成果简介：当前已经完成成果：已完成星上实时云剔除、关键区域/目标的快速提取算法研究；实现了光学遥感星上处理SoC芯片功能样片研制和测试，单片可实现155Mbps输入速率的实时处理，功耗小于600mw。 2015年完成成果：完成高性能、抗辐照星上光学遥感数据SoC处理器研发，并基于自主芯片构建星上并行实时处理原型样机，实现星上90%以上实时云剔除、关键区域/目标的快速提取等智能实时处理。 项目来源：民口863项目 技术领域：地球观测与导航技术

成果简介：星上图像目标实时处理分系统是我国首个在星上实现了实时目标检测和定位处理，处理延迟小于5s，检测和定位精度与地面实时处理相同。该系统采用模块化设计，基于FPGA+DSP异构并行，可在轨实现1Gbps速率数据的实时目标检测处理。系统功耗小于60W。 项目来源：型号项目 技术领域：信息技术/地球观测与导航技术等 应用范围：相关技术可应用于五院后继GF、MJ遥感卫星星上实时处理系统构建 现状特点：国内领先 技术创新：

一种潜流式园林滤池污水处理系统，属污水处理领域。依据村镇地形地势，与绿地或绿化工程实施一体化设计与施工，无需另占土地，包括前处理单元、渗滤调节单元、复合人工湿地单元；复合人工湿地单元由潜流式园林滤池和表面流人工湿地组成。潜流式园林滤池表面覆有粘土层，种植园林湿地植物，处理系统后面连接当地景观水体，作为其主体补水水源。本发明为生物生态组合技术，处理系统流程简单，维护管理方便，工艺灵活，处理效果好，可依据污水水质、水量变化特征，合理分配前处理单元和复合人工湿地单元污染物负荷，优化配置各单元工艺参数，防止

已有样品/n重点突破智能终端深度学习处理器芯片设计，研发并改进CNN、RNN 等深度学 习算法和技术，设计并研发Alex、Caffe、Torch等常用的深度学习架构。深度学习 处理器芯片支持CNN/DNN/MLP等主流深度学习神经网络算法，基于深度学习处理器 芯片的智能设备可运行手写数字识别等任务；深度学习处理器芯片处理imagenet测 试集图像分类任务达到30帧/s，芯片面积不超过60平方毫米，单芯片功耗不超过 20W，所研发的芯片性能功耗比超过目前智能终端所使用的主流CPU的100倍。最终 在

项目成果/简介:钛白粉作为白色颜料之王广泛应用于油漆、涂料（水性）、塑料、造纸等不同应用领域 中。该项目为了提高钛白应用性能，在后处理表面工艺技术进行多年的研究，申请了多个钛 白粉领域相关的专利。研究控制钛白粉包覆膜的致密度、厚度等不同质量的包覆膜，提高钛 白粉在油漆、涂料（水性或油性）、塑料（色母粒）、造纸等领域中应用性能，提高分散性， 遮盖力等应用指标。

(1) 针对有机化工废水毒性强、难生物降解的特征，通过非均相 Fenton 氧化，将难降解的污染物转化为易生物处理的物质之后与固定化微生物联用，提高有机化工废水效率和降低成本，探讨化工废水中典型有机污染物的催化氧化降解和生物降解的相互影响机制，对于控制化工废水对环境的污染具有重大的理论意义和实用价值；(2)设计制备磁性微纳米非均相 Fenton 催化材料，具有比表面积大、扩散阻力小、表面活性高等特性，能高效诱导产生羟基自由基，将难降解有机污染物降解为 CO2、H2O 和其他矿物盐，整个过程绿色、无二

成果简介：军事应用中的远距离监视一直是我国边防/海防的重要任务。目 前，基于 CCD/CMOS 的可见光摄像机已在昼间视频监视中得到广泛应用，在 目标观察/态势判断方面等发挥了重要作用。但由于边境和海面经常出现轻雾和中雾天气，能见度较低，影响了可见光视频图像质量。在民用交通中的 应用是城市交通管理及港口码头航运管理的视频实时监视系统也已得到广 泛应用。伴随着工业化的进程及全球气候变化的影响，雾/霾天气增多，大大影响了视频图像的质量，因而导

生活垃圾本征无害化高温处理技术是一种超低二噁英的生活垃圾高温处理（焚烧或热解）工艺方法。在我国已建成的垃圾焚烧装置多数都无法做到。本项目研发的生活垃圾本征无害化高温处理技术，其核心技术包括：延时燃烧系统、烟气超净处理系统和渗滤液资源化系统。这三个系统是本质上区别于传统焚烧技术的核心技术，均已获得国家发明专利。 渗滤液资源化系统是本项目对生活垃圾资源化的科学诠释。垃圾渗滤液通常被业内视为最难处理的高COD和BOD、高盐废水，处理设施投资大、成本高。但在本项目中，垃圾渗滤液被视为一种资源。

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。