设备的所有技术模块均是来自于企业的生产实际运用并结合职业院校教学实训的特点研发而成。通过实训让学生了解企业的智能化生产流程和相关知识，掌握现代企业智能制造的一般技术技能。产品致力服务于制造类中、高职院校智能制造、工业机器人、机械制造及其自动化、电气自动化、机电一体化、机电技术应用、工业物联技术、MES生产管理等相关专业的教学实训以及生产一线智能制造设备安装、调试、组织生产、维护保养的技术技能培训。

以人性化自助服务为设计理念，面向高校师生提供7X24小时服务，以在线业务系统为支撑具有多种登录认证机制、自助信息查询、自助打印成绩单及证明文件、校园卡或微信自助缴费、微信验证信息真伪、短信智能预警、终端远程管理、参数动态设置等功能，可实现多校区、多部门自助服务一体化管理，推动学校治理理念转变，使学校更多地从"管理"师生向”服务"师生转变，改善工作作风和治理方法，提高学校管理效益和社会效益。 ■线下智能服务终端自助打印输出能力一赋能一取材料场景 ●应用一：成绩单/证明文件材料自助打印 自助打印终端集查询、缴费、打印功能于一体，提供“一站式”服务，可为高校师生提供成绩单、在读证明、学籍证明等各种证明文件的“7*24小时不打烊”自助打印，不受时间、空间限制，提升学校校务管理行政效能。 ●应用二：固定资产标签自助打印 系统对接学校现有资产管理系统，为师生提供稳定、可靠、便捷、7*24小时的固定(无形)资产和低值耐用品等资产的入账单、资产标、申请单、签自助打印服务;资产标签含有唯一二维码，可以通过扫码查看设备基本信息，方便入库。 ●应用三：证件一体化自助办理 系统对接人事系统，实现按照学校、学院(系)、专业、学生等(公司、部门、个人)配置证件卡模板;模板能够实现卡面的不同以及字段位置的不同，卡面上字段能够从系统直接带出，师生(员工)直接能够在自助服务终端免费(付款)打印证件卡。 ■线下智能服务终端自助打印输出能力一赋能一交材料场景 ●应用一：智慧财务报账 智慧财务报账终端告别手动报账的繁琐与不便，开启“人机协作，智慧报账”的全新报账模式。实现智能设备与业务系统深度融合，改变传统报账交单方式，克服时间和空间上的局限性，向广大师生提供全方位、全天候的财务服务，方便快捷，实现报账管理的信息化、智能化。 ●应用二：学生证自助补办 学生证自助补办终端为提供便捷、高效的补办服务。通过身份验证、费用支付、学生证打印、学生证回收盖章、学生证领取等功能，学生可快速完成补办申请。操作简单、安全可靠，支持24小时使用，适用于学生证遗失、损坏或信息变更等场景，极大提升了补办效率，节省排队时间。 ■线下智能服务终端自助打印输出能力一赋能一强身份认证场景 学籍电子注册身份验证基于图像或视频输入进行检测，与注册库比对，实现1:N的人脸比对，或与证件比对，实现1:1的人脸比对。适用于人脸登录、VIP人脸识别、人脸通关等无需刷卡验证的场景。 ■线下智能服务终端自助打印输出能力一赋能一咨询问答场景 学校管理员可通过“问答知识库FAQ管理”，整理录入师生办事过程遇到的常见问题，师生可直接在自助服务终端上通过语音进行咨询问答的服务;师生在操作过程中，系统自动通过语音方式提醒用户操作每一个步骤，完成操作后，可通过语音方式提醒学生注销退出系统、取卡等事项。  

【师生办事线上线下一体化平台】集线上:可信应用服务（可信电子凭证/电子证照应用、在线签署应用、电子签章集成应用、可信身份核验）、线下：智能服务系统、支撑：电子签章系统、一体化智能管理为一体，赋能高校师生办事服务线上线下一体化应用。 平台聚焦高校师生办事服务高频事项，推动校务服务“高效办成一件事”，通过“线上+线下”融合升级，推进线下办事“只进一门”，线上办事“一网通办”，让数据多跑路、师生少跑腿成为常态。实现校务服务方式多元化、办事流程最优化、办事材料最简化、办事成本最小化，最大限度提升师生办事满意度、获得感。 ◆赋能全校师生办事基于“统一数据、统一样式、统一印章、统一验证”的“线上/线下、电子版/纸质版、校外/校内”办理需求。 ◆实现高校“多校区、多部门、多场景、多种类”的师生办事一体化智能运维管理。 ◆实现高校“一次建设，全校通用”，打造线上/线下“一体化、智能化、统一化、集成化”的师生办事智联网。 一、平台架构 融合“线上可信应用+线下智能自助+底层电子签章"为一体 打造高校多场景用章、多维度管章、多模式验章的服务体系 实现高校业务全场景签章应用 二、平台核心能力

