VR心理放松系统 功能介绍：1、 用户系统：独立的来访者管理体系，详细的个人档案记录，辅助量表评测体系，生物反馈数据、实时语音记录、单次诊疗记录、单次自评量表等多项数据的传输与记录；单次训练记录带有时间信息独立保存，可实现同一训练不同时段的跨越对比。2、 模块系统：多种功能的训练模块可供选择——肌肉渐进式放松训练：提供多种身临其境的立体放松场景和自主选择的视角模式，提供详细的练习指导语及放松音乐，使来访者以循序渐进的方式完成放松练习，消除身体和心理的紧张和焦虑情绪。深呼吸放松训练：提供多种身临其境的立体放松场景和自主选择的视角模式，提供详细的练习指导语及放松音乐，并提供可视化的呼吸信号配合来访者的练习，使来访者更轻松和舒适的完成放松练习，消除身体和心理的紧张和焦虑情绪。快速放松训练：提供多种身临其境的立体放松场景和自主选择的视角模式，提供特定的快速放松指导语，帮助来访者通过反复的练习可以实现快速放松，可以更有效的缓解各种生活中的压力和紧张情绪。

本实用新型公开了一种单轴支撑四轮分列平衡摆臂式驱动桥及行驶车辆，包括主驱动桥，主驱动桥的两端分别连接有摆动臂，摆动臂的中部与主驱动桥铰接，摆动臂的两端连接有驱动轮，摆动臂内设有减速装置，减速装置的主动轮与主驱动桥的半轴连接，两个从动轮分别设于摆动臂两端，主动轮与从动轮之间通过链条传动，并通过轮边减速器将动力传递给驱动轮。可以使车辆在通过复杂路面时保持车桥有较小的重心变化，驱动力大、对复杂地面适应能力强。可适用于各种林用作业车辆、农用轮式拖拉机、工程用装载机、越野汽车等。

项目成果/简介:本实用新型公开了一种单轴支撑四轮分列平衡摆臂式驱动桥及行驶车辆，包括主驱动桥，主驱动桥的两端分别连接有摆动臂，摆动臂的中部与主驱动桥铰接，摆动臂的两端连接有驱动轮，摆动臂内设有减速装置，减速装置的主动轮与主驱动桥的半轴连接，两个从动轮分别设于摆动臂两端，主动轮与从动轮之间通过链条传动，并通过轮边减速器将动力传递给驱动轮。可以使车辆在通过复杂路面时保持车桥有较小的重心变化，驱动力大、对复杂地面适应能力强。可适用于各种林用作业车辆、农用轮式拖拉机、工程用装载机、越野汽车等。

项目概况 本项目通过省首批成果转化项目的验收，研发的新一代国产化轨道车辆自动门已成功占据国内城轨市场半壁江山。主要特点 构建了先进的现代化的研发平台，应用先进的设计、试验手段和最新科技成果，采用创新思维，另劈蹊径，在门运动形式上采用微动塞拉技术；在门的驱动和控制上用无刷电机取代有刷电机驱动，用数字量控制取代模拟量控制，开发了新一代电子门控制器；在门的锁闭方面跳出了有“源”有“锁”的传统锁闭模式，发明了变导程传动的原理，首创轨道车辆自动门“无锁而闭”的核心技术。技术指标 上述核心技术的突破，跨越式超越国外核心技术，完成新一代轨道车辆自动门国产化研制及产业化的使命。

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵

本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。

图1. 矿识的4个页面 a: 选取待识别的矿物，可现场拍照获取或从手机相册中选取 b: 截取待识别矿物中心图 c: 输入便携硬度仪测量或经验估计所得的硬度值后得到识别结果 d: 可以不使用硬度值，仅用图片进行识别 表1 矿识与其他相关工作的对比 图片类型 相关研究 性能 可识别矿物数 准确率(%) Raman spectroscopy 拉曼光谱 Computers & geosciences 2013 6 83.0 Microscope 显微镜 Sensors 2019 4 90.9 Mathematical and Computational Applications 2011 5 93.9 Photo 相机图片 Artificial Intelligence in Theory and Practice, 2008 6 91.0 Minerals 2019 12 74.2 photo & hardness 相机图片+硬度 矿识 36 90.6   表2 矿识能够识别的36种矿物及其准确率 矿物名 样本数  仅用图片识别的正确数 结合图片与硬度识别的正确数 Agate玛瑙 5 5 5 almandine铁铝榴石 6 4 4 azurite蓝铜矿 2 1 2 beryl绿柱石 1 1 1 chalcopyrite黄铜矿 2 1 2 cinnabar辰砂 1 1 1 copper铜 2 2 2 fluorite萤石，氟石 11 8 10 galena方铅矿 3 2 3 halite石盐 1 1 1 hematite赤铁矿 8 1 5 malachite孔雀石 6 5 5 opal欧泊 1 1 1 orpiment雌黄 3 1 3 pyrite黄铁矿 6 5 6 quartz石英 4 4 4 sphalerite闪锌矿 1 0 0 stibnite辉锑矿 8 7 8 sulphur硫磺 2 2 2 total 73 52 65 Accuracy \ 71.2% 89%    

小试阶段/n钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等, 这些方法检到的缺陷类型少, 检测实时性不强, 检测的表面缺陷分辨率也不高, 无法有效评估产品的表面质量状况。本技术涉及一种基于多流形学习的带钢表面缺陷识别方法。其方案是：对于任一副带钢表面缺陷图像向量化的向量数据点分别选择类别相同和类别不同的K 个近邻点建立对应的同类数据子图和异

随着视频与图像技术的快速发展，在监控视频中识别特定人物身份有着重要的实用价值。本项目   针对现实场景下，普遍存在的面部遮挡以及拍摄机位和镜头距离变化，而导致传统基于正面人脸的识 别方法的准确率将大大降低，甚至识别错误的问题，提出了一种基于局部分割与融合的算法，应用于 视频分析平台下的特定人物识别，融合多部位识别特征，提高了部分遮挡、多场景和镜头变化下的人 物识别鲁棒性，经充分验证，达到了先进的识别精度，可以满足实际应用的需求。该技术是优化并提 高复杂背景下人物识别精准度的一项核心技术，已申请国家发明专利 1 项。

本发明公开了一种注塑制品缺陷检测识别方法，包括以下步骤： 1)采集正常和存在已知缺陷的注塑制品的图像，对图像进行分类并生 成样本；2)构建多层卷积神经网络模型；3)使用步骤 1)中的样本对步 骤 2)中构建的卷积神经网络模型进行训练；4)将采集的实测注塑制品 的图像经过预处理后输入步骤 3)中已训练完成的卷积神经网络模型， 卷积神经网络模型对实测注塑制品的图像进行分类识别，以判断注塑 制品是否存在注塑缺陷，若存在缺陷则对缺陷类别进行识别。本发明 构建的卷积神经网络模型对各种注塑缺陷均采用相同的特征选择、提 取方式，适应性较强，可适用于注塑制品各种类型缺陷的检测与识别。