万欣实验室安全综合管理平台是帮助高校开展实验室安全管理工作的有效工具。通过对实验室安全平台的建设及使用，可对安全准入、安全检查、危化品管理等业务流程进行梳理，全面监管流程中的各个环节，并可实时掌握实验室内环境数据信息，实现各项数据明细准确、清晰。在减轻各级实验室安全管理人员工作压力的同时，有效降低实验室安全风险，最终实现提高师生安全知识及安全意识、规范危化品及实验室相关资源使用行为、健全实验室安全责任体系、完善实验室安全管理制度、保障师生人身及学校财产安全的目的。

无锡赛弗安全装备有限公司成立于2011年，公司位居鱼米之乡——江苏无锡市，地处锡山新城东港工业园。无锡赛弗安全装备有限公司成立于2011年，公司坐落于太湖之滨的江南名城——江苏省无锡市，地处锡山新城东港工业园区。无锡勤奋、务实、创新、高效的城市精神风貌已融入公司经营之中，推动着赛弗安全快速发展。 无锡赛弗安全装备有限公司是国内实验室安全整体应用解决方案的服务商，资深的研发团队、专业的营销顾问、高质量的产品服务、精准的市场定位创造了以“SAFOO”品牌为主的一系列明星产品，包括：化学品安全存储，压力容器安全存储，实验室废弃物安全存储，操作环境净化设备，应急防护用品，化学试剂库建设方案，实验室安全培训及演练，实验室安全标识，实验室安全文化建设等产品和服务。 2011,Safetycabinet公司投资中国无锡，建立起自有生产基地，作为专业的危险品安全存储方案提供商，过去我们为世界各地的客户提供了一系统完善的危险品存储方案及相关产品的服务。随着中国经济的发展，中国市场已成为Safetycabine公司重要的一部分，为更好的服务中国大陆客户，我们建立了无锡生产基地，同时在中国各主要诚市开始了区域服务中心的建设，我们深信，不久的将来，我们将结合我们过去多年服务于世界各地客户的经验，以及我们不断创新的产品线，为中国的危险品存储及工业安全领域作出应有的贡献。

安全存储柜系类有黄（黄色指示易燃物品）、红（红色指示可燃物品）、蓝（蓝色指示弱腐蚀性物品）三种颜色，三种颜色的尺寸相同，存放危险品类型不同。在存储危险品的过程中，使用有色标识来辨别、管理、分开各种易燃或危险物品，这样做同时又能在发生火灾方便消防人员识别危险品。 全钢系列黄色化学品安全柜用于存储各类易燃性化学品，闪点在45℃以下。例如∶汽油、酒精、煤油、甲醇、乙醇等。根据化学品的存放量和使用的方便性，选择不同规格的黄色化学品安全柜存储，有组织有条理的分开各类危险物品，就近存放提高您的工作效率。 全钢系列红色化学品安全柜用于存储各类可燃性化学品，闪点在45℃以上。例如∶柴油、机油、润滑油、桐油等。根据化学品的存放量和使用的方便性，选择不同规格的红色化学品安全柜存储，有组织有条理的分开各类危险物品，就近存放提高您的工作效率。 全钢系列蓝色化学品安全柜用于存储各类有毒化学品或弱酸弱碱，例如;醋酸、碳酸、磷酸、硅酸等。根据化学品的存放量和使用的方便性，选择不同规格的蓝色安全柜存储，有组织有条理的分开各类危险物品，就近存放提高您的工作效率。

该系统对推拿手法尤其是慎用手法利用VR技术让学生们进行互动练习，在最大程度保证安全的情况下达到训练目的。

依托学校与烟台拓伟智能科技股份有限公司联合北京理工大学、中国科学院电子所、北京京仪自动化研究总院共建的烟台智能技术应用联合创新研究院，开发了系列具有自主知识产权的智能机器人产品和智能制造系统，其中“4-6自由度关节型工业机器人”可负载7kg-200kg；自主视觉引导+二维码定位的AGV，两轮差动、麦克纳姆轮全向，可负载20kg-2000kg。利用自主研发的全向无轨堆垛机、AGV、工业机器人等，在自主研发MES、车管调度、WMS系统监控下完成一系列智能制造和组装，打造了“汽车制动油泵壳体智能制造系统”“智能精密铸造工厂”等一批系统集成示范项目。 为服务烟台苹果产业高质量发展，研究院制定了烟台红富士苹果等级分选省级标准，研发了无损伤智能分选与包装及冷风库智能监管系统、该系统包括智能信息采集与分级子系统、智能输送调度子系统、苹果排面子系统、机器人智能装箱子系统，整线状态监测与数据库子系统。该系统采用人工智能及深度学习技术，有效结合近红外光谱与计算机视觉技术，完成苹果糖度、色泽、果形、霉心病、果锈、重量等21项指标检测，根据检测结果和新的分级标准，对苹果重新进行分类分级，检测准确率达到95%以上，分选效率2个/秒，磕碰率控制在1%以下，装箱速度达到1个/秒。通过该系统，开展苹果大数据信息采集工作，建立种植-加工-储存-销售全链条标准化苹果大数据综合运营平台，现从苹果单一价值到资源价值的跨越，从而促进苹果产业转型升级，高质量发展。

本系统包括温室栽培优化模型动态仿真、专家系统集成与智能控制算法设计等三部分内容。系统采用了基于知识的智能解决方案，系统的三个部分紧紧围绕专家知识与智能，不仅构成统一的整体又能分别独立运行。系统以大量的实验数据和专家经验为基础，采用智能控制方法、智能推理方法和多媒体技术，能提供病虫害在线预报，为温室环境控制提供最佳环境条件，并能对温室环境和作物生长过程进行仿真和预测。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。