本发明属于污染物检测技术领域，涉及一种蛋黄壳结构的钴基纳米酶及其在汞离子检测中的应用。将六水合硝酸钴和十六烷基三甲基溴化铵加入水中并混合均匀；与2‑甲基咪唑溶液混合搅拌反应，制得ZIF‑67立方体。加入乙醇中并混合均匀，与多元含氧酸的水溶液混合均匀，然后进行搅拌反应，制得ZIF‑67/PTA。加入乙醇溶液中并混合均匀，随后加入氯金酸溶液和硼氢化钠溶液，然后进行搅拌反应，制得ZIF‑67/PTA/Au。本发明所合成的材料具有蛋黄壳纳米立方体的介孔结构，原材料价格廉价，性能稳定，适合大批量合成。可实现对Hg²⁺的可视化检测。

本发明提供一种基于T形结构的纳米线热导率的测量装置及方法，将热线两端搭接在热沉上，将待测线搭接在热线和热沉之间，由于部分热量沿待测线方向导走，沿热线方向的温度分布将发生变化，即由抛物线形变为双拱形，热线平均温度将明显下降。通过测量热线的平均温升的变化，就可求解得到待测线引入的总热阻，从而求得待测线的热导率。该装置结构简单，成本低廉，测量精度高，可用于包括导电、非导电细丝材料热导率的测量，具有很大的通用性。

放疗是鼻咽癌首选的治疗方式，而放疗引起的放射性脑损伤是鼻咽癌患者最严重的晚期不良反应之 放疗是鼻咽癌首选的治疗方式，而放疗引起的放射性脑损伤是鼻咽癌患者最严重的晚期不良反应之 一。该不良反应往往具有不可逆性，极大地影响患者的生活质量。放射性脑损伤一旦发生，治疗颇为困 一。该不良反应往往具有不可逆性，极大地影响患者的生活质量。放射性脑损伤一旦发生，治疗颇为困 难，因此，对接受放疗的鼻咽癌患者进行放射性脑损伤发病风险预测，对高危个体提前采取针对性的保护措施，实现肿瘤的个体化治疗，显得尤为重要。 本发明公开了DISC1FP1基因上的SNP位点rs10501719作为与肿瘤放疗引起的放射性脑损伤发病风险相 关的标志物的应用。同时，制备得到一种预测肿瘤放疗引起的放射性脑损伤发病风险的试剂盒，利用该试 剂盒检测SNP标志物分型，联合患者临床信息可以更加全面准确的评估鼻咽癌患者发生放射性脑损伤的患 病风险。

本发明公开了一种快速互相关灰度图像匹配方法与装置，用于 在灰度目标图像中查找目标图案的位置与方向，所述方法包括：对模 板图像进行极坐标转换；获取灰度目标图像中目标图案的外接盒，将 其定义为目标图案搜索区；在目标图案搜索区中选取与模板图像同样 大小的匹配区域，对所述匹配区域进行极坐标转换，计算所述匹配区 域一维数据与所述模板图像一维数组的相关性；直至对所有的匹配区 域均完成相关性计算，选取相关性最大的匹配区域作为目标图案，获 取所述目标图案的位置与方向。通过本发明方法，从而缩小匹配的搜 索范围，提高匹配速度，并且通过极坐标形式的归一化互相关计算， 实现目标图像±180 度全角度匹配。 

本发明公开了一种快速互相关灰度图像匹配方法与装置，用于在灰度目标图像中查找目标图案的位置与方向，所述方法包括：对模板图像进行极坐标转换；获取灰度目标图像中目标图案的外接盒，将其定义为目标图案搜索区；在目标图案搜索区中选取与模板图像同样大小的匹配区域，对所述匹配区域进行极坐标转换，计算所述匹配区域一维数据与所述模板图像一维数组的相关性；直至对所有的匹配区域均完成相关性计算，选取相关性最大的匹配区域作为目标图案，获取所述目标图案的位置与方向。通过本发明方法，从而缩小匹配的搜索范围，提高匹配速度，并且通过

绿色无磷螯合剂等相关专业、领域人才

暖通、机械、环保等相关技术人才等

天津大学神经工程团队针对人机交互面临的神经系统层面交互信息复杂共性挑战，历时十余年，发明了一套面向高性能人机交互的脑-机-体复合神经感知与反馈的系统解决

本发明公开了一种可伸缩式竖直运动箱体导向机构，包括用于容纳箱体做竖直运动的管道，以及设置于箱体上用于对箱体在所述管道内做竖直运动进行导向的导向装置。该导向装置为可伸缩式结构，包括设置于所述箱体侧壁面的导轨、设置在所述导轨上并可沿着导轨滑动的至少一个楔形滑块、抵靠在所述楔形滑块上与楔形滑块配合形成楔形调整机构的导向球，以及设置于所述导向球外侧用以约束导向球仅沿着垂直于箱体侧壁面的方向移动的导向球约束装置。通过驱动楔形滑块沿导轨滑动，使导向球朝向远离或者靠近箱体侧壁面的方向运动，以在竖直运动时抵靠在管道内壁实现导向，或在箱体进出竖直轨道时收缩远离管道内壁，从而能够避免与管道内壁的齿条形成干涉。

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。