本实用新型涉及一种集控制功能与I/O功能于一体的智能控制器，包括主板电路和罩体，所述主板电路包括MCU单元、电源单元、UI单元、UO单元、DI单元、DO单元、通讯单元，所述UI单元包括模数转换单元、开关量输入处理单元、电平量输入处理单元，所述UO单元包括数模转换单元、外接继电器驱动单元，所述通讯单元包括以太网通讯处理单元、485通讯处理单元、无线通讯处理单元，所述UI单元、UO单元、DI单元、DO单元和通讯单元皆与MCU单元相连，所述电源单元对MCU单元、UI单元、UO单元、DI单元、DO单元和通讯单元进行供电。本实用新型具有最精简的计算机控制结构，采用 CPU 主控单元独立完成控制与运算，其结构紧凑，集成度高，产品具有多种通讯方式，可操作性强。

本发明公开了一种基于缺陷区域预判和水平集的 TFT-LCD-Mura 缺陷检测方法。该方法提出了一种缺陷区域预判法先找到缺陷区域， 然后将缺陷区域的像素剔除，用余下的像素拟合得到背景图像;用原 图像减去背景图像来消除背景不均匀性对缺陷分割的影响，求差后得 到残差图像，然后用一种基于阈值的水平集方法对残差图像进行分割 来检测得到缺陷。该方法可以获得精度较高的背景图像，对于光照影 响有较好的鲁棒性，能够获得准确的分割结果以及较低的误检率。

世界上首台有机融合电化学、光谱学和质谱技术的优势于一体的“单细胞时空分辨分子动态分析系统” 一、项目分类 重大科学前沿创新 二、成果简介 南京大学化学化工学院陈洪渊院士领衔的科研团队，在国家自然科学基金重大科研仪器专项支持下，联合清华大学、东南大学、中国医学科学院药物研究所的研究人员，攻克了单个细胞内分子反应动力学过程高时空分辨和微弱信号精准测量的技术瓶颈，研制成世界上首台有机融合电化学、光谱学和质谱技术的优势于一体的“单细胞时空分辨分子动态分析系统”。 首次阐明单细胞内溶酶体中生物催化反应机制；创建了胞内不同空域热传导系数的准确测量，阐明胞内热量产生与耗散机制以及胞内“出汗”与机体“出汗”散热的生命整体一致性；研制成的极紫外(VUV)质谱成像，摆脱了MALDI技术对电离介质的依赖，极大地降低了二次离子质谱(SIMS)的电离碎片，从而降低了重构分子结构的难度，显著提升了我国生命与健康领域高端科研仪器的国际竞争力。 本项目迄今已发表研究论文逾百篇。包括PNAS 4篇，NatureComm. 2篇，Science Adv.1篇，JACS 6篇，Angew. Chem. Int. Ed. 6篇，Anal. Chem. 49篇等。申请了国内专利41件，国际专利1件，授权18件。项目组成员获得教育部“长江学者奖励计划”青年学者以及2018年度仪器仪表学会分析仪器分会“朱良漪分析仪器青年创新奖”；所研发的“单细胞活性分析仪”获“2018年度科学仪器行业优秀新产品奖”及“2021年度日内瓦发明金奖”。

四川大学高压多组分气体吸附仪采购项目招标项目的潜在投标人应在成都市高新区吉泰五路88号3栋7层1号（花样年·香年广场）获取招标文件，并于2022年06月14日10点00分（北京时间）前递交投标文件。

东南大学能源与环境学院台式X射线衍射仪采购招标项目的潜在投标人应在东南大学采购中心网（https://dnzb.seu.edu.cn/）获取招标文件，并于2022年06月16日14点00分（北京时间）前递交投标文件。

华中科技大学任意波形发生器采购项目招标项目的潜在投标人应在网上获取（请将获取招标文件需提供的资料扫描件（PDF版）发送电子邮件至jinlinjing@hbzwlx.cn）或现场获取(湖北省武汉市武昌区群星城K3-2-1801)获取招标文件，并于2022年06月22日09点30分（北京时间）前递交投标文件。

南京大学场发射扫描电子显微镜系统 招标项目的潜在投标人应在中招联合招标采购平台网址为：http://www.365trade.com.cn/获取招标文件，并于2022年06月29日 14点00分（北京时间）前递交投标文件。

四川大学超高速离心机采购项目招标项目的潜在投标人应在成都市高新区吉泰五路88号3栋7层1号（花样年·香年广场）获取招标文件，并于2022年07月12日11点00分（北京时间）前递交投标文件。

电感耦合等离子体化学气相沉积招标项目的潜在投标人应在北京市丰台区广安路9号国投财富广场6号楼1601室获取招标文件，并于2022年07月11日14点00分（北京时间）前递交投标文件。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。