产品详细介绍超高频远距离一体机 远距离一体化读写器：FR6011A 本产品具有多协议兼容、一体化设计、读取速率快、多标签识读、防水型外观设计等优点，可广泛的应用于各种RFID系统中，典型的应用场合有： 物流和仓储管理：物品流动与仓储管理以及邮件、包裹、运输行李等的流动管理； 智能停车场管理：停车场的管理与收费自动化； 生产线管理：生产工序定点的识别； 产品防伪检测：利用标签内存储器写保护功能，对产品真伪进行鉴别； 其它领域：在俱乐部管理、图书馆、学生学籍、消费管理、考勤管理、就餐管理、泳池管理等系统都得到了广泛的使用。 性能指标 支持的协议 ISO18000-6B，ISO18000-6C（EPC GEN2） 工作方式 广谱跳频（FHSS） 读卡速度 由软件设置，单卡平均读取时每64bits小于10ms 射频功率 0~30dBm，软件可调 读卡方式 定时自动读卡和外触发控制读卡，由软件设置 工作温度 －20℃~＋80℃ 输入接口 触发输入一组 读卡距离 大于12 m 天　　线 内置线极化天线，增益12dBi 读卡提示 蜂鸣器 供电电源 220V交流转＋9V直流电源(配电源适配器) 功　　耗 最大功率不大于4W 外形尺寸 440mm×440mm×50mm 重　　量 2 Kg 工作频率 国标（920~925MHz）、美标(902~928MHz)或定制其它频段 输出接口 Wiegand，RS485，RS232，支持Wiegand26、Wiegand34、Syris485等格式可由配套软件设置；RJ45(网口)

针对远离陆地、供电通信困难的海洋牧场监测需求，设计开发了一套基于海洋浮台的海洋牧场智能监测网系统，也可扩展应用于海洋平台、养殖工船等载体。整个系统由水下自动观测子系统、海气界面观测子系统、能源供应系统、无线通信系统、大数据智能处理系统组成。在监测海域布放的1个海上监测浮台基础上，将能源供应子系统（最大功率600W）和无线通信子系统（最大带宽50M）布放于浮台上，实现观测网设备的供电和双向通信。设备布放于浮台下的海底，可通过数据采集器实现水下自由组网观测，观测距离从几十到上千米。浮台上通过增加无线通信设备与海上作业平台连接，实现数据实时回传至岸基基站。

北航开发的电磁环境自动监测系统结合GIS地理信息电子地图，建立电磁环境资源数据库，可以对电磁环境分析评估，最终实现对电磁环境资源的监测、规划和管理。本系统具有完全自主知识产权，对合理利用电磁资源，发展经济和提高环境质量，建设绿色社会等都将具有重要的经济效益和社会效益。 1、通信网设计方面，在分析现有的网络系统或进行组网设计时，可以指出移动通信运营商所关心的信号盲区、接收信号强度不好的地区； 2、频谱管理方面，可为无线电管理和环保部门对重要地点如雷达站、机场、火车站、医院、化工厂等的电磁环境进行实际测量、分析、处理与管理提供方便，可帮助发现非法设台、擅自增大功率及互调干扰等情况，以排查存在干扰隐患的频率和台站； 3、在城市居民电磁环境评估方面，采用“城市居民(公众)暴露值”来衡量的，可利用系统的电磁环境评估模块，建立传播预测模型，进行城市人口暴露值的预测评估； 4、在无线通讯空间通道保护方面，可以利用地理信息系统（GIS）的建筑物布局、建筑物特征数据库，结合无线电发射设备数据库中微波站数据，对无线通讯的空间通道进行保护。目前，该技术已达到小批量样机生产的实用要求。

本系统通过嵌入压电陶瓷传感器的睡枕感知人在睡眠时的信号，经过 一系列处理获取使用者的呼吸、心率和体动三种生理信号波形和数值， 完成居家环境下的睡眠监测服务，并提供睡眠质量评估、疾病预测等健 康辅助功能。 该系统的技术先进性在于，将感知端嵌入到日常生活使用的睡枕当 中，装置方便、实用、对患者生理心理负荷小，并结合先进的信号处理 方法获取生理信号、提供健康辅助服务，从而实现低成本家庭环境下

