成果介绍基于人工智能和大数据技术，对风电机组实时运行状态进行在线监测及评估，对风机异常运行状态和能效劣化趋势进行预警。技术创新点及参数1、风机设备的变量关联分析以及典型状态特征挖掘；2、历史运行数据处理方法研究；3、基于数据驱动的风机状态预警关键技术的研究；市场前景大型风电机组，新能源发电，水火电机组。向大型风电厂推广并运营。

本发明公开了一种起重机在线监测与故障诊断系统，包括：信号拾取子系统，用于获取起重机运行过程中的多种状态信息；数据采集子系统，用于采集信号拾取子系统获取的信息并进行预处理后输出；现场监测与报警子系统，用于对数据采集子系统输出的信息进行分析处理，进行在线监测和故障报警；无线通信子系统，实现起重机的定位，并传输输入到现场监测与报警子系统中的数据；远程监测与诊断子系统，用于接收无线通信子系统传输的数据并进行分析处理，以在远程进行在线监测、故障报警、故障诊断和趋势分析。本发明具有在线监测、提前预警和报警、分析和诊断、无线通信远程监测等功能，可以为起重机的安全运行提供可靠的依据，避免或减少出现安全事故。

本发明公开了一种基于远程视频的数控机床故障诊断系统，其 包括数控机床监控模块、视频数据管理模块和故障诊断模块，该数控 机床监控模块包括摄像头、流媒体服务器和流媒体客户端；该视频数 据管理模块包括数据管理单元和故障数据单元，所述数据管理单元用 于接收并存储由所述流媒体服务器录制并转发的视频数据；所述故障 数据单元预存储有数控机床各类故障的故障信息，并构建故障信息库； 该故障诊断模块根据流媒体客户端实时显示的视频，同时结合故障信 息库中的故障信息，实现数控机床故障的智能诊断。本发明克服了传 统诊断方法实

XM-SX-4中医舌象诊断系统（网络版）   XM-SX-4网络版中医舌象诊断系统在单机版的基础上增加了以下功能： ■ 联网测试：教师机可以以管理员角色进行题库管理、试卷管理、试题管理、用户管理、数据分析。 ■ 题库管理：增加题库、删除题库、修改题库、查看题库。 ■ 试卷管理：可以查看、修改各试卷的详细内容和考生的考试详情，可以把试卷以word格式导出。 ■ 用户管理：修改用户、查看用户、增加或删除用户、查看考试记录。 ■ 试题管理：增加试题、删除试题、批量导入试题、克隆试题、修改试题等，目前默认支持5种题型（单选题，多选题，判断题，填空题和问答题）。 c：考试分析、试卷分析。 ■ 教师机：可以自主添加题库及试题，能随时设置考试开始和结束时间、成绩公布时间，编辑舌象试题发送到学生机中，教师机也可以在后台进行成绩修改。 ■ 学生机：学生机收到试题后在考试允许时间内开始答题，答题完成后提交试卷发送回教师机，系统可以自动评分，成绩公布时学生机可以看到自己的考试成绩。 一、主要功能： ■ 计算机控制内部相机进行自动对焦拍摄，操作简单，图像清晰，完全实现舌象采集自动化。 ■ 采用数字化舌象采集平台与标准化方法还原，使舌象真实再现。 ■ 内部摄像采用模拟自然光源并能进行光线调节，使采集环境保持稳定。 ■ 在特定的光源环境下，采用摄像头获得舌像信息，对舌体图像的颜色、纹理、轮廓进行特征提取，由计算机将这些特征值与特征数据库中的阈值进行比对判断，给出舌象分析结果。 ■ 可以随时查询病例报告。 ■ 可以分析舌质颜色、舌苔颜色、舌形状、舌态。 ■ 内置消毒灭菌装置，操作前使用，避免交叉感染。 ■ 软件可以根据实际舌象的瘀斑、点刺、齿痕、裂纹等症状用文字显示舌象特征、临床病症以及饮食及用药建议。 二、主要特点： ■ 系统具有自主学习功能，通过不断学习，有效提高系统自主诊断准确性。 ■ 支持自动分析，且允许人工修正，提高诊断的准确性。 ■ 准确分析舌质、舌苔等，并直观显示结果。 ■ 支持初诊、复诊分离，实现便捷就诊。 ■ 支持多关键字的查询统计。 ■ 支持诊断分析报告打印。 ■ 用户权限管理，提高安全性。 ■ 自动对焦（即自动舌体捕获）。 ■ 灯光控制功能。 三、软件功能： ■ 用户权限管理，提高系统安全性。     ■ 病理、临床库可以持续更新，具备学习能力，且具备自动提取舌体，自动分析舌体、自动分析后手动调整等功能，提高了学习的准确度。 ■ 快捷的初诊、复诊入口，操作方便、快捷。 ■ 功能强大的视频分析能力，既可实时诊断，又可能根据需要进行人工调整。 ■ 灵活多变的查询统计能力，数据分析能力。 ■ 病例学习：单击主界面中的“病例学习”选项，进入学习界面，包括读取、保存、舌体轮廓提取、特征提取、自动提取控制、量化数据显示、舌象特征录入、临床意思录入、饮食指导及用药建议录入等选项，学习与分析过程，采用人机交互的方式。 ■ 自动获取：单击自动获取按钮，如果参数正确，舌体提取成功，若存在不足，可通过自动提取控制中的进度条及取反控制框选择来进行控制。 ■ 特征提取：为了便于分步处理，此处特征提取分步骤完成，分别舌质特征、舌苔特征、齿痕特征、裂纹特征、瘀斑特征以及点刺特征。点击某功能按钮后，相关特征将被量化，以舌质为例加以说明。比如，单击舌质特征、舌苔特征按钮后，数据结果自动分析结果。 ■ 人工绘制：对于某些来自于其他途径的图片，会存在自动获取舌头错误的情况，此时可以通过人工绘制来完成。单击“人工绘制”后，在图像显示区域，单击右键将出现菜单，包括选中舌体、勾画轮廓和撤销。其中选中舌体仅需在舌头四周点选四个点，单击“绘制完成”后再自动识别完成；勾画轮廓则是按住鼠标左键后通过拖动完成绘制，绘制完成后单击“绘制完成”便实现舌体提取。撤销可以对绘制过程觉得不满意的地方进行撤销，最多支持5步撤消。

