根据工业现场的实际特点，搭建了机器视觉的检测系统。采用优化的图像预处理、图像 分割、边缘信息提取及相关参数整定检测方案，对分立器件管脚几何参数进行判断，检测结 果达到企业的应用标准。采用标签图像预处理、分割、特征提取技术与 BP 神经网络特征识 别技术相结合，成功的解决了标签检测问题。该系统经工业现场应用，被证明可以达到企业 对于分立器件管脚几何形状的检测要求，得到了企业的肯定。

成果创新点 主要技术创新路径（如涉及技术秘密，可简略描述）： 利用多反射腔将原子磁力仪小型化的同时将检测灵敏 度提高一个量级，最终好于 50 fT/Hz1/2。引入微纳加工手 段，将产品标准化，从而可进行批量化生产。可进一步应 用于原子陀螺。 技术成熟度 关键技术研发阶段 市场前景 1.与医院合作用于生物磁场测量和可移动式磁成像； 2.共磁力仪用于惯性测量。

主要技术创新路径（如涉及技术秘密，可简略描述）： 利用多反射腔将原子磁力仪小型化的同时将检测灵敏度提高一个量级，最终好于 50 fT/Hz1/2。引入微纳加工手段，将产品标准化，从而可进行批量化生产。

（专利号：ZL 201510560801.8） 简介：本发明公开了一种铋酸锂纳米棒复合电子封装材料，属于封装材料技术领域。本发明铋酸锂纳米棒复合电子封装材料的质量百分比组成如下：铋酸锂纳米棒65‑80％、聚丙乙烯10‑15％、脂肪醇聚氧乙烯醚羧酸钠0.05‑0.5％、三羟甲基丙烷5‑10％、硅树脂甲基支链硅油4‑10％。本发明提供的复合电子封装材料使用铋酸锂纳米棒作为主要原料，具有热膨胀系数小、导热系数高、耐老化及耐腐蚀性能优良、易加工、绝缘性好等特点，在电子封装材料领域具有良好的应用前景。

简介：本发明公开了一种锡酸锶纳米棒复合电子封装材料，属于封装材料技术领域。本发明锡酸锶纳米棒复合电子封装材料的质量百分比组成如下：锡酸锶纳米棒65-80%、聚乙二醇10-15%、乙撑双硬脂酰胺0.05-0.5%、三聚丙二醇二缩水甘油醚5-10%、乳化甲基硅油4-10%，锡酸锶纳米棒的直径为80 nm、长度为1-2 μm。本发明提供的锡酸锶纳米棒复合电子封装材料具有热膨胀系数小、导热系数高、绝缘性好、耐老化及耐腐蚀性能优良、易加工及制备温度低等特点，在电子封装材料领域具有良好的应用前景。

3D电子心理沙盘 （一）、软件功能1、3D场景：①提供10个不同样式的沙箱场景，根据沙盘主题进行自由选择，包含草原、沙漠、湖畔、雪地等，沙箱场景与实际沙盘高度逼真。②场景编辑功能：在场景中，可以升降地面，调节水位高度，改变天气状态，比如晴天、多云、阴天、日出、日落、黄昏、黑天。提供60个地表画刷，可以对地面进行背景替换和填充。2、3D沙具①10类沙具，包括人物类，动物类，植物类，建筑物类，景观类，交通运输类……，其他种类。总计不少于1500个3D沙具。②任一沙具不仅可以进行拖动、旋转、移动，还可以删除，同时系统自动记录沙具编号、名称、位置。某些动物类沙具可以设置为动态，如甩尾、踏步、抬头、眨眼等微动作；沙漠或草原可以有明显的刮风、下雨天气。③自定义沙具属性：管理员可以自定义沙具属性，支持沙具的左右、上下、大小、发转等操作，该属性能够为沙具意义分析报告提供参考根据。 3、可外接硬件：具有支持眼动仪的接口。支持眼动追踪功能：系统预留外接眼动仪接口，一旦链接眼动仪即可实时记录游戏者沙盘制作过程中眼动注视情况，回放时可以与沙盘画面同步呈现，给老师提供眼动信息作为咨询参考依据。对于心理沙盘游戏过程中的眼动与心理分析及研究提供客观性数据支持。【眼动仪非标配】 4、沙盘环境操作与设置①通过地形编辑器（地形刷）对场景地形进行上升（凸起造山）、下降（洼陷造湖）、平坦（回填复原）等创造性制作场景，也可以通过控件进行地表切换（变色、草地沙地雪地等地形变换、调整明亮度），进行地形填充与批量化场景创设。②多种天气切换：晴天、多云、阴天、日出、日落、黄昏、黑天等天气与时间设置控件，将选择后的场景更加丰富多彩。③水面设置具有调整水位高低、风吹波浪、水面浑浊、风向角度等4个功能，让场景中的水面更具生气。④根据不同来访者自己的爱好与心理偏向，提供40多种场地颜色切换功能。 5、加载功能。将一次沙盘制作分为若干次，每次均在上次基础上进行沙盘制作，适合多次连续咨询。6、回放功能。系统提供实时回放，将沙盘制作过程重新呈现，可以作为学习资料进行存档留存。 7、报告功能。 ①自动出具心理沙盘分析报告，报告内容分为基本信息、来访者评价、作品截图、移动/摆放列表、沙具使用数量统计图、沙具意义分析、沙具布局热点图、不同象限眼动注视分布图(加载眼动仪则呈现，不加载不呈现)、整体分析记录表等信息。沙盘组织者可以对其中的内容进行编辑。②沙盘报告是根据内部沙具意像智能化出具，是千人千面的智能动态化（非套用静态模板）。

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。

项目成果/简介: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。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

可以量产/n该成果涉及一种稻米食品全产业链信息系统，包括信息采集模块，信息传输模块，信息处理模块，综合决策模块，信息存储模块，信息输出模块，所述信息为稻米食品全产业链各环节信息，包括育秧信息、种植信息、仓储管理信息、加工管理信息；所述稻米食品全产业链各环节包括育秧环节、种植环节、仓储管理环节、加工管理环节；所述信息传输模块包括将从稻米食品全产业链各环节现场所采集到的原始信息经有线或无线方式经过通讯模块传递到远程监控终端，和远程监控终端的控制信息经过通讯模块传递到控制终端。本发明通过全产业链信息平台，监控和防止各种危害因子的产生和迁移，可为稻米食品产业链的高效安全生产奠定基础，真正做到食品溯源，全称监控并实现在线检测。