2025年2月7日，珠海昊星自动化系统有限公司（下简称：昊星）作为广东实验室行业协会副会长单位，成功举办新春行业交流活动。广东省实验室设计建造技术协会（下简称：协会）秘书长罗菲同霍尼韦尔、广东易众洁净科技等9家会员单位代表到访，与公司总经理张雁翔、市场总监林旭峰等管理团队共话行业发展。

该项目的关键技术已获批国家自然科学基金项目 2 项，江苏省科技厅社会发展项目 1 项，浙江省科技厅优先主题项目 1 项。 1、项目简介 我国是酿造生产大国，传统酿造包括酱油、醋、酒，而酒的份额又占其中的大头，仅白酒黄酒去年销售收入已超过 3000 亿元，而其生产过程目前还处于手工和半机械化生产模式，其科技进步缓慢，自动化程度低，工人劳动强度大，劳动力成本上升，土地资源日益紧张，生产过程高水耗、高能耗与当今社会倡导的低碳循环经济发展模式产生剧烈冲突。因此，采用自动化技术的生产方式迫在眉睫。本项目在已完成的几个酿酒企业的自动化应用示范基础上，进一步研究并解决其中一些关键及共性问题，通过利用计算机、智能控制和物联网技术，推进酿酒生产过程的自动化、信息化，促进传统酿酒企业的科技创新与生产转型。 2、创新要点 实现黄酒发酵过程的多总线分层递阶的控制系统结构；将图像、动画和声音与 LabVIEW 软件结合，PLC 采集的设备实际运行信号转化为 3 维动画显示，实现多媒体控制的黄酒前后酵软件。将智能控制技术引入传统控制系统，根据轻工发酵过程非线性、时变、大滞后的特点，完成动态系统辨识、建模仿真，多变量模型预测控制等技术。 3、效益分析 通过项目的示范应用，预计到“十二五”末白酒、黄酒自动化改造直接经济效益将超过 100 亿元，税利超 1000 亿元，减少酿酒用工，提高产能。强化资源和能源的循环利用，缓解劳动力成本不断攀升、能源短缺等制约酿酒行业持续发展的问题，促进传统酿酒产业生产方式的创新与转变。资金需求总额约 300 万元。 4、推广情况 浙江绍兴女儿红酿酒有限公司；浙江古越龙山绍兴酒股份有限公司；劲牌有限公司劲牌山南健康产业园；江苏今世缘酒业股份有限公司；香格里拉酒业（秦皇岛）有限公司。 授权专利： 一种黄酒开耙控制系统及其应用 201010248472.0 黄酒前发酵过程温度控制系统 201010248471.6 黄酒生产中间罐液位控制系统及控制方法 201010551020.X 

佛山博文机器人自动化科技有限公司成立于2014-11-17，法定代表人为管章昭，注册资本为1000万元人民币，统一社会信用代码为91440605323260421E，企业地址位于佛山市南海区狮山镇南海软件科技园内产业智库城A座科研楼A414室，所属行业为研究和试验发展，经营范围包含：研发、销售：机器人与自动化装备、机械电子装备、智能机电及工程系统软件；设计、开发、安装：自动化系统与生产线工程系统；货物进出口。 专注于机器人抛光打磨与去毛刺的应用与创新，为广大客户提供高性价比的、专业、高效与安全的机器人自动化解决方案。 2018年，公司获认定为广东省高新技术企业，同年获南海区机器人产业优质企业培育入库，2015年成为佛山市科技创新团队以及参与了两项广东省重大应用专项，技术力量受到政府部门及客户的肯定。截至目前，公司已通过国家知识产权管理体系认证，制定企业标准5项，拥有广东省高新技术产品5项，共申请专利64项，其中发明专利授权6项，实用新型授权30项，为公司筑起了一道强大的技术壁垒，为今后的发展保驾护航。