本成果可实时监测道岔可动轨件伤损及转换设备故障，已在沪宁、大西等高速线及广州地铁上开始应用，产品成熟。

项目研究背景： 该课题实现了对大型机电设备的在线监测和远程故障 诊断，提高了诊断的精度，降低了对生产企业设备维护的成本，可以实现 生产企业中设备的预防性维护和主动性维护，从而提高了设备的利用率。 课题的研究成果适用于生产企业大型设备的状态监测， 适合在全国范围内 推广。 技术原理： 本课题采用 C#语言、 Matlab 语言和 SQL Server 数据库技 术进行开发，实现设备状态监测数据的远程传送与

该系统实现利用多种遥感数据源(TM、环境卫星、 SPOT5 等)进行小麦长势监测，建立小麦长势的反演模型，实现植被指数自动计算与分类以及关系分析，可及时有效地提供小麦长势信息。

产品详细介绍扬尘在线监测终端，是集成颗粒物在线监测仪、噪声监测仪、气象参数传感器、数据采集板及信息平台等技术为一体的开放式污染源在线监测终端，主要应用于建筑扬尘、沙石场、堆煤场、秸秆焚烧等无组织烟尘污染源排放及居民区、商业区、道路交通、施工区域等的环境空气质量的在线实时的自动监控。监控终端与数据平台可构成监测系统。终端集成了大气颗粒物浓度监测、温湿度及风速风向监测、噪声监测、污染物超标视频抓拍；数据平台是一个互联网架构的网络化平台，终端所得数据均能通过有线或无线网络及时传递到数据平台便于管控，平台还具有对数据的报警处理、记录、查询、统计、报表输出等多种功能。粉尘传感器具有颗粒物浓度连续监测、定时采样以及粉尘浓度超标报警等多种功能。仪器内置鞘气保护气路，防止光学终端受到污染，配合自校功能，测量稳定可靠。1.2配置参数名称 规格/明细设备 多功能箱 防雨、防尘、防雷、散热保温供电、信号处理、GPRS传输不锈钢底材喷涂（防锈），户外安装颗粒物防风防雨采样头可定制丝印 颗粒物传感器 检测原理：光散射原理粒径通道：PM2.5、PM10、TSP检测范围：0～40mg/m3分辨率：0.1ug/m3 环境噪声传感器 测量范围：25-130dBA；频率计权：A采样速率：48k/s高速采样 风速、风向传感器 量程：0-45m/s；分辨率：0.1m/s；准确度：±0.3m/s；启动风速：≤0.5m/s 量程：0-360o;分辨率：1℃；准确度：±3℃；启动风速：≤0.5m/s 大气温湿度传感器 量程：-45～125℃；分辨率：0.1℃；准确度：±0.3℃ 量程：0～100RH；分辨率：0.1%RH准确度：±2%RH 摄像 尺寸：7寸；像素：130W；信噪比：大于50dB；聚焦：37倍（普通输出） 4G传输功能系统平台 基础软件系统 数据监测基本功能（实时监测、查询等，非平台）1.3扬尘监测单元设备使用激光散射法测量扬尘浓度。用精密流量控制的真空泵吸入大气中的测试气体送至传感器测量组件。传感器测量组件是以GustavMie粒子光散射理论为基础，结合微光电探测技术而制作的一套完整的空气颗粒分布浓度测量系统。系统巧妙设计光敏感区作为粒子散射发生的场所，当粒子经过聚焦激光所形成的光敏感区后，粒子散射的光被探测窗口上的微光电探测器收集，微光电探测器把接收的光强度信号快速、准确的转化为等量电压信号，信号的密集度对应于粒子的单位浓度值，扬尘浓度值进行系数转换后通过数据接口实时输出。利用电子切割器的专利技术同时测量pm10和pm2.5两个参数。扬尘传感器的核心部件均为进口件，测量范围0-10000ug/m3。1.4噪声监测单元噪声监测仪是一种能把工业噪声、生活噪声和交通噪声等，按人耳听觉特性近似地测定其噪声级的仪器。噪声级是指用声级计测得的并经过听感修正的声压 级（dB）或响度级（phon）。根据噪声监测仪在标准条件下测量1000Hz纯音所表现的精度，60年代国际上把噪声监测仪分为两类，一类叫精密噪声监测仪，一类叫普通。