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。

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。

成果描述：本发明提供了一种立体车库车辆搬运装置，属于载重机械技术领域,涉及立体车库存取车设备。它能有效地实现立体车库存取车辆时的夹持固定和纵向、横向运动。包括底部自行机构和车轮夹持机构，底架的两端分别设有一对带动力的行走轮，两根轨道敷设于底架的凹形底部两边，底架的凹形上方设有两组车轮夹持机构，车轮夹持机构的底盘上方设有两组对称布置车轮夹持机构，底盘两侧设有输出轴朝下的夹持电机，设在底盘下方的主动链轮与夹持电机的输出轴固定，通过链条与从动链轮链接；滚筒通过两端的轴与夹持臂内侧的短臂固定，夹持连杆关节的一端与夹持臂外侧中部铰接，底盘两侧的悬臂设有与从动链轮同轴的行走车轮，主要用于立体停车库。市场前景分析：现代城市基础设施建设领域。与同类成果相比的优势分析：技术先进，性价比较高。

（专利号：ZL 201410746991.8） 简介：本发明公开一种铁道车辆拖车轮对检测试验装置，属于工业检测技术领域。该检测试验装置由大底板、轨道轮组及其驱动单元、加载装置、拖车轮对、各类传感器及其检测系统等组成。该检测试验装置是将被测拖车轮对的车轮放在四个轨道轮上、采用杠杆式砝码加载、由两个变频电机分别驱动对侧的轨道轮使被测拖车轮对旋转实现试验及检测，适用于铁道车辆拖车轮对的跑合试验，同时能检测空载及加载时驱动力矩并且记录绘制其变化曲线，检测拖车轮对转速、所承受的载荷、轴承的温升。本发明检测试验装置使用砝码加载，准确稳定可靠节能，被测铁道车辆拖车轮对最大负载17.4t，最高运行速度380km/h。

成果概况面对世界能源短缺，燃油价格不断上涨的形势，国内许多媒体多次报导了一些不法供油商为谋取暴利而不择手段的在加油机上做手脚欺骗消费者。为了避免和减少不法供油商因加油量不足给消费者大造成的损失，我们研制了便携式机动车辆燃油复量仪。专门用于机动车驾驶员复核机动车辆加油量使用。该产品采用单片机控制、涡轮传感器测量、LCD显示，计量准确、可靠度高，采用防暴安全设计，体积小、重量轻，操作简单、使用方便。可以即时显示加油机的实际给油量，便于驾驶员做同步比较避免吃亏上当挽回损失。该产品经国家技术监督局、中国技术研究院检测认定，属国内首创的新型计量产品。主要特点 便携、安全、准确。 技术参数 计量范围：0～999.9 升； 计量精度：±0.3 %； 显示方式：LCD数字显示； 显示内容：①加油量    ②日期、时间； 数据存贮：最近50次测量数据； 电   源：五号电池（或七号电池）； 体   积：280×63×63 重   量：0.38 kg 市场前景该项目成果产品的制造成本低（100～120元），预计市场售价为180～240元。按年销售5～8万台估计，可年创利税500～800万元。

一种基于多视角的车辆检索方法，预先建立车辆潜在姿态的方位划分模型，所述方位划分模型中， 定义方位划分以摄像机正面摄像点为基准点进行，平均划分为多个方位；预先设定每个方位分别关注的 局部块，并建立任意两个方位的局部块对应关系；构建车辆查询库，对车辆查询库中每个用于车辆检测 的图像和查询车辆图片，进行车辆姿态估计，根据方位划分模型得到车辆姿态所属方位，根据划分所得 车辆姿态所属方位提取该方位所关注局部块的视觉特征，根据局部块的视觉特征采用局部二维模型来表 示目标车辆；基于局部二维模型依据相关方位的局部块对应关系进行视觉相似性比对，得到相似度，获 取车辆检索结果。