取法由于成本高，无法工业化生产；化学合成工艺难于控制，投资大、设备利用率低；生物转化法条件温和，但还是受原料精氨酸生产、已有知识产权专利保护及环保因素等多条件制约。 本成果利用先进代谢工程技术，通过从头理性设计和系统优化谷氨酸棒杆菌，构建了具有自主知识产权的生产L-鸟氨酸和L-瓜氨酸谷氨酸棒杆菌工程菌。生产L-鸟氨酸和L-瓜氨酸的谷氨酸棒杆菌工程菌不含任何质粒，遗传稳定。以葡萄糖无机盐培养基生产L-鸟氨酸，目前在7L发酵罐水平，通过分批补料的方式，通过约72小时左右发酵，L-鸟氨酸产量可达到50g/L左右。

酿酒过程在线监测分析技术，酿酒机械化智能化技术设备；微生物应用技术

　 仪器概述    本仪器是按照中华人民共和国标准GB/T 510《石油产品凝点测定法》和GB/T 3535《石油产品倾点测定法》的要求研发制造的；是一款自动凝点、倾点测试仪器，适用于对石油及石油产品（如深色石油产品、重油、原油、流动性较差的润滑油等）及化工产品的测试，可广泛应用于油田、炼油厂、铁路、航运、贮油站及商业部门对相应产品凝点和倾点进行监测和控制，是凝点、倾点测试、分析的必备仪器。 技术参数  1、适用油品：-55℃～+50℃ 范围内的石油及石油产品。 2、测温范围：-75℃～+100℃。3、仪表显示分辨率：0.1℃。4、温度传感器：进口的Pt100不锈钢探头，内置温度校正。                  5、加热方式：电加热单元，最大加热功率500W,可编程控制加热速率。6、倾斜方式：自动倾斜，数字控制倾斜角度。7、检测方式：光谱检测。8、制冷系统：进口压缩机制冷（双压缩机复叠式）。9、显示：5.6寸彩色液晶触摸屏。10、温度校正：自动校正，可编程校正。11、数据存储：100组数据测试结果。12、工作电源：AC220V/50Hz，最大功率1000 W。13、使用环境温度：10℃～40℃。14、存储环境温度：0℃～50℃。15、外型尺寸：500㎜×660㎜×600㎜(长×宽×高)。16、仪器净重：68㎏。 性能特点 1、以先进的高性能单片微型计算机为核心构成嵌入式控制系统，实现试验全过程的自动化控制，自动打印试验结果数据。2、集制冷、加热、倾点/凝点检测于一体，采用光谱检测检测试样倾点/凝点，检测灵敏度高。3、采用彩色液晶触摸屏作为人机对话窗口，中文界面显示，菜单操作功能提示。4、具有两路测试装置，可同时测试两个试样。 本仪器最大的特点是：按照GB/T 510标准，试样自动45度倾斜，采用彩色液晶触摸屏和微计算机控制技术，实现深色石油产品、重油、原油及其他透明或半透明石油产品倾点、凝点测试的自动化。 网址链接 http://www.csscyq.com/proshow.asp?id=743

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

本发明公开了一种塑料注塑过程的在线工况过程监控方法，属 于工业监控和故障诊断领域。其包括如下步骤：S1 利用传感器收集各 个工况下的数据，组成建模用的训练样本集 X；S2 进行数据预处理和 归一化，使得训练样本集 X 的均值为 0，方差为 1，得到矩阵 X′； S3 根据所述矩阵 X′，应用高斯核函数计算获得距离矩阵 W；S4 对 所述距离矩阵 W 进行标准化，获得马尔科夫矩阵 P⁽¹⁾

产品详细介绍