我国也采用这种方法。本噪声监测仪由传声器、放大器、衰减器、计权网络、AD 采集、变送输出、报警控制电路和电源等组成。符合规范 《环境噪声自动监测系统技术要求(暂行)》、GB/T20441.4测量传感器第四部分测量范围 30-130dB频率范围 20-12.5kHz最大误差 0.5dB自身噪声 小于35dB线性工作范围 不小于100dB频率计权 A（计权）时间计权 快（F）统计分 具Leq、L90、L50、L10功能，同时区分日、昼、夜以及小时平均值；设备自带现场存储功能 不间断Flash存储4天视频叠加 支持视频叠加功能，将数据实时叠加至视频监控画面报表打印 数据通过3G 传输至平台，自动生成各类报表,支持在线及下载数据（下载后数据为 Excel 标准模板）数据打印采样率 10Hz通讯设置 通过网口在线设置服务器通讯地址数据接口 电源接口、网口（RJ45）、多功能接口（五个拓展外部传感器接口）、RS485 接口超标录音 超标自动录音（时间15秒/次）并实时上传数据至服务器平台，服务器断电期间支持现场 Flash 存储15次，通电后数据自动上传至服务器重启 设备异常自动重启断电保护功能 可选蓄电池及太阳能供电（时间长短可按需配置）防护等级 IP67外壳材质 铝合金外壳,防风、防雨、防鸟、防雷防腐 防腐设计，适用于工厂、工地、道路灯各种恶劣环境校准 具备自动校准同时及手动校准功能电源 220V 市电工作温度 -20℃~60℃1.5气象监测单元我司整套设备具备风速、风向、温度、湿度、大气压等环境参数的监测，为 扬尘和噪声监测数据的后期分析提供气象参数保障；特别是通过风向对扬尘的运 动趋势做科学预测和报警；在不同的气象条件下，对扬尘、噪声监测数据做科学 的修正。报警处置：夏季天气炎热，若空气中湿度小于下限阀值则自动开启喷淋系统增加空气湿度，防治扬尘产生；气象 参数 温度：测量范围：-40～60℃；精度：±0.2℃； 湿度：测量范围：0～100%；精度：±3%； 风速：测量范围：0~32. 4 m/s；精度：±1m/s； 风向：测量范围：16 个方向（360 度）；精度：±5%； 大气压：测量范围：300～1100mbar（即 30～110Kpa）；精度：15 位；1.6视频监控单元 YKYC06扬尘在线监测终端在国内率先采用平台式管理方式为核心的视频监控系统，采用专用视频压缩芯片，图像清晰，图像采用自主优化 H.264图像压缩方式，视频压缩效率高。标准分辨率1280*720像素，最高达 1920*1080像素，并可自定义。带有音频接口，支持音视频同时传输监控。a)可将噪声、扬尘、PM10、PM2.5 数据叠加至视频画面，使中心的监控系统能够实时监控图像信息与噪声、扬尘、PM10 和PM2.5 数据，可实现定时图片和超标图片抓拍功能。b)通过选中设备查看与其对应的摄像头视频图像，带云台的设备可以控制摄像机 云台进行查看位置自由调整。1.7LED显示屏 设备配备有LED显示屏，便于现场实施掌握和了解环境质量状况，可以选择单色、双色、三色、全彩，尺寸可定制，普通版的参数性能如下：显示屏：760*380mm2，加框820*440mm2像素：160*80点阵：F3.75

本项成果包括对同一个钻孔内壁的围岩损伤情况分次进行监测的光学钻孔窥视仪、声发射装置和钻孔应力计。其特征在于：对预先在煤矿巷道帮上所钻取的同一个钻孔内壁的围岩损伤情况分次进行监测的光学钻孔窥视仪、声发射装置和钻孔应力计，汇总所有监测结果，从表面变形和内部损伤研究对围岩损伤失稳状况进行全方位辨析。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。