产品详细介绍产品简介MV-BDP300是基于"工业4.0智能工厂"理念而设计的一套综合性平台，是进入"工业4.0"时代的必备工具。平台除了具备完整的机器视觉及工业自动化功能外，特别应用了"物料智能传递、模式识别、质量检测、数据通讯、柔性系统搭建"方面的技术。而作为一套"开发"平台，用户可以采用多台设备实现"多机互联"，也可以和机械臂联动设计智能制造系统，MV-BDP300为此预设计了大量的标准通讯接口和定位传感器。功能特性● 工程实验室建设——特别适用需要经常性测试各种不同工业项目的用户，可以形象立体的向您的客户展示机器视觉检测方案。    配套工业级图像采集系统    预设多检测工位    通用型载具托盘设计    支持二次开发的视觉检测软件    开放式的运动控制系统设计● 教学科研及成果展示——MV-BDP300适用于所有需要视觉自动化技术的教学科研应用，基于"工业4.0智能工厂"理念设计的系统平台，可以更好的展示您的技术成果。    PLC、HMI、MCGS嵌入式组态软件组合控制应用    PC与PLC串行通信    PLC与HMI的RS422通讯    双轨道环形流水线控制● 工业现场设备——MV-BDP300不仅是一套开发平台，更是一套完整的工业检测设备。系统平台设计了上料定位传感器、视觉检测工位、下料定位传感器、检测结果通讯接口等功能模块，可以把设备直接放到生产现场代替人的工作。    字符识别和判断——生产日期、字符logo、汉字等标准字符（图形）的识别检测，支持用户自定义字符库训练    尺寸测量和判断——明—暗、暗—明边界自动识别判断，获取对应边缘的尺寸信息    颜色识别和判断——获取指定区域的色度信息，根据检测精度，区分出颜色有问题的产品    缺陷检测和判断——设置模板，分析需要检测的兴趣点，判断检测区域是否有缺陷    匹配定位——获取检测对象上面的典型特征点的坐标及偏角，智能匹配检测区域，解决每次检测时产品位置摆放不一致的问题

定制化骨替代物是根据患者的CT数据进行骨的修复，用于解决骨病变与骨损伤患者的康复治疗。定制化骨替代物采用先进的数字化反求设计定位和数字化快速成型技术，保证了骨替代物与患者骨骼的精确匹配和连接，提高了手求糊畦，保证了患者体表形状的美观，实现了骨缺损、骨畸形等病变的个性化、定制化修复。目前已应用于颅颌面骨、膝关节、髋关节等部位得个性化精确修复。 该产品已获得三类医疗器械生产许可证和国家药监局检测中心颁发的检测合格证，目前正在进行临床验证，并已完成30多例复杂病例的修复。

一种基于物联网技术的轨道异物入侵自动检测与预警方法，具体实施步骤如下：A.搭建路面视频监控系统及车载视频监控系统；B.路网实时监控、视频信号无线传输及自适应反馈；C.云端数据、车载数据处理及异物入侵检测、识别与预警；D.全路网信息共享、异物入侵行车控制及相关路网行车调度。

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。

项目通过研制和深化集成各类农业智能传感器、无线传感网节点、应用系统平台，构建一体化的农业物联网服务平台。项目部分成果已在北京、天津、辽宁、山东、江苏、安徽、湖北、浙江、福建、广东、广西、海南等地进行推广应用示范。 项目来源：中国教育部物联网发展专项资金项目技术推广意向：可具体推广应用于大田种植、设施园艺、畜禽养殖、水产养殖等多种农业生产领域。 现状特点：已将多项科研成果产品化，包括12种农业传感器、10种采集器、8种无线网关、6种控制器、4类应用平台。并在江苏、山东、天津、新疆、河北、上海、北京、湖北、江西、浙江、海南等省市建立了水产养殖、农田灌溉、设施温室、畜禽养殖和土壤墒情监测等应用示范基地。 技术创新：将各种农业生产环境智能检测技术及装备、设施化农业生产智能控制技术及装备、以及农业环境信息无线传输网络、种植养殖信息智能处理模型及方法、农业生态净化技术整合为一个有机整体。通过对环境参数的准确检测，数据的可靠传输，信息的智能处理以及控制机构的智能控制，实现了农业环境信息智能在线监测控制、种植养殖管理科学决策的数字化、网络化、智能化，有效提高了我国农业信息化水平，为我国农业生产的精细化管控提供了切实可行的技术手段。 成果所处研究阶段：产品总体处于深化研发、继续完善功能、提高性能阶段,部分产品已达到中试或推广应用阶段。

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

以工业机器人应用为核心目标，包括机器人的平面及立体视觉系统开发，进行非标夹具及周边非标系统的设计及选型，应用软件系统的开发及调试，完成机器人非标自动化系统的开发及调试，实现用户的需求，实现用机器人换人的目标，达到交钥匙工程的使用要求。