|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
業(yè)大學(xué).jpg){kind=logo}
轉(zhuǎn)基因小鼠骨骼肌營養(yǎng)不良模型的構(gòu)建方法
本發(fā)明提供一種轉(zhuǎn)基因小鼠骨骼肌營養(yǎng)不良模型的構(gòu)建方法，其是利用Tet?on系統(tǒng)與轉(zhuǎn)基因技術(shù)構(gòu)建可以在肌肉內(nèi)特異性誘導(dǎo)表達microRNA29a和microRNA29b1的轉(zhuǎn)基因小鼠，可作為人Ullrich型先天性肌營養(yǎng)不良的實驗動物模型，與Ullrich型先天性肌營養(yǎng)不良的表現(xiàn)相同，本發(fā)明構(gòu)建的實驗動物模型在生長過程中也存在嚴重的呼吸問題，約17％的小鼠會在斷乳前由于呼吸障礙而死亡，全部轉(zhuǎn)基因鼠會出現(xiàn)骨骼肌發(fā)育不良，為人Ullrich型先天性肌營養(yǎng)不良的治療與研究提供了有力的工具。
中國農(nóng)業(yè)大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于元模型的智慧城市異構(gòu)數(shù)據(jù)共享方法
本發(fā)明公開了一種基于元模型的智慧城市異構(gòu)數(shù)據(jù)共享方法，包括 1：基于 MOF 元建模理論，構(gòu) 建城市數(shù)據(jù)元模型建模框架；2：根據(jù)城市數(shù)據(jù)特征及描述需求，構(gòu)建城市數(shù)據(jù)元模型通用元素集；3： 根據(jù)城市數(shù)據(jù)基本分類和專用元素集擴展模式，發(fā)展數(shù)據(jù)元模型專用元素集；4：基于 XML 模板建模， 形成元模型通用元素集和專用元素集形式化方法；5：實現(xiàn)網(wǎng)絡(luò)目錄服務(wù)、數(shù)據(jù)服務(wù)，建立開放式城市 數(shù)據(jù)元模型注冊和管理平臺；6：根據(jù)用戶實際應(yīng)用需求，設(shè)計城市數(shù)據(jù)細粒度發(fā)現(xiàn)接口并獲得數(shù)據(jù)。 本發(fā)明為用戶提供了一種開放式、標準化城市異構(gòu)數(shù)據(jù)共享的解決方案，為城市異構(gòu)數(shù)據(jù)在線訪問、后 續(xù)處理及協(xié)同應(yīng)用提供了支持，是城市異構(gòu)數(shù)據(jù)共享中高效實用可靠的方法。
武漢大學(xué)
2021-04-13
.jpg){kind=logo}
一種副豬嗜血桿菌感染仔豬模型的構(gòu)建方法
其他成果/n一種副豬嗜血桿菌感染仔豬模型的構(gòu)建方法，涉及動物模型構(gòu)建領(lǐng)域，包括將若干CD仔豬養(yǎng)殖至18～25日齡，均分為感染組A和對照組B，判定CD仔豬體內(nèi)不存在HPS病原、不含APP病原或APP抗體后，飼養(yǎng)至40～70日齡時，向感染組A中所有CD仔豬氣管內(nèi)接種HPS菌種；向?qū)φ战MB中所有CD仔豬氣管內(nèi)注射培養(yǎng)基，得到空白組B′，觀察并檢測攻毒組A′、空白組B′，提取攻毒組A′、空白組B′的肺臟組織的總DNA，判定攻毒組A′的肺臟組織中存在HPS病原的同時，空白組B′的肺臟組織的中不存在HPS病原。
武漢輕工大學(xué)
2021-01-12
.jpg){kind=logo}
精軋負荷分配優(yōu)化設(shè)計與模型自適應(yīng)技術(shù)研究
小試階段/n項目已解決的關(guān)鍵技術(shù)問題和技術(shù)創(chuàng)新點：1.提出了精軋變形抗力模型新型“九宮格”自適應(yīng)學(xué)習(xí)方法，在“軋制溫度*變形速率”參數(shù)空間上布置多個特征點，對參數(shù)空間上與當前軋制工況位置相鄰的 9 個特征點進行加權(quán)插值，獲得空間任意均連續(xù)的自學(xué)習(xí)參數(shù)，它是位置坐標的函數(shù)，打破了原來的“自學(xué)習(xí)系數(shù)與層別一一對應(yīng)”的關(guān)系，使自學(xué)習(xí)系數(shù)精確到工作點坐標，解決了 原有的不同層別的自學(xué)習(xí)參數(shù)相互不關(guān)聯(lián)、跳躍大、不連續(xù)等問題。新方法上線后，應(yīng)用效果非常明顯，每月帶鋼因厚度超差導(dǎo)致的預(yù)封鎖量從投用前的 45 塊/
