产品详细介绍整体特点： 采用厚度大于1.0mm的优质钢板经过点焊接，使用寿命长达十年。 全部采用双层防火钢板构造，两层钢板之间相隔有38mm的空气绝缘层，具有优质的防火安全性。 严格按照OSHA规范，柜身设有静电接地传导端口，方便连接静电接地导线。 外表面显示专业规范的警示标签。 外观颜色：黄色。  内部结构： 配备可以上下移动的可调整固定条，方便防溢漏式层板自由调节，调整间距为6CM。 防溢漏式层板可以自由调节的，有效地利用安全柜的空间。 底部有5厘米高的防漏液槽，防止液体意外流出。 柜子内部都喷涂环氧树脂，再进行高温处理，防止工作现场化学性物质的腐蚀。  外部结构： 在安全柜的两侧装有2个防闭火装置的透气孔。 三点联动式门锁，轻松自如启闭180度的柜门配有双钥匙。 配备防静电的接地导线。 柜子外部都喷涂环氧树脂，再进行高温处理，防止工作现场化学性物质的腐蚀。 易燃性化学品防火安全储存柜的特点：采用优质的冷轧钢板材料，经过米格式焊接方式，使用时间在10年以上。采用双层柜体，中间有38mm的空气隔绝层，有效地缓解柜体外部热量传递到内部的速度。柜体内部配备防泄漏的隔层板，可以在60cm间距自由上下调节高度，有效地利用空间来存放装有各类易燃性化学品物质的安全罐。柜体低部有50mm高度的防泄漏槽，防止易燃性液体化学品的溢出。在柜体的两侧，配有2个防火透气孔，用于释放柜体内部的易燃性气体，以及在发生火灾时，阻隔外间火种进入柜体内部。柜体内外采用ABS喷涂，再经过高温烤制，可以抗各类化学品物质的腐蚀。静电接地导线防止柜体产生静电火花。醒目的易燃性化学品标志。

2020年2月15日，同济大学牵头建设的上海自主智能无人系统科学中心新冠肺炎疫情防控科研攻关团队研发的第一套疫情防控智能识别系统（Tongji NCP-AIS），在同济大学四平路校区大门口开始试运行，可快速识别人流中个体感染者的风险。 科研团队利用人工智能、大数据、人脸识别、温度识别、动作识别等技术，可实现人脸识别、心率监测、呼吸监检测、门禁联动、门禁数据智能更新、咳嗽检测和语音播报，让人工智能技术在疫情防控期间发挥更大的作用，减轻学校相关管理人员的工作，实现疫情期间高效的校园安全管理。系统针对大规模人群，可以自动发现体温不正常个体，实现拍照和跟踪，以及提醒功能。

项目成果/简介: 目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。知识产权类型:其他技术先进程度:达到国内先进水平成果获得方式:与企业合作获得政府支持情况:无

通过机器学习方法对个人的各种属性，如身份、年龄、姿态、表情、颜值、行为等进行自动识别和分析，广泛应用于人机交互、推荐系统、智能监控、安全控制等诸多领域。包括3D手势姿态识别、基于静态图像的人体行为识别等技术。

目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。

儿童智能颜色识别和彩绘钢笔，其上壳体的顶端嵌设具有处理器的控制电路板，控制电路板的上端面设有颜色传感器，控制电路板的下端面设有RGB?LED，所述壳体内固定有三个微型减速电机，三个微型减速电机的输出轴分别与一旋转活塞上墨器的活塞杆连接，下壳体的下端固接钢笔笔头，钢笔笔头内插装有钢笔笔舌，钢笔笔舌的下端嵌装有钢笔笔尖，三个旋转活塞上墨器内装载的墨水分别为红、黄、蓝三色，处理器将从物体表面获取的RGB值匹配为相应分量比例的红、黄、蓝分量，并使微型减速电机按照各自对应颜色的分量比例旋转对应比例的小段时间，于是钢笔笔尖书写出对应分量比例的三色墨水混合而成的颜色。优点；可任意拾取颜色并自动以该颜色绘画。

一种面部表情识别装置，包括架体，所述架体由框架和外壳组成，所述框架中间形成空腔，所述外壳为中空柱形体，内部形成通道，外壳一端与框架中的空腔连通，另一端为封闭端，通道内靠近所述封闭端安装第一电机，第一电机通过丝杆与第二电机末端连接，第一电机带动第二电机沿通道轴线方向运动，第二电机通过转轴与镜头模块连接，第二电机带动镜头模块转动，镜头模块上沿中心对称设置一对镜头。通过在外壳通道内设置第一电机、第二电机，实现了镜头模块在轴线方向上的移动和转动，从而从多角度对面部图像数据进行采集，使得采集到的数据更为精准，

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。

在信息时代，机器视觉在实现智能社会方面发挥着重要作用。视觉特征提取是机器视觉的一项关键技术，该技术可以提取图像中具有鲜明特征的信息，诸如边缘、角点、圆以及图像形状等特征，这些特征是标定机器视觉系统模型参数和运用机器视觉技术进行实际应用的前提和基础。视觉特征提取技术广泛应用于自主移动智能机器人、无人驾驶和无人机等场景，这些应用场景对视觉特征提取算法的鲁棒性和帧率提出了巨大挑战。 具体来说，视觉特征提取算法包括SIFT（Scale-Invariant Feature Transform，尺度不变特征转换算法）、SURF（Speeded-Up Robust Features，加速稳健特征）、ORB（Oriented FAST and Rotated BRIEF，快速特征点提取描述）、HOG（Histogram of Oriented Gradient，方向梯度直方图）、LBP（Local Binary Patterns，局部二值模式）等。在SURF、ORB、HOG、LBP这些经典的特征提取算法中，SURF的鲁棒性相对较高，但是过于依赖主方向的选取，使得其方向变化鲁棒性不足。SIFT算法可以从图像中提取具有不变性的鲁棒局部特征，对方向变化、光照变化、噪声、杂物场景及遮挡影响等方面的鲁棒性最强，满足无人驾驶技术的需求。SIFT算法的运算量大从而导致的系统帧率低、功耗高的问题可以通过设计具有高并行度的专用硬件加速器芯片来解决。