高仿真胸腹模拟人将颈胸腹的视、触、叩、听的教学、训练和考核融为一体，设计了百余个心血管、肺部体征及腹部触诊模式等。系统包括教师机和学生机，符合教学要求，适合于临床医学的诊断学教学。

高性能处理器、深度定制操作系统，音视频传输的稳定性更高。 优良的扩展性和完善的考试系统，考前设备自动检测，考试过程智能编排，考后结果双冗余备份。 教室授课、对讲、学生语音分组会话时，声音延迟<5ms

       易文汉学汉字智能授课系统，是为语文教学与硬笔书法教学的一线老师提供的智能授课系统。该系统内含完整而丰富的教学资源、与一线教学相配套的语文识字写字课程体系、硬笔书法课程体系。该系统依托前沿的计算机、互联网和人工智能技术，从“如何写”、“怎么读”、“拆开看”、“说结构”、“讲故事”、“知字意”、“写好字”七个维度来透析汉字教学与硬笔书法学习的深层次教学内容。        通过在每个教室安装一套易文汉学汉字智能授课软件，通过账号来访问“易文云”资源和课程。系统可支持跨平台教学，可实现客户端软件和WEB端两种模式进行教学，支持校园内20个教室内安装使用调取授课资源。

纪念瞿秋白诞辰120周年的活动却把“瞿秋白”写成“翟秋白”，“莘莘学子”写成“悻悻学子”，“热烈欢迎”写成“热列欢迎”，“北京航空航天大学”写成“北京航天航空大学”，以及出现“千人计划”、“一带一路”战略等敏感词……这些错误经常出现在高校正式对外发布的内容中。 系统主要功能设计 1、三级词库 慧洲科技智能内容审核校对系统，提供三级词库系统，检查内容发布中存在的错别字、敏感词，提高检测效率。包括： 基础词库 内置专业词库词汇量近100,000,000条，包括时政、地理、人名、成语、词语等专业词库，适合检查非常重要不允许出错的词语。 系统词库 根据日常对网站、新媒体等内容质量的检查结果分析，对常见的错别字、敏感词（如时政类短语等）进行分类定义，加入到内容审查校对库中。 用户自定义词库 针对不同高校和区域，涉及到本校领导名字、地名以及其它行业专有词语的，系统提供用户自定义词库。 2、重大错误告警提醒 对于属于严重错误类型的错别字或敏感词，系统将进行提醒，由管理人员进行紧急干预和处理，以确保内容安全。 3、校对过程监控 在内容校对过程中，系统将全程进行记录、监控。通过记录校对日志，将每一个操作用户的每一次校对进行详细记录，可点击详情查看校对内容。 4、校对数据统计 系统自动对校对过程中发现的疑似错别字、敏感词，按照出现频次高低，通过热点图进行统计排列，对出现次数多的词语进行预警、告知。 系统部署方式 慧洲科技智能内容审核校对系统提供2种方式，方便客户自主选择。 在线云服务：由慧洲科技提供校对服务接口或者提供在线校对编辑器，客户登录系统后，通过导入需要校对的文件，或者拷贝粘贴内容进行校对。 本地插件服务：客户通过下载、安装成熟插件，直接和Word、WPS等文字编辑工具进行无缝集成。在编写文字内容过程中，可以随时进行校对，方便快捷。 主要客户案例 宁夏大学、长治医学院、天津城建大学、苏州城市学院、上海浦东新区政府、上海奉贤区政府、苏州市工业园区、广西钦州市政府、贺州市八步区政府、平桂区政府、昭平县政府、富川县政府、广西税务局、苏州市农业农村局……

本发明涉及纳米材料、催化及分析化学领域，具体包括一种基于多肽作生物模板合成二氧化锰纳米片的制备方法及其在催化及分析化学方面的应用。该方法利用多肽的纳米结构特征及其官能团的性质，将多肽与二价锰离子混合，加入氢氧化钠后常温反应以使二氧化锰纳米片在多肽的稳定下生成。该材料具有仿酶催化特性，使其在分析化学、环境工程和催化领域有着广阔的应用前景。该方法以生物材料为模板，制备工艺简单，反应条件温和环保，纳米结构易控。

医影智能XR眼镜，这款集长续航、轻量化、易携带、AI识别等特性于一体的专业级教学设备，正以三大核心功能重塑医学影像教育生态。 1.医学影像设备可视化 无需实体拆解，医影智能XR眼镜即可实现医学影像设备从整机到内部结构动态呈现，DR平板探测器、CT扫描、MRI成像技术等内容，通过虚拟现实呈现成像流程，设备原理要点一目了然，重建教学内容可视化，实现“所见即所学”。 2.医学影像中心场景漫游  突破空间与场景壁垒，可沉浸式体验影像中心各科室的环境布局，深度感知科室文化；支持全流程模拟操作，可完整演练患者接待、体位摆放、设备参数调试、检查执行等核心环节，为影像中心科室规划优化、新人岗前标准化培训提供专业高效的实操支撑。 3.AI 智能识别 教材识别：精准识别医学影像教材中的图文内容，即时生成3D模型、流程动画及专业讲解。将静态文字转化为立体教学资源，大幅提升课程学习与知识传播效率。 部件识别：快速识别医学影像实体部件，同步生成部件参数、成像原理、维护注意事项等内容并实时讲解，解决现场学习时资料查询繁琐的痛点。

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。

项目成果/简介: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。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

高效率、高精度智能化测量技术已成为我国发展高端制造业的瓶颈。本项目突破了高效率、高精度智能化测量的一系列难题，形成的自主创新关键技术有： 1．首次建立了基于运动学图谱分析的智能测量装备设计方法及通用性设计理论体系，使研发周期缩短了40%，研发费用降低了35%。 2．针对多传感器高精度配准的国际性难题，发明了多传感器联合标定标准器的设计方法。 3．针对测量装备伺服系统高平稳性控制的难题，率先提出了体现温度影响的非线性摩擦建模方法，测量装备运动平稳性提高了59%。 已申请国家发明专利18项（授权5项）、实用新型专利12项（授权12项）、软件著作权7项；以金国藩院士为主任的鉴定委员会一致认为项目整体技术达到国际领先水平。获得2013年天津市科技进步一等奖。 图1 缸套类零件检测用高效高精度智能测量装备 图2 惯性元件检测用高效高精度智能测量装备 图3 手机外壳检测用高效高精度智能测量装备

高效率、高精度智能化测量技术已成为我国发展高端制造业的瓶颈。本项目突破了高效率、高精度智能化测量的一系列难题，形成的自主创新关键技术有： 1．首次建立了基于运动学图谱分析的智能测量装备设计方法及通用性设计理论体系，使研发周期缩短了40%，研发费用降低了35%。 2．针对多传感器高精度配准的国际性难题，发明了多传感器联合标定标准器的设计方法。 3．针对测量装备伺服系统高平稳性控制的难题，率先提出了体现温度影响的非线性摩擦建模方法，测量装备运动平稳性提高了59