成果描述：本实用新型公开了一种基于物联网的HART仪表分析平台,包括上位机和通过无线网关与上位机通讯的多个HART无线适配器；所述HART无线适配器通过HART总线与HART仪表一一对应连接,同时与物联网中网络节点无线通讯,所述HART无线适配器包括壳体和安装在壳体内的电路板；所述电路板上设置有HART处理器、串口自供电电源转换电路、人机交互接口模块、存储器、调制解调模块、ZIGBEE收发模块、GSM收发模块、隔离电路、防雷模块。本实用新型基于物联网技术,通过ZIGBEE/GSM信号实现现场多个HART仪表的实时监控,能耗低、抗干扰性能好。而且,本实用新型中的HART无线适配器采用无源供电模式,有效节能。市场前景分析：本实用新型基于物联网技术,通过ZIGBEE/GSM信号实现现场多个HART仪表的实时监控,能耗低、抗干扰性能好。而且,本实用新型中的HART无线适配器采用无源供电模式,有效节能。与同类成果相比的优势分析：国内领先

物联网感知大数据可信存储与分析处理平台（IOT-SeaCloudDM）：针对智慧城市、物联网、车   联网中各种采样数据（包括各类传感器、RFID、条形码阅读器采样的时空相关数据）的数据管理需求，  提供一个通用的感知大数据处理平台，对各类相关的感知采样数据进行统一管理，并达到如下目标：（1） 提供 PB~EB 级的感知采样数据存储、管理与查询处理。（2） 提供时态 - 空间数据、采样数值数据的统计分析与数据挖掘。（3）在此基础上，为各类智慧城市、物联网应用提供基础软件支撑。

“基于虚拟机的恶意程序检测分析平台”利用在QEMU虚拟机环境中运行PE文件获取的API调用序列及参数等动态信息，通过虚拟机提供的模拟主机环境触发PE文件的行为，进而根据虚拟机监控器层得到的信息抽象出PE文件的各种文件、注册表、进程、网络等行为，利用增强学习AdaBoost算法作为集成框架，选择决策树算法C4.5作为子分类器生成算法对PE文件的恶意性进行判决。

“智能物联大数据分析决策系统”是以复杂装备及过程在工程现场的指挥决 策为需求、以对大规模运行工况进行智能化分析与决策作为切入点、以对使用先 进物联手段获取到的装备过程运行监测数据进行采集、处理、分析、呈现、交互 等为途径，完成了 “大规模的系统装备运行监测数据的完整实时存储与检索”“大 数据环境下运行监测数据的智能分布式交互处理”“利用运行监测数据深度解析 直观呈现系统装备运行状况”“具有多层级特征的系统装备运行监测数据的云架 构服务平台”等系统性研究，研发了一系列具有自主知识产权的智能物联大数据 分析决策关键技术，以此为基础申请了 53项发明专利（其中授权21项），发展 成为了相应的方法体系，并在航天测试发射任务、智能消防综合服务、热轧无人 化行车生产、机电设备安装调试及运维等多类对象及场景中进行了指挥控制、在 线监测、诊断评估、决策支持等方面的系统级应用。成果针对系统装备运行提供了智能化的决策和监控手段，为系统装备运行工 况监测和运行机理认识和发现形成了完备的数据基础和先进的技术支撑。

“智能物联大数据分析决策系统”是以复杂装备及过程在工程现场的指挥决 策为需求、以对大规模运行工况进行智能化分析与决策作为切入点、以对使用先 进物联手段获取到的装备过程运行监测数据进行采集、处理、分析、呈现、交互 等为途径，完成了 “大规模的系统装备运行监测数据的完整实时存储与检索”“大 数据环境下运行监测数据的智能分布式交互处理”“利用运行监测数据深度解析 直观呈现系统装备运行状况”“具有多层级特征的系统装备运行监测数据的云架 构服务平台”等系统性研究，研发了一系列具有自主知识产权的智能物联大数据 分析决策关键技术，以此为基础申请了53项发明专利（其中授权21项），发展 成为了相应的方法体系，并在航天测试发射任务、智能消防综合服务、热轧无人 化行车生产、机电设备安装调试及运维等多类对象及场景中进行了指挥控制、在 线监测、诊断评估、决策支持等方面的系统级应用。 成果针对系统装备运行提供了智能化的决策和监控手段，为系统装备运行工 况监测和运行机理认识和发现形成了完备的数据基础和先进的技术支撑。其技术 发明应用效果好、创造性突出，达到国内领先的水平，具有广阔的市场应用前景。

一、项目简介 磁共振成像以其具有多模态成像、高分辨及无辐射伤害等优点，在临床医学影像中具有无可替代的地位。然而较慢的成像速度及易受各种伪影干扰是其主要缺点。另一方面，随着临床上对磁共振成像需求的急剧增长，诊断医生的缺口越来越大，并严重影响病人得到及时、准确的诊断。因此，在磁共振成像中引入以深度学习为代表的智能技术，一方面用于加速成像采集速度及提高成像质量，另一方面用于进行智能诊断，解决临床医生人力不足、误诊率较高的问题。 二、前期研究基础 基于我们在磁共振成像方法设计、超分辨率重建及临床应用等方面的跨学科研究优势，我们利用深度学习技术对磁共振成像的各个方面进行整合优化设计，并取得许多重要的初步成果，具有良好的前期工作基础。 三、应用技术成果 我们在深度学习与超快速磁共振成像方面的结合进行了深度研究，并取得许多重要成像。我们研究了基于深度学习的超快速多参数磁共振成像重建，并取得良好的效果，如图1所示。我们还研究了利用深度学习对磁共振成像进行无参考扫描的扭曲校正，如图2所示。