01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

通过X-ray解析了kindlin家族中分布最广，最重要的分子kindlin2的单体和二聚体两种构象及kindlin结合β1- and β3-integrin的复合物结构，揭示了Kindlin2的结构跟Talin-FERM的线性结构截然不同，呈现紧密堆积的三叶草形态；复合物结构进一步表明kindlin是通过两个特异的结合位点识别integrin细胞内β-tail的远膜端，这对激活integrin及其信号传导有重要作用。值得关注的是，本项研究意外地发现kindlin2存在着构象变化，kindlin单体可以通过F2 domain-swapping形成同源二聚体，打破二聚体的形成会影响到kindlin介导的integrin的完全活化。 该项研究成果综合运用了结构生物学、生物化学及细胞生物学的方法，解决了相关领域长期存在的一个重要问题，系统地揭示了kindlin与integrin相互作用的结构基础，提出了kindlin在integrin活化过程中发挥作用的新的机理。同时，蛋白三维结构信息也帮助人们理解kindlin的突变在众多遗传疾病的机理，为今后相关疾病及癌症的治疗提供基础。该项研究标志着南科大在本研究领域处于国际前沿，获得相关领域研究者的高度重视。本文编辑，美国科学院院士、integrin研究领域的专家Richard Hynes特别邀请德国马普研究所Reinhard Fässler教授为本文撰写专题评论。实验室将继续在此基础上，进一步研究相关领域的重要问题。

成果简介现代物流中货物传输登记的现代化具有非常重要的现实意义。 目前， 物流货物的登记主要依靠人工实现， 具有费时、 繁琐、 容易出错等缺点。 货物标签制作和识别系统的应用可以解决这些问题。 该系统可以实现货物信息的标签（自动化）制作、 货物识别信息的远距离传输、 货物信息的集中式管理、 货物信息的汉字化写入和识别， 降低对人员的要求， 以及提高货物传输的效率， 降低劳动强度以及信息登记的繁琐性等优点。成熟程度和所需建设条件本项目的产业化需结合具体需求进行定

本成果为获得省部（或学会）级三等以上奖励的重点纵向成果。

1．本外观设计产品的名称：带树叶识别 APP 界面的手机。2．本外观设计产品的用途：本外观设 计产品用于运行程序及通讯。3．本外观设计产品的设计要点：主视图和使用状态图 1-9 的用户界面内 动态展示的树叶识别的界面内容。4．最能表明本外观设计设计要点的图片或照片：主视图。 

产品详细介绍1.可识别非带电电缆和带电电缆；2.独创柔性卡钳，不受电缆线径和位置约束；3.按键简单，易操作。

利用多机器人和多模态视觉传感器有效探索与感知复杂 环境的三维结构，进而理解和分析三维场景。研究从多源异 构的机器人定位与建图等环境感知方面、多模态融合的前景 分割、显著性检测和目标检测等场景分析方面取得突破。

自然场景视觉感知与理解是人工智能的前沿热点，其主要任务是对场景中的视觉要素进行认知，进而推断出其中包含的场景语义。IMAGINE实验室近年来相继从场景构成分析、场景内容推理、场景结构建模等角度对这一问题展开了系统研究，着重探索了融合先验建模与深度学习的自然场景视觉理解这一问题。大数据具有规模大、种类多、产生速度快、有价值数据密度低等特点。对大数据信息分析具有重要意义，也是目前研究的热点，其主要任务是利用数据分析的方法从大数据中获取有价值信息。IMAGINE实验室近年来结合深度学习前沿技术和传统数据分析方法进行数据分析和预测，并在海关大数据分析项目和国网电力冰风灾害预测项目中进行应用

一、 项目简介焊缝高精度视觉检测与跟踪系统由高分辨率工业摄像机、嵌入式控制器和执行机构组成。摄像机感应工件的状态，采集焊接面的位置变化，通过控制系统进行计算最后由执行机构随时调整焊枪与工件的偏差，保证焊缝质量。整套装置采用模块化设计，根据客户要求，可派生出一维或多维跟踪器。整套系统控制精度高、响应速度快，不仅适用于激光焊接，还适用于CO2、MIG、埋弧等焊接形式，容易和各种自动焊接操作机、焊接机器人等设备配套使用，实现高质量的智能化焊接。二、 项目技术成熟程度本课题组在机器人焊接控制、视觉控制、样机研发等方面取得了一系列成果，具有雄厚的技术积累和丰富的研究经验。目前开发的焊缝跟踪系统从2012年12月已经在某公司焊接生产线稳定运行至今。三、 技术指标跟踪误差：±0.3mm；响应时间： 100ms；焊接速度：0.8～1.3m/min；焊件厚度：1~3mm；焊缝宽度：0.2~1mm；四、 市场前景目前世界上仅有META公司和SERVO-Robot公司两家提供类似产品，每套设备在二十万元以上，价格昂贵，后续维修不便，环境适应性差，严重制约了其在国内外市场中的应用。而本项目适用于薄钢板窄焊缝、V型坡口、搭接坡口的智能化焊接领域，为焊接机器人装备的柔性和智能化焊接提供技术支撑和保障。本项目在我国国内有北京华光、唐山开元，珠海金宝，天津先瑞、山东奥太、成都华恒等众多自动化焊接公司用户，为本项目提供了广阔的市场空间。   本产品可以组合在任意焊接机器人或自动焊接机上，使其具有基于视觉的自动焊接功能。可大大增强现有自动焊机的灵活性和可靠性。因此，本项目将通过优质的产品，低廉的价格，周到的售后服务，提供薄钢板窄焊缝、V型坡口、搭接坡口的的实时视觉检测与跟踪控制系统，等方面焊接装备提供配套产品，实现焊接机器人装备的柔性和智能化焊接，具有广阔的市场前景和巨大的商业价值。五、 规模与投资需求七、 项目具体联系人及联系方式（包括电子邮箱）项目联系人：陈海永       电话：13001375601电子邮箱：haiyong.chen@hebut.edu.cn八、高清成果图片2-3张视觉图像处理系统和电气控制系统视觉引导下的窄焊缝智能焊接机器人和焊接小车

成果介绍基于DST文件和视觉的激光切割系统，目前该系统已经获得国家发明专利授权。该技术通过全景视觉摄像机和算法一次性切割轨迹。技术创新点及参数一次性的获取整幅布料上所有绣片的图像信息，结合DST文件进行图像处理，获取出所有绣片切割轨迹，进行修正原来DST文件中的切割轨迹。市场前景服装加式