武漢科技大學(xué)
2021-01-12
軋機過程控制數(shù)學(xué)模型與軋制穩(wěn)定性技術(shù)
小試階段/n軋機過程控制數(shù)學(xué)模型與軋制穩(wěn)定性技術(shù)直接影響帶鋼產(chǎn)品質(zhì)量與生產(chǎn)成本。該技術(shù)在結(jié)合生產(chǎn)工藝與設(shè)備控制技術(shù)的基礎(chǔ)上，綜合現(xiàn)代控制理論、數(shù)學(xué)建模和人工智能技術(shù)，形成完整的軋線關(guān)鍵模型與軋制穩(wěn)定性控制技術(shù)，已在寶鋼、梅鋼、漣鋼等國內(nèi)多條大型熱連軋生產(chǎn)線上成功在線應(yīng)用。發(fā)表核心期刊論文30多篇，授權(quán)、受理發(fā)明專利30余項，軟件著作權(quán)3項。。關(guān)鍵技術(shù)：1）高精度軋制設(shè)定模型與尺寸控制。高精度帶鋼厚度控制技術(shù)：包括高精度軋制力能模型、全線一體化分布式溫度模型、輥縫模型，保證高精度的頭部設(shè)定；高精度AG
武漢科技大學(xué)
2021-01-12
.jpg){kind=logo}
焦爐直行溫度數(shù)學(xué)模型的計算機仿真系統(tǒng)
焦爐煉焦是一個復(fù)雜的工藝過程，煤料在炭化室內(nèi)隔絕空氣加熱,即高溫干餾。經(jīng)過干燥、熱解、熔融、粘結(jié)、固化、收縮等階段，最終成為焦炭。 焦爐直行溫度是指機側(cè)和焦側(cè)標準立火道的平均溫度，它代表全爐的平均溫度水平，是直接影響焦化速率和焦炭成熟時間的主要參數(shù)之一。燃燒室溫度在一個結(jié)焦期內(nèi)由于相鄰炭化室所處結(jié)焦狀態(tài)不同而發(fā)生規(guī)律性波動，即形成通常所說的“W”曲線，其峰值間的時間間隔取決于推焦串序、循環(huán)檢修計劃和周轉(zhuǎn)時間。本項研究是以焦爐“燃燒室—炭化室傳熱過程數(shù)學(xué)模型”為基礎(chǔ)，運用混合編程、多任務(wù)和動態(tài)摸擬等技術(shù)首次將焦爐燃燒室—炭化室傳熱過程數(shù)學(xué)模型拓展為“焦爐直行溫度數(shù)學(xué)模型”，并開發(fā)了由一組燃燒室和炭化室組成的“焦爐直行溫度數(shù)學(xué)模型計算機仿真系統(tǒng)”。運用該模型可以仿真不同的推焦計劃、裝爐煤水份、裝煤量、燃料熱值等熱工參數(shù)對焦爐直行溫度的影響，從而為焦爐直行溫度的優(yōu)化設(shè)定提供堅實的理論依據(jù)。
北京科技大學(xué)
2021-04-13
.jpg){kind=logo}
圖像自動標注和模型訓(xùn)練技術(shù)在工業(yè)視覺中的應(yīng)用
1. 痛點問題
工業(yè)視覺場景下普遍存在缺陷樣本數(shù)量少、難采集，已有標注方案無法完全發(fā)揮樣本數(shù)據(jù)效用等問題。在工業(yè)視覺應(yīng)用場景中，產(chǎn)線整體生產(chǎn)良率均已達到相當水平，人工可識別的缺陷樣本數(shù)量相對較少，且采集難度較大。制造生產(chǎn)環(huán)節(jié)對產(chǎn)線效率要求較高，模型訓(xùn)練難以實現(xiàn)精度與效率上的平衡。
2. 解決方案
本項目將最新的少樣本學(xué)習(xí)、連續(xù)學(xué)習(xí)、模型壓縮與優(yōu)化技術(shù)，與工業(yè)場景中的缺陷檢測需求深入結(jié)合，致力于工業(yè)視覺自主知識產(chǎn)權(quán)軟硬件一體化裝備研發(fā)。針對玻璃深加工與半導(dǎo)體晶圓宏觀缺陷檢測，本項目已完成工業(yè)視覺全流程視覺感知算法、人工智能算法研發(fā)平臺、玻璃智能一體檢測設(shè)備、晶圓宏觀缺陷檢測設(shè)備等智能設(shè)備的原理驗證和裝備試制，同時有多項智能設(shè)備在研。
本項目在玻璃與半導(dǎo)體缺陷檢測中，基于圖像自動標注方法完成少樣本場景下的數(shù)據(jù)采集與標注，通過弱監(jiān)督學(xué)習(xí)和連續(xù)學(xué)習(xí)方法完成有效模型構(gòu)建，并針對長尾數(shù)據(jù)集設(shè)計模型訓(xùn)練和優(yōu)化方法，實現(xiàn)高效工業(yè)視覺感知計算。針對工業(yè)視覺場景，本項目集成視覺感知算法能力，研發(fā)人工智能算法研發(fā)平臺，該平臺秉承低代碼化、可視化等原則，打造包含數(shù)據(jù)采集與標注、算法訓(xùn)練與評估、模型壓縮與優(yōu)化、應(yīng)用部署與管理的數(shù)據(jù)閉環(huán)。
