PanoSim自动驾驶仿真测试软件介绍 PanoSim是一款面向汽车自动驾驶技术与产品研发的一体化仿真与测试平台，包括高精度车辆动力学模型、高逼真汽车行驶环境与交通模型、车载环境传感器模型和丰富的测试场景等，以及面向汽车自动驾驶软硬件开发的场景及交通流构建、车辆建模、环境传感器构建、虚拟实验台、动画与绘图等系列工具链，具有很强的开放性与拓展性，支持第三方的二次定制化开发，操作简便友好。 （1）支持MIL/SIL/HIL/DIL/VIL多物理体在环仿真：提供各类I/O接口可便捷地接入各类实时处理器、控制器、传感器、驾驶模拟器，以及包括车辆及其底盘和动力执行机构在内的各类软硬件系统，以满足自动驾驶研发在不同阶段、不同环节的实时仿真需求；             （2）支持ADAS/V2X和自动驾驶仿真开发与测试：支持包括汽车自适应巡航（ACC）、自动紧急制动（AEB）、车道保持辅助（LKA）、自动泊车（AP）、交通拥堵辅助（TJP）等在内的高级驾驶辅助系统（ADAS），以及其它自动驾驶技术与产品的仿真开发与测试；  （3）支持驾驶模拟体验、人机交互与人机共驾：支持高逼真度的驾驶体验，包括不同道路、交通和天气环境下的驾驶体验，ADAS功能和自动驾驶系统体验，支持人机交互与人机共驾系统的研发与测试等； （4）支持自动驾驶感知/决策/规划/控制算法开发：集高逼真度道路与环境模型、交通流与智能体模型、传感器模型、车辆动力学模型等于一体，支持自动驾驶感知与决策、规划与控制等算法开发、模型训练和测试要求； （5）支持多节点、分布式实时仿真：通过高逼真实时环境渲染、高精度传感器模型、分布式实时仿真架构、高算力、真实数据接口模拟等支持车辆真实EE架构下包括相机、超声波雷达、毫米波雷达、激光雷达等在内的多传感器分布式机群模拟，以及数据处理器、运动控制器、驾驶模拟器等在环的自动驾驶算法开发与测试； （6）支持数字孪生测试与高并发云仿真: 支持虚拟环境下的道路、交通与气象模型，环境传感器模型等与真实世界车辆和车载软硬件系统的数字孪生测试；支持基于云平台的人-车-路-环境信息融合、云端一体高并发实时仿真；支持云平台下的实时在线学习与模型训练、自动驾驶算法的高效迭代与仿真测试等（以上系统功能见图3）。

发电设备维修是一项复杂的系统工程，然而缺少适用的维修模式、先进的运行与维修智能决策系统和计算机化维修管理系统等作为技术支撑。本项目的主要内容及其技术经济指标如下： 　　（1）基于SRCM的发电设备状态维修管理模式及工作程序：确立了基于SRCM和以工单为主线的维修管理模式，制订了状态维修的工作程序及其具体内容。 　　（2）生产实时数据接口技术及数据库管理系统：开发了生产实时数据接口技术及数据库管理系统，实现了生产实时信息的远程连接、智能查询和有效共享。 　　（3）发电设备状态维修理论与技术体系：确立了功能位置码与系统码相结合的设备编码方案；建立了基于蒙特卡罗模拟的设备重要度分析模型和维修方式决策规则；给出了状态划分规则和状态阈值确定方法，建立了基于模糊理论和变权方法的状态综合评价模型以及基于灰色理论和神经网络的状态综合预测模型；建立了主设备定期维修的间隔优化模型，以及辅助设备定期检查、定期更换、隐患检查的间隔优化和状态维修阈值模型；建立了基于RCM定量分析的维修优化模型；建立了复杂可修复系统的短期维修决策和评价模型。 　　（4）发电设备运行与维修智能决策系统和计算机化维修管理系统：建立了SRCM分析平台和维修知识库，可进行故障模式影响、故障树、故障风险及可靠性分析；建立了状态评价及预测平台，可实现综合状态实时评价和预测；建立了维修决策及评价平台，可实现维修的智能决策及优化；建立了缺陷管理平台，可实现缺陷处理自动化；建立了备件存储优化及管理平台，可节省备件的购买和存储费用；建立了维修过程管理平台，可实现维修计划的全程管理。 　　本项目完善和丰富了设备维修理论与技术体系，可促进发电设备维修技术的进步；为发电设备状态维修的实施提供了先进的技术支持系统和高效的管理平台，可以优化定期维修间隔，减少维修时间，降低维修费用和维修风险；提高设备的可靠性和可用率，改善机组的运行性能，增强发电能力。

