长牡蛎“海大1号”是我国培育的第一个牡蛎新品种，填补了我国牡蛎良种培育的空白。中国海洋大学自2006年在国内率先开始了长牡蛎快速生长系的选择育种，以山东乳山海区自然采苗养殖的长牡蛎为基础群体，基于群体选育、辅以分子标记辅助育种，采用有效繁殖亲本数量控制、选育群体世代遗传参数与选择效应评估以及选育世代遗传多样性监测等多项关键技术，通过连续6代成功培育出长牡蛎“海大1号”新品种。该新品种具有生长速度快、壳型规则等特性，目前在山东、辽宁、江苏等地养殖面积超过20万亩，取得了显著的经济和社会效益，有力推动了我国牡蛎养殖业的良种化进程。 长牡蛎“海大2号” 新品种是中国海洋大学继培育我国第一个生长性状优良的长牡蛎“海大1号”新品种的基础上培育的长牡蛎第二个新品种。长牡蛎“海大2号” 新品种是以金黄壳色和生长速度作为选育目标性状，采用家系选育和群体选育相结合的混合选育技术，辅以分子标记辅助育种，经过4代培育而成。该新品种体重和出肉率可分别提高38%和25%以上，左右壳和外套膜均为色泽亮丽的金黄色（养殖户喜称“金牡蛎”“金蚝”），在北方沿海进行了示范养殖，深受育苗企业和广大养殖户的喜爱，大大提高了我国养殖牡蛎的品质和档次。 长牡蛎“海大3号”新品种是以2010年从山东沿海长牡蛎野生群体中筛选出的左壳为黑色的个体为基础群体，以壳黑色和生长速度为目标性状，采用家系选育和群体选育相结合的混合选育技术，经连续6代选育而成。在相同养殖条件下，与未经选育的长牡蛎相比，10月龄贝壳高平均提高9%，软体部重平均提高64.5%，左右壳和外套膜均为黑色，黑色性状比例达100%。适宜在山东和辽宁人工可控的海水水体中养殖。

大气气溶胶，即大气中的悬浮颗粒物。通常所说的PM10（粒径小于10微米，可吸入颗粒物）或者PM2.5（粒径小于2.5微米，可入肺细粒子）是大气气溶胶的重要组成部分。从生成来源上看，大气气溶胶分为一次气溶胶（Primary Aerosols）和二次气溶胶（Secondary Aerosols）。一次气溶胶指自然界或人类活动直接排放的气溶胶粒子；二次气溶胶指通过大气中的物理、化学过程新生成的气溶胶粒子。在大气污染过程中，汽车尾气以及人类其他燃烧过程中产生的氮氧化物、煤炭等含硫燃料燃烧产生的二氧化硫等气体通过参与这些复杂的过程产生二次气溶胶，即“气-粒”转化过程。二次气溶胶是重度霾过程的气溶胶污染物的重要来源。 大气气溶胶以固态、半固态或者液态几种形式的相态而存在，其相态与上述大气中的化学过程有着紧密的联系。气溶胶粒子可以作为大气化学反应的“容器”，在气溶胶表面或内部进行与二次气溶胶生成有关的化学反应。气相分子在不同相态的颗粒物中的传输速率差别很大，固态气溶胶几乎只有表面能发生气相化学反应，而液态气溶胶在颗粒内部也能发生化学反应。因此化学反应加速与液态气溶胶表面积和体积的增大会形成正反馈过程，在液态气溶胶上发生的异相化学反应生成二次气溶胶，对雾霾过程中颗粒物爆发性增长有重要的贡献。因此，对城市气溶胶在边界层内以什么相态存在的空间分布的探测，是研究二次气溶胶生成、演化和扩散所迫切需要的一项技术，对于理解雾霾形成的机理有着重要的意义。 气溶胶的相态与颗粒物的化学组分和环境的相对湿度有关。目前对于颗粒物相态的测量，通常仅限于地面采样观测，缺少垂直空间方向上颗粒物相态的探测手段。在颗粒物浓度相对较高的大气边界层内，垂直方向上相对湿度往往有很大的变化，气溶胶的相态也一定存在很大差异。 北京大学物理学院大气与海洋科学系李成才副教授研究组与北京大学环境科学与工程学院朱彤教授研究组、吴志军研究员研究组共同合作，提出了一种新的利用偏振激光雷达获得气溶胶粒子相态垂直廓线的方法。气溶胶粒子对入射电磁波的散射过程，会造成散射光偏振特性的改变，如果利用线偏振光照射，散射光的偏振度相对于入射光会减小，这种改变称为气溶胶的退偏振能力。利用激光雷达观测的大气退偏振比可以对气溶胶粒子进行分类，例如非球形的冰晶和沙尘具有较大的退偏振比，而近于球形的城市气溶胶细粒子具有较小的退偏振比，区分沙尘与城市细粒子气溶胶的观测技术在国内外已经比较成熟，通常也是激光雷达业务观测的一项主要内容。但是把类似的观测进一步应用于区分城市气溶胶细粒子的特性，国际上尚没有相应的研究结果。通常来说，固态颗粒物形状不规则，而液态颗粒物更趋近于球型，不同相态的粒子退偏振能力存在差异。结合激光雷达垂直观测以及地面颗粒物相态仪的测量，研究组发现，激光雷达观测的城市气溶胶细粒子后向散射退偏振比与气溶胶粒子的弹跳率（与相态相关）具有很好的关系，从而建立了利用气溶胶粒子后向散射退偏振比反演气溶胶相态的参数化方案，并在国际上首次实现了长时间实时连续的气溶胶相态垂直廓线的探测。偏振激光雷达反演气溶胶粒子相态概念图 该研究成果已在线发表在美国化学学会（ACS）主办的环境与生态领域国际顶级期刊Environmental Science & Technology Letters（2018 IF=6.934）上。大气与海洋科学系博士研究生檀望舒为论文第一作者，通讯作者为李成才副教授。北京大学为唯一通讯作者单位。论文评审人之一对论文成果基于高度评价：“......to my knowledge, it is the first time in field studies. Particle phase states have been a hot topic because they can potentially influence the rates of gas-particle partitioning and multiphase reactions. I think this is a timely paper on this topic. The use of lidar depolarization to detect the particle phase states is novel”。