XM-BL开放式病理学多媒体辅助教学系统   功能特点： ■ XM-BL开放式病理学多媒体辅助教学系统为医学院校学生提供了一种能够自主学习、加强感官认识、强化护理学相关知识、易于操作的全方面的学习条件，丰富医学院校护理教学内容，弥补书面教学过于抽象的不足，方便学生自主学习。 ■ 系统具有开放性、交互性，能够让学生课后随时地进行自主学习，可对学员24小时开放使用，系统操作简单、界面漂亮，具有动态效果，能够从视觉上、听觉上吸引学生注意力，避免了枯燥无味的介绍，弥补课堂不足。 ■ 素材量大，容量超过20G，以视频、动画、图片为主，模拟试题50套，电脑快速阅卷，自动评分，方便学生自测。 ■ 内容包括：病理学总论、损伤与修复、血液循环障碍、炎症肿瘤、病理学各论、各系统疾病、传染病、烧伤与战伤等，基本病变、大体标本、切片标本、图片、血液病理学、骨科病理学、肿瘤、冰冻切片的制作，大批量的病理学教学国库临床床病理讨 论、尸检病理讨论、免疫荧光细胞化学技术法。 ■ 病理生理学包括：实验难点、水肿、水电解质代谢、酸碱平衡紊乱、缺氧、发热、休克、心功能衰竭、肾功能衰竭的实验，各系统常见病发机理。 ■ 配置：19寸触摸一体机，双核处理器，内存2G，硬盘500G。

XM-BL开放式病理学多媒体辅助教学系统   功能特点： ■ XM-BL开放式病理学多媒体辅助教学系统为医学院校学生提供了一种能够自主学习、加强感官认识、强化护理学相关知识、易于操作的全方面的学习条件，丰富医学院校护理教学内容，弥补书面教学过于抽象的不足，方便学生自主学习。 ■ 系统具有开放性、交互性，能够让学生课后随时地进行自主学习，可对学员24小时开放使用，系统操作简单、界面漂亮，具有动态效果，能够从视觉上、听觉上吸引学生注意力，避免了枯燥无味的介绍，弥补课堂不足。 ■ 素材量大，容量超过20G，以视频、动画、图片为主，模拟试题50套，电脑快速阅卷，自动评分，方便学生自测。 ■ 内容包括：病理学总论、损伤与修复、血液循环障碍、炎症肿瘤、病理学各论、各系统疾病、传染病、烧伤与战伤等，基本病变、大体标本、切片标本、图片、血液病理学、骨科病理学、肿瘤、冰冻切片的制作，大批量的病理学教学国库临床床病理讨 论、尸检病理讨论、免疫荧光细胞化学技术法。 ■ 病理生理学包括：实验难点、水肿、水电解质代谢、酸碱平衡紊乱、缺氧、发热、休克、心功能衰竭、肾功能衰竭的实验，各系统常见病发机理。 ■ 配置：19寸触摸一体机，双核处理器，内存2G，硬盘500G。

任何具有温度的物体表面都会产生红外线，利用红外线感应装置和计算机信息处理与成象技术，可以将物体表面的温度场以可视画面形式显示出来——红外图象。采用现代的图象分析与处理技术，结合被检测设备的结果参数和现场可方便采集的一些其它数据，如电信号、压力、流量等参数，利用先进的模糊聚类、神经网络、人工智能等理论可以对热设备的运行状况进行有效的在线检测、故障分析与趋势预测。 设备运行状况的在线评估与故障分析和诊断一直是生产实际中有待解决的问题。本项目的主要特点是：红外图象可以实现非接触的、在线（或离线）检测，也可以做离线普查。基于红外图象的热设备运行状况、故障分析与诊断系统除红外图象以外的其它信息可根据现场实际情况适当提供，并不强行要求。当然信息越多越准则判断的结果越客观，因此具有智能性。目前已有针对催化裂化、加热炉、常用电器设备等多套专用的设备运行状况评价和故障诊断系统通过鉴定，并在多处投入实际使用，受到普遍好评。

本系统以化工、石化行业的大型回转机械为对象，采用先进的计算机技术、光纤传输技术和独创的全息谱监测诊断方法，全面、实时、连续地实现机械运行状态的监测和故障诊断。本系统采用高性能的ARCNET光纤网络，传输速率高、误码率低。系统上下位机并行工作，实现了分布式的在线监测；监测软件首次实现了以多任务切换为基础的前后台并行监测机制，有效地实现了事故追忆功能，保证了突

 本系统利用工业无线传感器网络构建无线、分布式机械设备故障诊断和监测系统，对工业现场运转设备的工作状态进行监测，部署的工业无线传感器网络既充当在线状态监测系统，也承担通信网络的功能，最后作为具有推理学习能力的决策网，是集感知、通信、识别、诊断、决策为一体的综合预测性维护平台。   作为一种独立的控制网络，本系统包含低功耗传感器节点、执行器节点、汇聚网管等硬件设备及专家知识库、规则匹配数据库、历史数据库、人机交互界面等软件平台，能够有效弥补有线诊断系统在应用中布

“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。