产品详细介绍电动振筛机使用说明书 6611型电动振筛机 （河北路仪） 该机适用于公路、建筑、地质冶金科研等部门的试验室对物料进行筛分分析，每次开机5分钟，既方便又简单完成分级工作。 主要技术参数： 筛子直径：300mm 200mm： 震幅：8mm； 振击次数：147次/分 ； 筛摇动次数：221次/分； 回转半径：12.5mm； 电动振筛机使用说明书ZBSX—92A型顶击标准振筛机 简介： 该机适用于公路、建筑、地质冶金科研等部门的试验室对物料进行筛分分析，每次开机5分钟，既方便又简单完成分级工作。 用途： 分样筛振摆仪主要由摆动机构，震击机构，夹紧机构等部分组成。电动机通过转动轴，蜗轮付带摆动架上的主偏心轴旋转，从而又连带动其它两个付偏心轴回转促使整个筛组的摆动半径，也等于偏心距的平面圆周摆动。同时在同一台电动机带动另一对蜗轮付通过凸轮，顶杆装有筛组的摆动架，周期地顶起靠自重下落在机座的砧座上，使摆动架得到平面圆周摆动的同时进行震击。 参数： 1．筛子直径： 300mm 200mm 2，震幅； 8mm 3．振击次数： 147次／分 4．筛摇动次数：221次／分 5，回转半径： 12．5mm  振摆仪与筛子使用说明 1、在按放筛子时，应按照筛孔大小顺序迭放，同时另加一个筛子底盘。电动振筛机使用说明书 2、将需筛分化验的物料倒入最上层的筛子内，盖好筛盖然后按放在振摆仪承筛座内。 3、反时转夹筛盘上的胶木手柄，将整个夹筛盘向下滑在套筛上，然后，再顺时针旋转夹筛盘上胶木柄，其内的顶杆轴夹紧承座，把整套分样筛固紧。 4、把振摆仪上的定时器旋钮拨到筛析所需时间，打开电源开关，振摆就会开始筛转式的工作。 5、待定时器到达先定时间的定位，振摆仪自动停止工作。 6、反时针旋转夹筛盘上的胶木手柄将央筛盘松开并向上提，固定在滑套上，取下分样筛。依次将需析后残留在各号筛子内的物粒用天平称重精确到检析比例。 7、初次工作时无上下震动，因电机倒转，请将电源线头调换一下。 8、工作结束关闭电源。 电动振筛机使用说明书同时供应试验仪器、无损检测、力学设备、各种试模、各种筛具，混凝土试验仪器   水泥试验仪器 无损检测仪器 公路土工试验仪器 沥青试验仪器 压力机、拉力机 水泥、混凝土试模类  天平类  其它检测仪器 河北路仪电话03174608382 传真03174608387 手机：13703330687 QQ：1379916211 网址http://www.010yq.com 邮箱：yiqi0687@163.com 电动振筛机、筛析机、摇筛机、顶击式振筛机、振筛机、电动筛  

本实用新型涉及一种用于轮辋超声相控阵探伤的自动扫查装置，包括传动装置、控制器、机架、超声相控阵探头架组件。传动装置通过步进电机带动丝杆传动；控制器用于控制步进电机转动及机架中的电磁铁吸附；机架用于固定传动装置，并通过电磁吸铁吸附在车轮两端；在超声相控阵探头架组件中，连杆铰链一端通过滑块连接丝杆，另一端通过活动铰链连接超声相控阵探头架组件，相控阵探头组件中设计可伸缩机械结构实现与轮辋表面的耦合。本实用新型可用于对轮辋的自动超声相控阵检测，能自适应轮辋的曲率，具有装卸简便、适应性强、自动化程度高等优点

本新技术成果提供了一种铁路车轴相控阵超声探伤自适应扫查装置。采用空气压缩力驱动超声波探头夹具，气体流量和压力可调节，浮动定位压力，避免压力过大损坏夹具和探头，保护检测设备安全；在探头定位过程中，根据检测车轴直径，自适应调节探头单轴旋转角度，满足不同直径的火车车轴探伤需求；在探伤检测过程中，探头可沿伸缩导柱运动，压簧伸缩调节探头和车轴表面贴合压力，随动滚轮转动，减小探头和车轴表面的摩擦力，保证探头耦合的稳定性。本装置操作方便、适用性强、保证探头定位安全性和稳定性，提高了超声波车轴探伤的检测效率。

视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。

2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。​结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。 

中国电子学会发布“电子信息领域优秀科技论文（2020）遴选活动”入选论文。东南大学尤肖虎、张川、谈晓思、金石、邬贺铨联合署名的论文《AI for 5G: research

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 赵玉蓉 外国语学院/英语 2016/2020 201631131102 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 阮先玉 外国语学院/英语 教研室主任/副教授 语言学、翻译 四、项目简介 随着互联网的发展，机器翻译成为翻译活动中的重要的辅助工具。而机器翻译错译、死译频出，给翻译工作带来诸多不便。近年来，“大数据”的出现为机器翻译带来了新希望，其独特的“4V”特点将对机器翻译产生革命性的影响。尤其最近出现的AI同传给翻译行业带来了不小的冲击，本项目希望通过探究大数据在AI同传中的应用，分析AI同传翻译的优点和局限性，推动机器翻译的发展。

1.痛点问题 新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。根据国家工业和信息化部对30余家大型骨干企业调查结果显示，130种关键材料中，有32%国内完全空白、54%虽能生产，但性能稳定性较差、只有14%左右可以完全自给，亟需新思路来解决我国新材料研发难题。本项目着眼于新材料研发，希望通过创建目前业内空白的智能化新材料研发范式，引领行业智能材料开发自动化服务与工艺的开发。 在数字化、智能化浪潮中，国家和各行业的产业界都非常看重科研的智能化升级。通过持续的交流与调研，我们发现许多企业和研发团队目前对智能研发存在大量潜在需求，而智能研究服务与工艺的同类竞品极少。因此，清华智研将作为一家高新科技企业，以AI赋能研发（AIEmpoweringResearch&Development）为使命，组建国际顶尖水平团队，向国内引进并自主开发世界前沿的AIforScience技术，打造世界级的AI未来实验室（World-ClassAIFutureLab）。 2.解决方案 本技术为新材料研发数字化智能服务平台，可在材料研发过程中对各个尺度以及不同研发阶段下进行智能化的加速及分析服务。以各种人工智能算法为核心，如主动学习算法，图神经网络，卷积神经网络等，我们根据不同材料体系的尺度包括三大方面：1.针对分子及晶体等微观尺度的功能材料研发，设计智能化的深度学习系统。2.针对二维功能材料及其功能性器件、催化剂、膜材料等宏观尺度，设计智能化的深度学习系统。3.针对功能材料研发的表征仪器等平台尺度，设计智能化的系统解决方案。这些智能化解决方案能极大地加速新材料尤其是碳中和相关材料的研发速度，从而大大地降低研发成本与时间，为企业获得有竞争优势的科研壁垒。 自动化和人工智能助力未来智能实验室的方方面面，从样品制备（称量固体、添加液体、超声处理.等)，到合成（分配液体，控制温度，混合，测量pH值，干燥等)、表征（气相色谱，高效液相色谱，分光光度法等)，通过自动化/机器人的辅助，可以有效提高可重复性，提高信噪比，加快实验速度。通过人工智能技术，将实验数据转换为可操作的智能指导，快速浏览并利用复杂的数据，提升认知能力。 智能化研发平台 3.合作需求 拟成立公司推动该项成果的产业化进程，希望对接 1）工程化、产品化所需的资源； 2）新能源、新材料领域合作企业。