发电设备维修是一项复杂的系统工程，然而缺少适用的维修模式、先进的运行与维修智能决策系统和计算机化维修管理系统等作为技术支撑。本项目的主要内容及其技术经济指标如下： （1）基于SRCM的发电设备状态维修管理模式及工作程序：确立了基于SRCM和以工单为主线的维修管理模式，制订了状态维修的工作程序及其具体内容。 （2）生产实时数据接口技术及数据库管理系统：开发了生产实时数据接口技术及数据库管理系统，实现了生产实时信息的远程连接、智能查询和有效共享。 （3）发电设备状态维修理论与技术体系：确立了功能位置码与系统码相结合的设备编码方案；建立了基于蒙特卡罗模拟的设备重要度分析模型和维修方式决策规则；给出了状态划分规则和状态阈值确定方法，建立了基于模糊理论和变权方法的状态综合评价模型以及基于灰色理论和神经网络的状态综合预测模型；建立了主设备定期维修的间隔优化模型，以及辅助设备定期检查、定期更换、隐患检查的间隔优化和状态维修阈值模型；建立了基于RCM定量分析的维修优化模型；建立了复杂可修复系统的短期维修决策和评价模型。 （4）发电设备运行与维修智能决策系统和计算机化维修管理系统：建立了SRCM分析平台和维修知识库，可进行故障模式影响、故障树、故障风险及可靠性分析；建立了状态评价及预测平台，可实现综合状态实时评价和预测；建立了维修决策及评价平台，可实现维修的智能决策及优化；建立了缺陷管理平台，可实现缺陷处理自动化；建立了备件存储优化及管理平台，可节省备件的购买和存储费用；建立了维修过程管理平台，可实现维修计划的全程管理。 本项目完善和丰富了设备维修理论与技术体系，可促进发电设备维修技术的进步；为发电设备状态维修的实施提供了先进的技术支持系统和高效的管理平台，可以优化定期维修间隔，减少维修时间，降低维修费用和维修风险；提高设备的可靠性和可用率，改善机组的运行性能，增强发电能力。

