南京智农云芯大数据科技有限公司(简称AgriBrain)是一家专注农业领域大数据分析与人工智能解决方案的高科技公司，基于自主研发的无代码AI平台GrowthBrain、自动化表型引擎PhenoBrain和高精度全基因组选择算法平台GSBrain，旨在为科研、教育和企业用户提供低成本、高效率、智能化的AI解决方案。 GrowthBrain无需编程简单拖拽即可实现海量算法训练和分析，傻瓜式设计无需用户具备算法背景，旨在降低AI应用门槛让用户更专注自身业务领域。PhenoBrain可以使得客户根据自身场景进行快速的本地分析、调用或集成,同时相比业内高昂的表型平台，具备低成本、高个性化等优势；GSBrain中的全基因组选择算法，经三组数据实验数据验证比当前国际开源算法稳定提升 9%~45%，可更高效的进行子代筛选和更精准的指导基因编辑。 公司核心团队由美国上市公司的研发、南农等顶尖高校的机器学习、表观遗传、农学等专业背景成员组成，合作客户包括上海交大、中国农大、上海农科院等知名单位。 

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

舆情监控是整合互联网信息采集技术及信息智能处理技术通过对互联网海量信息自动抓取、自动分类聚类、主题检测、专题聚焦，实现用户的网络舆情监测和新闻专题追踪等信息需求，形成简报、报告、图表等分析结果，为客户全面掌握网民思想、行为动态，做出正确舆论引导，提供分析依据。西安交通大学大数据分析技术与算法国家工程实验室舆情大数据分析研究小组在舆情监控领域进行了大量的研究工作，在数据方面构建了包括 Facebook、Twitter、微博、贴吧、门户网站、论坛在内的 100 余处主流站点的数据，构建了包括文本、图片、视频等在内的跨模态舆情大数据。该项目团队拥有完整独立自主的知识产权，实现了技术的自主可控，并且能够提供一站式社交网络信息处理方案和技术支持，如更广的数据采集扩展、丰富的数据分析、多样的舆情报告、多端的平台应用。目前该系统已应用于教育部考试舆情监控系统、榆林舆情监控系统、丝路学院知识中心，用户涵盖国家部委、公安、宣传、军队、高校等领域，并获得了用-- 25 --西安交通大学国家技术转移中心户的一致认可和高度评价。

一、项目简介舆情监控是整合互联网信息采集技术及信息智能处理技术通过对互联网海量信息自动抓取、自动分类聚类、主题检测、专题聚焦，实现用户的网络舆情监测和新闻专题追踪等信息需求，形成简报、报告、图表等分析结果，为客户全面掌握网民思想、行为动态，做出正确舆论引导，提供分析依据。西安交通大学大数据分析技术与算法国家工程实验室舆情大数据分析研究小组在舆情监控领域进行了大量的研究工作，在数据方面构建了包括 Facebook、Twitter、微博、贴吧、门户网站、论坛在内的 100 余处主流站点的数据，构建了包括文本、图片、视频等在内的跨模态舆情大数据。该项目团队拥有完整独立自主的知识产权，实现了技术的自主可控，并且能够提供一站式社交网络信息处理方案和技术支持，如更广的数据采集扩展、丰富的数据分析、多样的舆情报告、多端的平台应用。目前该系统已应用于教育部考试舆情监控系统、榆林舆情监控系统、丝路学院知识中心，用户涵盖国家部委、公安、宣传、军队、高校等领域，并获得了用-- 25 --西安交通大学国家技术转移中心户的一致认可和高度评价。二、产品性能优势1. 该系统能够通过对不同用户的不同需求，不同舆情监控

项目主要是把贮运厂电气运行数据集成到PHD，并提供WEB浏览，方便管理，实现生产的长期稳定、安全运行，保证贮运厂的经济效益和社会效益的最大化。通过开发专用数据接口，将电气PLC控制系统的相关数据集成到PHD数据库，绘制流程图和制作参数报表和趋势图，通过WEB服务器进行信息发布，经过授权可以进行远程信息浏览。

本发明公开了一种非平衡等离子体产生装置及颗粒状粉末表面 改性处理系统，包括腔体、屏蔽网以及设置在腔体内的高压电极单元 和低压电极单元；高压电极单元设置在高压电极绝缘盖板的下表面， 高压电极单元包括多个均匀阵列排布的高压线电极，在高压电极绝缘 盖板上设置有多个均匀阵列排布的第一通孔；各个高压线电极的一端 与高压电极引线的一端固定；高压线电极的另一端通过高压电极固定 螺栓固定，高压电极引线的另一端通过第一通孔引出；并将各个高压 电极引线连接后作为非平衡等离子体产生装置的脉冲高压输入端。本 发明采用了高压

本发明公开了一种基于可变输入数据流的大动态实时解压缩系统，包括：解帧模块、RS 解码模块、2DECC 解码模块、无纠错解码模块、EDC 检纠错模块、数据打包分发模块、多路并行 golomb 解码模块、多路并行残差预测解码模块、像素收集模块以及组帧模块；解帧模块解析压缩码流的帧格式，分离辅助信息与压缩码流数据；压缩码流数据输入到检纠错模块、多路并行解码模块按块解码，然后将解码后的数据还原成输入的数据形式，完成解压缩工作

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。