合作需求
尋求浮法玻璃深加工、半導(dǎo)體加工與制造等行業(yè)企業(yè)合作。
清華大學(xué)
2021-12-23
水輪機調(diào)節(jié)系統(tǒng)高階數(shù)學(xué)模型的降階方法
一種水輪機調(diào)節(jié)系統(tǒng)高階數(shù)學(xué)模型的降階方法，包括如下步驟：①簡化系統(tǒng)分母的最高次項，實現(xiàn) 系統(tǒng)的一次降階，得到一次低階等效系統(tǒng)式；②從波動疊加的角度出發(fā)，將一次低階等效系統(tǒng)式變換為 兩個 2 階子系統(tǒng)相加的形式；③進行拉普拉斯反變換，得到水輪機調(diào)節(jié)系統(tǒng)的一次低階等效系統(tǒng)在負荷 階躍擾動下的機組轉(zhuǎn)速響應(yīng)波動方程；④對完整 5 階系統(tǒng)式進行二次降階；⑤利用二階系統(tǒng)進行水輪機 調(diào)節(jié)系統(tǒng)轉(zhuǎn)速響應(yīng)調(diào)節(jié)品質(zhì)的影響因素分析。其優(yōu)點是：較之其他降階方法，本方法是
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于有限混合模型的行人再識別方法
本發(fā)明公開了一種基于有限混合模型的行人再識別方法，屬于 計算機視覺和模式識別領(lǐng)域，提升行人再識別的準確度，包括以下步 驟：(1)構(gòu)建行人圖像庫預(yù)處理圖像并提取圖像特征；(2)計算圖像庫中 所有圖像的有限混合模型和待再識別行人的圖像的有限混合模型參 數(shù)；(3)將需再識別行人的有限混合模型與圖像庫中所有圖像的有限混 合模型之間的距離進行最優(yōu)化求解，并進行距離排序返回再識別結(jié)果。 本發(fā)明優(yōu)化混合模型之間的距離度量，提高行人
華中科技大學(xué)
2021-04-14
一種目標的數(shù)字化模型生成與驅(qū)動技術(shù)
1.痛點問題
本項預(yù)期成果是解決復(fù)雜場景中目標三維數(shù)據(jù)重建、驅(qū)動的關(guān)鍵技術(shù)。
針對實際應(yīng)用中復(fù)雜運動場景，例如剛性運動的交通工具，變形移動行人等，傳統(tǒng)的運動結(jié)構(gòu)恢復(fù)方法在進行場景深度求解時無法確定每個單元結(jié)構(gòu)的相對尺度，導(dǎo)致無法對復(fù)雜運動場景進行重建。在現(xiàn)有的深度估計、語義分割、位姿估計等相關(guān)技術(shù)，存在識別精度低、提取不到關(guān)鍵信息、應(yīng)用場景單一等問題，無法滿足大尺度場景應(yīng)用的需求。
2.解決方案
本項目成果提出了一套面向目標、人體深度數(shù)據(jù)重建技術(shù)，有效實現(xiàn)對復(fù)雜運動場景下人、物的深度重建與驅(qū)動，有效解決現(xiàn)實場景目標的數(shù)字化模型生成與虛擬場景下的驅(qū)動映射問題。提出多模態(tài)采集、時空復(fù)用編碼攝像方法，獲取大景深、高時空分辨、豐富的精確場景視覺信息，基于超像素關(guān)系分析的深度重建方法，包括目標超像素分割，圖像幀匹配，運動關(guān)系判定，通過時序傳播與概率模型更新實現(xiàn)實時深度重建，提高最終三維重建模型的稠密度、魯棒性、一致性和準確度。構(gòu)建了基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標實例檢測與位姿估計框架，從目標對象觀測圖片提取其分割掩碼并不斷迭代更新，輸入深度卷積神經(jīng)網(wǎng)絡(luò)進而得到目標6D位姿估計并進行迭代改進，從而實現(xiàn)目標在動態(tài)復(fù)雜場景下的位姿還原，克服了在光照、姿態(tài)變化、遮擋等不良因素環(huán)境下的目標位姿不準確問題，確保了目標6D位姿估計的魯棒性與準確性。
合作需求
尋求在元宇宙、數(shù)字城市、自動駕駛、AR/VR、機器人、制造業(yè)等領(lǐng)域有相關(guān)技術(shù)開發(fā)、市場推廣經(jīng)驗，能推廣本技術(shù)落地的高科技企業(yè)，可以進行深度合作。
清華大學(xué)
2022-07-14