一种基于多源遥感数据的城市不透水层信息提取方法，包括根据夜间灯光亮度影像，计算归一化灯 光亮度并基于阈值分割方法对城市地表进行区域类型分割;利用灯光亮度、陆地表面温度与归一化土壤 调节植被指数，构建增强型归一化不透水层指数;通过建立每一种类型分割区域的增强型归一化不透水 层指数 MNDISI 与不透水层率之间的线性定量关系，进行不透水层的提取工作。本发明较好地结合了多 源遥感数据的优势，有效抑制了光谱混淆对于不透水层率估算结果的不利影响，为城市土地利用和环境 变化监测提供了一种新的途径。

本发明涉及一种融合多尺度特征的激光扫描数据物理平面自动化提取方法。本发明解决的现有问题 主要包括:1发展了基于信息熵的最佳邻域自适应确定方法，克服了点密度变化、噪声、数据缺失等因 素对三维点局部几何特征计算的影响;2综合利用基于点的特征(维数特征，法向量等)和基于区域的 特征(粗糙度、紧凑度、尺度、长宽比等)进行物理平面区域提取，提高了物理平面提取的准确性;3 扩展了现有平面分割方法的适用范围，本发明适用于机载、车载、固定站等多种类型激光扫描数据的物 理平面提取。发明的整体技术流程图如下图。

一种基于实时数据库的HART现场设备管理方法及系统。工业操作站将HART命令对应的有效数据以工业以太网协议中的报文形式发送到控制站；控制站对将解包后的有效数据以CAN协议中的报文形式发送；HART模件解包所收到的CAN协议报文将有效数据构成HART命令形式发送；HART设备接收到HART命令后将响应信息返回给HART模件后解包，以CAN协议中的报文形式打包发送给控制站；控制站解包所收到的CAN协议报文，以工业以太网协议中的报文形式打包发送到工业操作站。本发明可将全部HART现场设备数据送入主控室的操作站，让用户在控制室就能方便地远程查看、修改、配置现场设备的组态信息，提高设备维护效率，降低生产成本。

自疫情发生以来，对于劳动密集型的制造业企业来说，尽可能减少工人聚集和交叉接触成为企业复工复产的重要保障。但在生产经营活动中，必要的沟通、协同、信息互通和反馈指导不可避免，这其中涉及了离散制造的多个部门（销售、采购、计划、生产、仓库、财务等）、多个生产工序以及多个工种。北大信息技术高等研究院智能工厂实验室利用工业领域企业级数据中台的优势，全面整合企业生产经营环节的关键数据，并利用数据智能对齐、行业知识图谱等关键技术，实现面向制造业的全流程可溯源的透明管控线上生产链，迅速帮助企业集中获得每一个线下关键生产环节的实时进度，并且能够细化到订单、生产设备、运行情况等细节，同时根据挖掘算法提供有效的智能辅助决策建议，在高效保障生产经营管控的同时，最大化地减少不必要的人员聚集，实现数据中台的指挥室作用，快速实现复工复产，有效提升生产效能。 拟解决的核心问题： 1、无法在生产环境外远程下单，下单效率低； 2、工厂远程管控困难，无法掌握订单的详细生产进度，并预测交期，难以面向JIT及时交货； 3、对生产缺少全维度统计掌握，需要跨系统反复查询； 4、在线实时分析困难，缺少必要的预测辅助参考； 5、生产环节无法自下而上进行反馈； 6、多源异构数据融合困难； 7、缺少人工智能的辅助决策。 预期实施效果： 1、移动端远程下单，基于混合云架构，实现内外网数据互通； 2、移动端跟单进度，多源异构数据融合，实现生产环节全流程线上实时可见； 3、生产数据实时监控，关键指标实时汇总，实现工作进度量化可见； 4、形成线上闭环数据看板，在线辅助指导生产经营； 5、沉淀大数据资产，形成工业领域企业级数据中台； 6、实现订单生产智能逾期预警、订单销量智能预测、原材料动态库存优化。

本发明公开了一种基于点云与影像数据的三维可视化方法和系统，其中方法的实现包括：采集目标场景的影像数据和点云数据；对点云数据进行上采样，将上采样后的点云数据投影到影像数据中进行融合，对进行融合后的点云数据进行着色，得到彩色点云数据；利用彩色点云数据进行三维渲染，得到目标场景的三维可视化模型。本发明实现了从数据采集和融合到最终渲染显示的点云三维可视化，有助于激光点云技术的拓展，提高了点云数据对于普通用户的可访问性和