影像学检查在新冠肺炎的诊疗中具有非常重要的参考价值，《新型冠状病毒感染的肺炎诊疗方案（试行第五版）》将“疑似病例具有肺炎影像学特征者”作为临床诊断标准，但在临床实践中存在一定局限，疫情爆发导致待阅片数量激增，医生阅片压力巨大；新冠肺炎属于新发疾病，各地医疗机构特别是基层机构缺乏阅片经验，且由于“异病同影”，容易造成漏诊或误诊；该病病程发展快，患者需要接受多次胸部CT检查以监测病情发展、评估治疗效果等，单凭阅片医生肉眼很难快速对比并识别病灶变化。 在接诊量高峰期，亟待建立更精准高效的人工智能影像辅助诊断方法。孙逸仙纪念医院林天歆教授组织医院呼吸内科、急诊科、放射科、大数据与人工智能团队开展科研攻关，在广州再生医学与健康广东省实验室、广东省科技厅的支持下，联合清华大学、澳门科技大学以及广州康睿智能科技有限公司，使用50万份临床影像学大数据，开发了基于胸部CT的新型冠状病毒肺炎AI筛查和辅助诊断系统。 该系统能对新冠肺炎进行快速诊断，判定新冠肺炎的分级和严重程度，协助医疗机构加速辨别感染者，为快速隔离、诊断、治疗争取时间。其优势主要体现在：快速、准确地诊断新冠肺炎。有经验的影像科医生看完1个患者的胸部CT图像约15-30分钟。该AI系统可在20秒内完成1个患者CT图像的检测及诊断过程，诊断准确率达90%以上。进行病情严重程度分级和重症危重症预测功能。该系统可对胸部CT图像每一切面的小结节、磨玻璃影和实变进行自动分割、标注及定量分析，可预测患者的吸氧频率、血氧饱和度、全身代谢情况、其他器官损伤程度，预测病人发展为重症、危重症的概率和时间，以便医生及时干预，降低患者死亡率。协助医务人员进行药物效果评估，指导用药。系统可对同一位患者用药前后的CT图像进行对比分析，通过定量计算病灶在用药前后的变化，判别药物是否有效，指导临床用药。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

基于大数据和 AI 的应用，可实现复杂场景下的网络问题识别、多场景优化方案的协同策略方案的动态和自动化执行。可以构建智能网络规划及运维平台，以实现极致性能和极简运维，使能新业务的自动化覆盖优化、移动性优化、负载均衡优化、节能优化、故障分析与定位。同样可以基于无线数据和视频数据融合的用户个体及群体行为在多场景应用下，充分发挥5G的优势，创造巨大的社会效益。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。

人工智能语音交互实验套件是一款用于人工智能语音方向的AI实验套件。开发板搭建Linux系统，可自主进行嵌入式生态系统的应用软件开发，支持深度的语音识别、语音唤醒、语音合成等诸多人工智能领域的应用开发。通过这套设备的学习，可以认识了解 AI 人工智能嵌入式设备的架构、硬件部署、软件在 AI 领域中语音识别、语音合成等应用上的实现，是一套 AI 前端实践性极强的学习套件。        套件配套实验清单（含知识点），由资深工程师编写，全面涵盖语音交互技术的实验过程。并提供教学指导、实验视频、实验手册、实验PPT等，便于师生更好的理解实验项目，是高职、本科院校相关专业在 AI 智能语音方向课题的专用教学实验套件。 

深圳博升光电科技有限公司是由美国工程院院士常瑞华创办的中外合资企业，致力于研究生产用于3D感知领先世界的半导体垂直腔体激光器（VCSEL）光芯片。博升光电的创始团队来自加州大学伯克利分校、斯坦福大学、清华大学等国际知名高校。其中研发团队来自硅谷，工程生产团队来自台湾，市场运营团队来自美国及中国，在产品研发、生产、商业运营等方面经验丰富。博升光电成立后即获得业界顶级投资公司武岳峰资本、力合创投、嘉御资本、联想之星等超过1亿元人民币的A轮融资。点击上方按钮联系科转云平台进行沟通对接！