本项目检测系统通过高帧频面阵相机动态实时采集纱线图像，配合鲁棒性图像处理与参数检测算法，实现对纱线条干均匀度的全面评价，建立电子黑板和电子织物构建模型，实现纱线条干均匀性的可视化，预测纱线条干在黑板和织物中的外观效应。该项目同时可用于纱疵分类、竹节纱参数检测以及纱线等级预测评定。 关键技术 （1）纱线传动控制各单元的协调与配合：包括传动装置与采集设备各组件的配合设计，纱管退绕装置与主动轮连轴传动时的张力控制，运行中纱线的抖动和跳动问题，暗箱、相机镜头和光源位置的优化调整以及纱线速度、光源亮度与相机帧频、曝光时间的配合问题。 （2）基于 C++与 Opencv 的多线程实时处理框架的搭建，在纱线图像采集的过程中，实现图像的边采集边处理，提高系统的实时性，缩短检测所用时间，杜绝纱线信息丢失现象，从根本解决纱线图像高速检测的问题。 （3）鲁棒性纱线图像处理算法的研发：包括配合实时检测的纱线图像分割算法的研发，相邻图像间重合部位查找算法的研发以及纱线图像可视化模块电子黑板构建算法和电子织物仿真算法的研发。 知识产权及项目获奖情况 已授权发明专利 2 项。发表相关 SCI 论文 6 篇，EI 论文 4 篇 项目成熟度 采用图像式纱线条干检测系统已对多种类型的纱线进行检测，并将检测结果与成熟的仪器和人工结果进行了对比，无论在段片段不匀、周期性不匀，还是相关性分析和长片段不匀方面，该检测系统都可获得与成熟仪器较为一致的结果。 

技术人才，电气、化工、仪表相关高技能人才

环境专业、化工专业相关人才

技术人才：畜牧兽医类检验类专业人才

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

中国科大阳丽华副教授课题组首度发现，当把表面带负电荷的纳米球与细菌混合在一起时，纳米球会选择性吸附到球菌表面、却不吸附到杆菌表面，而且这种基于细菌形貌选择的识别机制受熵增驱动、且普适于组成和表面化学不同的多种纳米球。基于这种物理识别机制、以及ROS极度有限的有效活性半径（不足200 nm）（图1上），研究人员猜想如果纳米球具有光动力效应，那么就可能在光照下高效清除球菌、却不干扰杆菌（图1中和底）。这一猜想得到了采用不同光动力纳米球和多种细菌所做抗菌实验的证实。相关研究成果发表在期刊The Journal of Physical Chemistry Letters 上。

本发明公开了一种基于可重构计算的张量处理架构及其工作模式、FPGA开发板，整体架构包括：QSFP接口、DDR存储模块、访存控制模块、微码控制模块、矩阵模块、片上共享存储模块、控制网络、RISC‑V处理器、可重构计算接口模块、可重构计算模块、可重构配置模块和结果返回网络。整体架构的工作模式分为两种：CPU控制模式和集群计算模式，CPU控制模式用于单片计算时通过CPU控制全局的计算和输出；集群计算模式用于与上位机连接配合上位机执行矩阵计算等计算任务；整体架构通过FPGA开发板实现，FPGA开发板采用Virtex UltraScale+VU13P作为主要逻辑实现平台。本发明通过片上微码的动态粒度配置，可以实现多种运算模式，提升硬件的利用率；硬件实现了多种配置的策略，泛用性高。

农业、食品加工业相关专家

食品、保健品等相关专业