AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

仪表智能识别物联网系统由智能读表相机、智能应用系统云平台套件以及大数据智能分析服务组成，通过智能采控终端采集仪器仪表的各项数据，将数据上传到网络服务器，存储、整理分析，通过智能应用系统实现实时在线监控、记录、查询、统计、分析、修改、报警等操作，实现远程智能化管理，提高企业智能化管理水平。

  昆虫对生态系统和全球经济有着重要影响，其中甲虫（鞘翅目）、蝗虫（直翅目）、寄生蜂（膜翅目）、蝇类（双翅目）等是农林业害虫、生物防治及环境评价的重要类群，明确昆虫种类对农林业生产、资源挖掘、生态平衡等领域具有重要作用。项目组对上述昆虫进行了系统的分类研究。     1.创建了金龟子幼虫的形态学分类新体系。利用幼虫头部、臀节、内唇等相关部位的综合特征创建的分类新体系可准确、快速鉴定金龟子幼虫（蛴螬）种类，缩短鉴定时间，提高防治害虫的针对性。解决以前只能等待幼虫发育到成虫，再通过成虫鉴定种类，错过防治最佳时期的难题。该体系已被相关高校教材及科研文献广泛引用，且受到周边国家高度重视，俄罗斯科学院的学者曾来我校合作学习。查新证明本分类新体系为国内外首创。     2.昆虫种类新发现。发现并建立昆虫新属4 个；发现并发表昆虫新种类113个；订正1 个属，建立1 个新组合；发现中国新记录亚科1 个、中国新记录属19 个、中国新记录种类121 个、辽宁省新记录种类428 个；运用分类新体系首次描述并发表鞘翅目金龟子幼虫85 种、蛹48 种。该成果丰富了世界昆虫种类，对害虫生物防治、昆虫资源的利用和开发，以及生物多样性的研究具有重要意义。     3.首次系统研究了中国蚤蝇资源。对中国蚤蝇进行系统的分类学修订，运用形态学和分子系统学的研究方法，探讨了中国蚤蝇的属级系统发育，澄清了属间的亲缘关系。出版了《中国蚤蝇分类》，中科院动物所蝇类专家赵建铭研究员评价该书：是有关中国蚤蝇的第一部专著，填补了中国蚤蝇研究的空白；剑桥大学国际蚤蝇专家Henry Disney亦给予高度评价：是一部极具参考价值的专著。该研究成果在食用菌产业（菌食性蚤蝇）、生物防治（寄生性蚤蝇）及法医鉴定 （尸食性蚤蝇）等领域有着重要意义。     4.主编专著6 部，发表论文96 篇。主要论文专著被他人引用308 次。所发表的论文被SCI数据库收录23 篇，其中6 篇发表于2 区期刊。著作《辽宁甲虫原色图鉴》与《中国东北小蜂及青蜂志》对71 科829 种甲虫及18 科304 种寄生蜂的形态特征、分布、寄主及习性进行了详细研究，为重要甲虫资源及害虫天敌资源的挖掘奠定了坚实的理论基础。《辽宁甲虫原色图鉴》为辽宁省优秀自然科学著作，获第五届中华优秀出版物奖；美国内布拉斯加州立大学的国际金龟子专家Brett C. Ratcliffe教授、中科院动物所甲虫专家杨星科研究员、西北农林科技大学张雅林教授及中国农业大学彩万志教授等对该书均给予高度评价：All in all a VERY NICE book；对东北及全国甲虫区系研究是重要的贡献；是目前国内甲虫出版物的领先者。《中国东北小蜂及青蜂志》是辽宁省教育厅高校科技专著出版基金资助出版的学术前沿著作。

钻削加工是机械制造行业中孔加工的最主要方法，钻头是切削刀具中使用频率最高、应用最为广泛的刀具。多刃多尖钻头（倪志福钻头）“好用，但难磨”是业界公认的，该技术产品的的推广应用的关键问题是“重磨”。胡思节教授采用可换钻尖的形式制造高性能的多刃多尖钻头，改变传统整体钻头结构，使用钻杆和刀片可分离的结构形式，钻杆可多次重复使用，刀片磨损后可快速更换,刀片更换后的定位精度可以达到0.02mm，彻底解决了多刃多尖钻头钻尖“重磨”的难题，为多刃多尖钻头的大面积推广使用铺平了道路。钻尖形式根据多年的研究成果，采用独特的多刃多尖的结构形式(且这些钻型只能用我们自己研发的特有的五轴数控钻尖磨床来加工)。钻尖刀片采用高硬度耐磨的硬质合金材料制造，把“好钢用在刀刃上”，可节约90%以上昂贵的硬质合金材料(硬质合金材料的价格是制造刀杆材料价格的10倍以上)，从而大大降低可换钻尖式硬质合金钻头的制造成本。

针对两个及两个以上调水水库调水量与调水时机不确定的问题，本发明建立基于供水系统全局缺水 风险最小化的水库群联合模拟优化调度模型，采用并行多种群混合进化的粒子群算法 PMSE?PSO 优化 确定满足各水库供水要求的库群调水规则和供水规则，并优化确定多调水水库的最大调水规模，最后基 于优化规则及调水规模进行水库调度计算，进而求出各计算时段调水过程以及各水库区用水户供水量。 本发明针

2020年2月15日，同济大学牵头建设的上海自主智能无人系统科学中心新冠肺炎疫情防控科研攻关团队研发的第一套疫情防控智能识别系统（Tongji NCP-AIS），在同济大学四平路校区大门口开始试运行，可快速识别人流中个体感染者的风险。 科研团队利用人工智能、大数据、人脸识别、温度识别、动作识别等技术，可实现人脸识别、心率监测、呼吸监检测、门禁联动、门禁数据智能更新、咳嗽检测和语音播报，让人工智能技术在疫情防控期间发挥更大的作用，减轻学校相关管理人员的工作，实现疫情期间高效的校园安全管理。系统针对大规模人群，可以自动发现体温不正常个体，实现拍照和跟踪，以及提醒功能。

项目成果/简介: 目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。知识产权类型:其他技术先进程度:达到国内先进水平成果获得方式:与企业合作获得政府支持情况:无

通过机器学习方法对个人的各种属性，如身份、年龄、姿态、表情、颜值、行为等进行自动识别和分析，广泛应用于人机交互、推荐系统、智能监控、安全控制等诸多领域。包括3D手势姿态识别、基于静态图像的人体行为识别等技术。

目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。

人工智能物联网时代要求语音交互有非常好的体验感,室内环境下,当距离超过两米后,通过墙壁的反射造成的混响、音响设备的回声及其他环境噪声对语音识别带来了极大的影响,因此基于麦阵的声音采集与处理模块成为物联网时代的最佳人机交互采集模块。目前成熟的麦克风阵列语音信号采集与前端处理模块尚未出现，市面上仅有少数国外厂家如科胜讯提供双麦降噪芯片。同时,语音识别应用还需要配合降噪处理,目前的方案全部采用分离设计,一颗降噪芯片+一颗语音识别芯片。近年来随着大数据挖掘,基于人工智能神经网络的深度学习开始在语音识别领域进行推广运用,相对于传统的GMM模型,识别率得到了很大的提升。然而神经网络计算量非常巨大,需要采用GPU或CPU阵列的方式来进行运算,并且需要外加语音阵列降噪模块,其方案成本高,体积和功耗大。因此市场上对一款同时支持远场语音麦阵降噪和神经网络识别,具备高性价比的单芯片需求极大,具有巨大的市场前景和竞争力。