       由山东金歌科学仪器有限公司自主研制的全新一代NMT产品- SRMT1208非损伤微测系统（植物吸收监测仪、NMT活体生理检测仪）具备测量多种关键元素的能力，如磷、硅、锌、铁、铜、铝、砷等。该仪器功能全面，可检测植物所需的全部大量元素、中量元素以及大部分微量元素，同时涵盖离子通量（flux）、离子浓度、分子通量（flux）、分子浓度及膜电位等多项检测项目。   金歌NMT功能特色：   （1）检测种类多；   （2）实时输出时间-flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全；   （3）提供个性化定制，免费升级测试软件。   可检测种类：   （1）大量营养元素：N (NH4+/NO3-)、P (HPO42-)、K+   （2）中微量元素：Ca2+、Mg2+、SO42-、Na+、Cl-、H+、SiO32-、Zn2+、Fe2+、Cu2+   （3）胁迫：Cd2+、Al3+、Pb2+、Ag+、Cr3+、AsO43-   （4）其它：Li+、NO2-   （5）分子：O2、H2O2、IAA、NO、葡萄糖等   测试样品：   根际/种子/花粉管、细胞/液泡、生物膜、藻类、活体组织、神经、骨骼、珊瑚等其它活体样品   测试项目：   （1）离子通量SRIET   （2）分子通量SRPT   （3）离子浓度aIon   （4）pH   （5）分子浓度aMol   （6）膜电位Potential   主要应用：   植物营养生理、逆境生理、植物与微生物互作、作物育种、生理调控机制等研究     附：非损伤微测技术（Noninvasive Microelectrode Technique，NMT）        非损伤微测技术NMT是离子/分子通量测试技术在国内的名字，其全称是非损伤微电极测试技术（Noninvasive Microelectrode Technique，NMT），能够原位、实时、非接触式测量生命活动中离子/分子通量（flux），可用于植物营养生理、盐胁迫和重金属胁迫等研究。        离子/分子通量测试技术（非损伤微测技术）经历了方法学建立、原型机、技术成熟、引进国内和全国产化。         1.方法学建立         1974年，美国麻省伍兹霍尔海洋生物学实验室科学家 Lionel Jaffe 和 Nuccitelli 提出了振动电极（Vibrating Probe：VP）概念，采用振动电极探针技术测量生物体中弱电流，为离子/分子通量（flux）测试奠定了方法学的基础。         2.原型机         1990年伍兹霍尔海洋生物学实验室开发出了基于离子振动电极技术的自动化离子/分子通量（flux）测试系统，在早期的文献中写做 SRIS系统。         3.SIET离子/分子通量测试系统标志着通量测试技术仪器的成熟         1994年，伍兹霍尔海洋生物学实验室员工 A.M.Shipley 和 E.Karplus 分别成立 Applicable Electronics Inc. 和 Sciencewares 公司，联合推出商业机 SIET通量测试系统，标志着离子/分子通量（flux）测试技术仪器的成熟。          4.SIET系统被引进国内          SIET通量测试系统被引进国内后，我国学者从2009年开始在离子/分子通量（flux）测试领域发表文章，当时文章明确标识使用的是SIET通量测试系统。（文献：Plant Physiology, February 2009, Vol. 149, pp. 1141–1153, NaCl-Induced Alternations of Cellular and Tissue Ion Fluxes in Roots of Salt-Resistant and Salt-Sensitive Poplar Species）          5.国产化           金歌仪器科研团队自2011年开始深耕非损伤微测技术（NMT）领域，为在国内推广的通量flux测试系统（非损伤微测系统）研制并供应核心组件。通过不断丰富NMT可测离子种类，成功摆脱了对国外的依赖。           在科技竞争白热化的今天，核心技术自主可控是企业可持续发展的底线和基石。2022年金歌公司成立以来，始终如一坚持创新发展理念，聚焦关键技术攻关，打破原装进口核心部件-国内组装的模式，推动构建自主可控的产业链体系。2025年8月7日，北京知识产权法院判决金歌公司在与某北京公司NMT专利侵权案中胜诉，金歌已逐步确立了其在NMT领域重要生力军的地位。          凭借扎实的科技实力，金歌公司成功打造出可靠的“NMT耗材-零部件-整机”一站式NMT供应平台。通过不断积累并整合自1990年离子/分子通量flux测试技术（即‌非损伤微测技术NMT）诞生三十多年以来已发表成果，我们建立了丰富的NMT大数据库，实现了NMT仪器国产化、自动化、智能化、信息化和标准化，进一步巩固和扩大了我国在NMT领域的优势。          金歌NMT测试界面实时输出flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全。用户购买仪器后，金歌NMT仪器测试种类和检测项目等仍会不断增加，金歌仪器将及时告知用户，郑重承诺免费为用户做测试软件升级。          金歌仪器将永远以客户需求为导向，精益求精，不断推出创新性产品和个性化解决方案，为加快实现高水平科技自立自强贡献智慧和力量。    

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵

本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。

小试阶段/n钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等, 这些方法检到的缺陷类型少, 检测实时性不强, 检测的表面缺陷分辨率也不高, 无法有效评估产品的表面质量状况。本技术涉及一种基于多流形学习的带钢表面缺陷识别方法。其方案是：对于任一副带钢表面缺陷图像向量化的向量数据点分别选择类别相同和类别不同的K 个近邻点建立对应的同类数据子图和异

随着视频与图像技术的快速发展，在监控视频中识别特定人物身份有着重要的实用价值。本项目   针对现实场景下，普遍存在的面部遮挡以及拍摄机位和镜头距离变化，而导致传统基于正面人脸的识 别方法的准确率将大大降低，甚至识别错误的问题，提出了一种基于局部分割与融合的算法，应用于 视频分析平台下的特定人物识别，融合多部位识别特征，提高了部分遮挡、多场景和镜头变化下的人 物识别鲁棒性，经充分验证，达到了先进的识别精度，可以满足实际应用的需求。该技术是优化并提 高复杂背景下人物识别精准度的一项核心技术，已申请国家发明专利 1 项。

本发明公开了一种注塑制品缺陷检测识别方法，包括以下步骤： 1)采集正常和存在已知缺陷的注塑制品的图像，对图像进行分类并生 成样本；2)构建多层卷积神经网络模型；3)使用步骤 1)中的样本对步 骤 2)中构建的卷积神经网络模型进行训练；4)将采集的实测注塑制品 的图像经过预处理后输入步骤 3)中已训练完成的卷积神经网络模型， 卷积神经网络模型对实测注塑制品的图像进行分类识别，以判断注塑 制品是否存在注塑缺陷，若存在缺陷则对缺陷类别进行识别。本发明 构建的卷积神经网络模型对各种注塑缺陷均采用相同的特征选择、提 取方式，适应性较强，可适用于注塑制品各种类型缺陷的检测与识别。

成果简介： 主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。