主要研究方向：一、生物医学检测技术二、传感器网络研究三、光机电一体化智能系统研发一、生物医学检测技术 SPR生物医学检测系统应用： 

智能燕窝分选溯源系统是针对燕盏称重及打标、溯源贴标、匹配分选、信息录入等流程开发的智能化装备。 一、项目分类 关键核心技术突破 二、成果简介 智能燕窝分选溯源系统是针对燕盏称重及打标、溯源贴标、匹配分选、信息录入等流程开发的智能化装备，以替代传统的人工作业，提高生产效率，降低成本。

智能样品管理系统是针对实验室样品管理中存在的检测样品种类繁多、形式多样、领取不便等问题研发的一种可实现实验室样品自动化管理的设备。 一、项目分类 关键核心技术突破 二、成果简介 智能样品管理系统是针对实验室样品管理中存在的检测样品种类繁多、形式多样、领取不便等问题研发的一种可实现实验室样品自动化管理的设备，其功能包括样品的自动存入取出、存取样的操作记录、存取人员的权限管理、存样的超期警报。 该系统填补了目前检测实验室制备后样品全自动存取方面的技术和装备空白，在检测/校准实验室、能力验证提供机构等领域具有较大的市场前景。

项目研究背景： 该课题实现了对大型机电设备的在线监测和远程故障 诊断，提高了诊断的精度，降低了对生产企业设备维护的成本，可以实现 生产企业中设备的预防性维护和主动性维护，从而提高了设备的利用率。 课题的研究成果适用于生产企业大型设备的状态监测， 适合在全国范围内 推广。 技术原理： 本课题采用 C#语言、 Matlab 语言和 SQL Server 数据库技 术进行开发，实现设备状态监测数据的远程传送与

神兽们一批批“归笼”，对于家长们来说，真是大舒一口气。不过为了孩子们的安全，各个学校可都费尽了心思。 为了迎接学生返校，温州大学的南北校区大门口，都装上了人工智能防疫的神器。这套由学校大数据与信息技术研究院自主研发的“人工智能防疫系统”，是学校教师自己的研究成果，为学校即将到来的复学工作奠定基础，做好充分的安全准备。 “人工智能防疫系统”是温州大学大数据与信息技术研究院基于数据挖掘技术自主创新研发的智能系统，在传统“亮码+人工核验登记”的通行方式上进行改进升级，与校园大数据、市民卡健康码等数据平台共享，通过人脸识别打造非接触式体征识别与统计管理方式。 除此以外，这套系统还结合人流高峰与日常人行、车行、访客管理等多重场景模式，为师生数字化信息后端服务提供有效防疫应用保障，可实现无接触高精度体温检测，精准掌握风险点，降低防控成本、减少感染风险，大大提升防疫管理水平，提前阻断疫情蔓延渠道。 此外，这套智能防疫系统可在学校数据库中搜集比对师生基本属性及假期行为数据，通过后台分析算法挖掘和模拟用户画像，自动摸排并动态监测师生异常，为学校相关管理部门提供管理和决策依据，提前做好疫情防护及应急预案工作。 温州大学大数据与信息技术研究院成立于2019年10月23日，位于温州市龙湾区浙南云谷，是依托温州市人民政府与中国交通通信信息中心战略合作协议，由交通安全应急信息技术国家工程实验室、温州高新区（浙南科技城）管委会和温州大学共同建设、共同组织管理的研究开发机构。研究院科研主力多为温州大学计算机与人工智能学院博士教师。 为保障开学，研究院向温州大学捐赠了两套系统，学校各部门对即将到来的开学潮充分调研，做好了充足准备。

智能单井管理系统是我公司自主研发的一款适用于各大油田单井智能化运行管理的系统，该系统主要由多功能集油器、多功能仪表终端(SZ-ZNYWJ系列液位计等)及通信网络构成。多功能仪表终端实时采集温度、压力、液位等运行参数，借助通信网络远传至运行管理中心，实现运行参数实时监控、运行波动预警报警、储罐液量及装车液量的计量管理、油井生产数据统计分析、优化罐车装油路线等功能，满足油田单井无人值守需要，达到减员增效的目标。该系统的推广应用能为油田生产建设创造显著的社会、经济效益。

智能网上阅卷系统 智能网上阅卷，系统优化管理     核心功能   试卷扫描 高速扫描：支持多科目混排，高速双面扫描、OMR扫描识别、扫描统计。 混合扫描：支持多种题卡样式混合扫描，含通用、特殊题卡等，可支持上百门课程阅卷。智能识别：客观题无需评阅，扫描过程中自动识别，扫描结束即生成成绩，准确率高。 问题识别：自动识别问题试卷、缺考信息等。   便捷阅卷 灵活打分：键盘给分、鼠标给分、轨迹给分，智能回评、问题卷提交。 功能齐全：支持成绩复核、打回回评、调卷复分、成绩分析等。进度可控可见。 多模式阅卷：支持一评、二评、多评阅卷模式，多种阅卷模式，按需选择。 操作简单：浏览器打开即可评卷。阅卷界面专业友好。可调取参考答案。可做轨迹标记。 成绩报表：自动加分、登分、统计。阅卷完成即可生成分析报表。可分段统计。 统计分析：题目得分、题类得分；平均分、最高最低分、得分率、标准差；其他统计指标。 数据接口：支持自定义字段，一键导出Excel、PDF，提供标准接口，方便与外部平台对接。   评卷轨迹追溯 信息追溯：追溯识别结果、追溯客观题评分、追溯主观题阅卷过程。 成绩复核：独特成绩复核设计，满足最高要求考试管理；支持全卷、大题、小题分区间自定义查询复核。 便捷查询：考生试卷直接调阅；查询考生答卷信息（答题、得分、评分等），试卷展示及存储支持将原卷的批阅过程还原存储。   评卷监管 进度监管：查询阅卷进度、分科目阅卷进度、老师阅卷情况等，线上协同，科学管理。 多维度监控：可按科目阅卷、评卷员、评卷任务等多维度任务监控。 质量管理：多评机制、任务监测、试评定标、高级仲裁、过程监管等满足高等级考试要求。过程监考：阅卷时进行差值分析、误差判断，全过程监管。 权限管理：支持多级权限管理，由指定人员对科目及评卷进行管理。   产品优势   1、云技术架构，安全稳定，具备前端先进的图像智能处理能力，具有丰富的大规模成功案例。 2、支持高校本科和研究生的日常考试和招生考试，支持高教相关各学科、各专业考试网上阅卷，应用广泛。 3、支持空白检测、相似卷检测。异常试卷和分数主动识别和提醒。 4、支持中英文作文、文史类主观题的智能评卷与相似卷检测。 5、专业服务团队定向指导，确保考试顺利完成。        

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。