AI智能称重台用于打造一个按量计算营养数据、提供膳食建议、超量预警、能培养节约意识、光盘行动的节约型数智化健康食堂。 自助取餐，按重计价，按需取餐，就餐者可选择性更多，并且避免就餐者多拿，真正做到光盘行动；可减少80%以上厨余垃圾！ 即拿即走，全程无感体验；系统自动生成订单，形成营养数据报表，提供膳食建议。 减少传统餐厅经营模式下50%的前厅服务人员数量，提升20-22%翻台率和营业额。 

产品详细介绍 微视酷AI英语机考教室将自然语言处理、虚拟现实、图像识别等多项技术应用于K12英语日常听说教学与评测场景，以学生为中心，为学生制定私人化的学习路径，让创客教育渗透在英语日常教学中，让广大学生用户在提升英语成绩的同时，感受高科技的魅力，激发学生的学习兴趣和热情，成为国内英语创客教育的先行者之一。 方案特色 1.顺应中高考英语听说机考发展大势，可用于电脑端、移动端，通过语音识别技术和A I算法提高口语发音的精准度 2.以学生为中心，根据学生的学习状态、学习水平、学习进展调整教学内容，包括听说作业、自主练习、模拟考场等各种场景 解决问题： 1.以较低的成本获得了高质量的教育，让学生公平地接触到最优质的英语教育资源 2.以AI老师代替人工教师，避免重复繁琐的工作，提高教师英语教学效率

城市三维空间管理是城市特色与形象塑造的重要手段，是城市建设管理的重要任务，依托数字化管理平台，提升管理的科学理性、效率、效果以及智能化水平。以威海三维空间智能管理数字化平台实践项目为依托，融合团队目前所拥有的近50项相关专利技术，展开了基于多源大数据的万维沙盘建构、三维空间管控要素的谱系化建构、三维空间管控引导的智能规则、人机交互机制下的智能管理应用场景等相关研究，完成智能管理数字化平台的建设，并投入到日常的城市建设管理之中，大幅度提升了管理工作的科学性与工作效率，取得了良好的实践效果。

成果介绍城市三维空间管理是城市特色与形象塑造的重要手段，是城市建设管理的重要任务，依托数字化管理平台，提升管理的科学理性、效率、效果以及智能化水平。以威海三维空间智能管理数字化平台实践项目为依托，融合团队目前所拥有的近50项相关专利技术，展开了基于多源大数据的万维沙盘建构、三维空间管控要素的谱系化建构、三维空间管控引导的智能规则、人机交互机制下的智能管理应用场景等相关研究，完成智能管理数字化平台的建设，并投入到日常的城市建设管理之中，大幅度提升了管理工作的科学性与工作效率，取得了良好的实践效果。技术创新点及参数1、平台在集成了城市设计二三维成果、城市基础地理数据、包括多规合一与控规等其他规划编制成果等三大类、50+层数据的基础上，有能力进行相对复杂的城市空间指标测度，如错落度计算、天际线分析等。2、平台中录入并集成了中心城区城市建设用地所有地块约35000条管控规则，初步实现了管控规则的智能化应用，平台中开发出以下六大场景应用：相关规划的要求核提、方案报批的智能审查、多方案的智能比选、规划要点的智能生成、建筑方案的精细审查、规划实施的智能监测。3、据规划分局的管理人员透露，之前需要15-20个工作日，甚至更长时间处理的工作量，在借助于数字化平台辅助的基础上，1-2个工作日即能完成，大幅提升了规划管理部门的工作效率，同时审查结果更加准确、全面。市场前景本智能管理数字化平台成果能逐步推广至全国各大中小城市，能有效提升规划管理工作的效果与效率，同时为规划管理理性决策提供技术支撑，具有较好的发展前景。同时，平台可逐步扩展多源大数据，为未来的数字城市、智慧城市建设提供一定的方法与保障。

间隙搅拌反应器 Batch stirred tank reactor(BSTR)是广泛地应用于化工、生物发酵、结晶、混凝、萃取、悬浮等工业作业，因此是一种应用面极广的非标通用设备，其容积可以从升级至几千立方。其中生产规模最大的是应用于生物发酵用的发酵罐。 在我国生物发酵工业基本上均采用 BSTR 进行生产，国内发酵罐容积居世界第一。单位容积发酵罐耗电为 2～4kW/m3。发酵用空气需经过空气过滤除菌，空气耗量以罐体积计:体积流量(m3/分)与罐容积比为 0.3～2

间隙搅拌反应器Batch stirred tank reactor(BSTR)是广泛地应用于化工、生物发酵、结晶、混凝、萃取、悬浮等工业作业，因此是一种应用面极广的非标通用设备，其容积可以从升级至几千立方。其中生产规模最大的是应用于生物发酵用的发酵罐。 在我国生物发酵工业基本上均采用BSTR进行生产，国内发酵罐容积居世界第一。单位容积发酵罐耗电为2～4kW/m3 发酵用空气需经过空气过滤除菌，空气耗量以罐体积计:体积流量(m3/分)与罐容积比为0.3～2。因此以单位立方米计的空气能耗在0.72～4.8kW/m3以上。因此发酵工业是国内的一个耗能大户。降低发酵用BSTR的能耗具有重大的节能意义。 本项目通过利用气流能量在罐内构造离心力场中的泰勒涡柱流，利用泰勒旋涡流来改善气液比表面积，降低搅拌功耗，减少空气用量和减少混合时间，达到大幅度降低BSTR能耗的目标。降低搅拌功率30%。节省空气用量5%～10%。 由于泰勒涡柱流动具有的无返混流特征，可以提高发酵对数期的反应进程，将产生热冲击效应，可以充分利用来缩短发酵对数生长期，以及提高产量。 本项目主要研究内容是，通过开发极限发热量的控制技术和散热技术，从而充分利用热冲击效应，以达到增产目的，增产目标为2%。通过热控制技术保证，用泰勒涡柱流降低搅拌功率30%。节省空气用量5%～10%。

01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

1. 痛点问题 工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。数据所有者通常会采用前效方法对数据库中的数据加以保护，但是这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，通常的数字水印采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。此外，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。 2. 解决方案 工业物联网数据是工业大数据规模迅速扩张的主要来源。各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳（Timestamp）和采集数据（Data）形式为(Timestamp, Data) 的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。 数据所有者通常会采用前效方法对数据库中的数据加以保护，包括但不限于：数据加密、用户权限划分等等。但是，这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。此外，数字水印通常采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。 本项目针对常见的水印失效场景进行了分析，提出了能够有效提示水印鲁棒性的技术，更好的确保数据安全的管理能力。 3.合作需求 在全国范围内工业互联网/工业大数据相关领域寻求应用场景，希望能与能源/装备制造行业的大中型企业开展这方面的合作研究和落地实施；并针对上述企业开展包括二次开发在内的各类实际应用，助力企业降本增效、转型升级。