本实用新型属于无线电能传输技术领域，尤其涉及一种基于无线电能传输技术的便捷无破坏性数据 采集装置，包括墙体或阻挡物体和终端，包括源端和负端，源端包括电源模块、源端电源变换模块和发 射线圈，电源模块依次连接源端电源变换模块和发射线圈；负端包括接收线圈、负端电能变换模块、数 据采集设备和数据传输模块，接收线圈依次连接负端电源变换模块、数据采集设备和数据传输模块；发 射线圈与接收线圈进行能量交换，数据传输模块将信息通过网络发送至终端；源端和负端分别安

 本系统利用工业无线传感器网络构建无线、分布式机械设备故障诊断和监测系统，对工业现场运转设备的工作状态进行监测，部署的工业无线传感器网络既充当在线状态监测系统，也承担通信网络的功能，最后作为具有推理学习能力的决策网，是集感知、通信、识别、诊断、决策为一体的综合预测性维护平台。   作为一种独立的控制网络，本系统包含低功耗传感器节点、执行器节点、汇聚网管等硬件设备及专家知识库、规则匹配数据库、历史数据库、人机交互界面等软件平台，能够有效弥补有线诊断系统在应用中布

本发明公开了一种基于结构和内容二级过滤的 Web 数据相似性检测方法，在传统的通用相似性检测 方法的基础上，发掘出 Web 数据结构和内容分布的特点，对检测的文档集进行两级过滤；两级过滤中的 第一级过滤是结构相似性过滤，对每个Web文档建模为Tag树结构，从而剔除在结构上不相似的文档集， 并对剩余的文档进行关键内容抽取，将其表示成元组向量的形式，将关键信息连接起来生成字符串集； 两级过滤中的第二级过滤则对第一级过滤后生成的字符串集进行 Trie

本发明公开了一种无需可信第三方支持的云端数据安全删除系 统与方法，系统包括分布式哈希表网络，用于存放解密密钥碎片、用 户端，用于文件加密、解密和密钥信息删除，包括：文件加密模块、 文件解密模块、密钥分发与重组模块、本地密钥信息模块和文件删除 模块，文件加密和解密模块用于对文件加解密，密钥分发与重组模块 用于对密钥分片和重组，本地密钥信息模块用于存储相关密钥信息， 文件删除模块用于删除密钥信息；云端，提供数据服务器和密

清华大学地球系统科学系举行新一代地球观测数据与制图成果发布会。清华大学理学院院长、地学系主任宫鹏教授和博士研究生刘涵一起，对外发布了清华大学基于亚马逊云服务（AWS）完成的新一代中国地区地球观测数据集（Seamless Data Cube，简称SDC）——2000～2018年30米分辨率逐日无缝遥感观测数据，以及在此基础上研制的中国逐季节地表覆盖和逐年土地利用制图成果。清华大学新研制的无缝数据集，填补了高空间分辨率和时间频率观测的空白。图1 首套中国30米逐日无缝遥感观测数据集SDC目前世界上主流的地球观测卫星Landsat每16天才能对全球扫描一遍，所获得的数据集是不完整的。宫鹏团队采用时空遥感技术手段和MODIS图像辅助研发的无缝遥感观测数据集Seamless Data Cube，使得每一天都有一套完整的全球30米分辨率的观测数据。正是这些逐日数据，使得地球长时间观测序列有了很好的时空一致性。基于无缝数据集，宫鹏团队提取了30米空间分辨率土地覆盖变化的情况，设计和训练了一套适应遥感大数据的深度遥感特征学习和分类模型，最终得到了世界首套中国逐季节土地覆盖和逐年土地利用制图（从2000年到2018年）。图2 首套中国2000-2018年间逐季节土地覆盖和逐年土地利用图无缝遥感观测数据集SDC以及逐季节土地覆盖和逐年土地利用制图，开辟了中国卫星遥感数据处理和信息提取的新范式。它能够服务于国民经济众多行业，比如农业集约化和土地闲置的监测、城市化与自然植被丧失的识别、土地退化和粮食安全、环境变化与健康、造林和土壤含水量的关系、城市扩张与热岛效应等研究以及碳储备等。图3 地学系团队正在定量测算新冠疫情影响下的全球粮食安全问题无缝遥感观测数据集SDC有助于打造世界顶级的在线制图服务的平台，并产生新的数据产品。例如，清华大学地学系依靠这个数据集研发了全球粮食估产模型，输入不同地方的作物种植和气候预测数据，就可以提前两个月估算出全球粮食产量情况。无缝遥感观测数据集（Seamless Data Cube）得到了亚马逊云服务（AWS）的大力支持。据AWS技术人员介绍，宫鹏团队采用AWS云服务算力，相当于全世界现在TOP200的高性能计算机所能提供的能力。AWS并不简单地提供储存和数据服务，而是在云服务里就包括了人工智能与机器学习的计算框架，采用AWS云服务后，地表覆盖制图的精度提高了10～20%。