新葡京娱乐场-大陆娱乐场开户注册

工作首次將分子內硫???氧非共價鍵(S???O)作用引入到高分子受體中，提出了構建高性能高分子受體的新策略。該工作為調節全高分子有機太陽能電池光敏層形貌提供了新的思路和更為簡單的方法，為發展高效、穩定的全高分子電池提供了材料和理論基礎。

【項目來源】江蘇省科技廳產學研聯合創新資金——前瞻性聯合研究項目。 【項目簡介】基于RFID、傳感器、智能移動終端等物聯網技術研發了中藥飲片質量管理系統，在感知層通過RFID射頻標簽、無線傳感器節點、條形碼、智能移動終端來采集、獲取和查詢與中藥飲片相關的各種信息；在網絡層將感知層控制系統中存儲的每條感知和控制信息轉換成一組通用數據協議的JSON數據包，實現中藥飲片全過程的質量信息的有效傳遞；在應用層通過物聯環境監測平臺、生產執行系統、智能移動平臺實現對飲片從“田頭到口頭”全過程的質量監管與追溯，實現了中藥飲片“來源可追溯、去向可查證、責任可追究”質量管理。 本項目研究了智能移動終端技術，利用智能移動終端查詢RFID射頻標簽記錄飲片生產、倉儲、銷售、使用等各環節的信息，實現對中藥飲片全面而系統的質量管理；研究了傳感器技術，實現對原藥材種植、飲片生產、倉儲等環節的數據進行及時有效的監測和記錄；研究了輕量級Java EE（Struts+Spring+Hiberante）技術，采用MVC模式設計系統后臺架構，利用Spring Security為不同用戶分配不同權限，同時提供跨平臺的數據接口，實現Android、IOS、Window等平臺的數據交互。 【獲獎情況】2016年度中國商業聯合會科學技術獎——全國商業科技進步獎一等獎。 【推廣應用前景】本項目主要完成了由RFID射頻標簽平臺、物聯環境監測平臺、生產執行系統、智能移動平臺、質檢管理平臺、商務智能平臺為主要模塊的中藥飲片管理系統軟件，形成了具有自主知識產權、可銷售的軟件產品。本系統的推廣應用將帶動整個中藥飲片產業的轉型升級和產業結構調整，促進中藥飲片產業由傳統行業向真正意義上的高科技行業轉型。另外，本系統不僅可以應用于中藥飲片行業，也可以推廣應用到中成藥、西藥等制藥行業。系統中的物聯網應用模式可以供食品安全追溯、農業、環保等領域參考借鑒。 【進展情況】項目目前已完成系統開發，取得相關專利和計算機軟件著作權6項。

數據是企業的重要資源，數據質量則是體現其價值的關鍵。大多數企業已建立的眾多的基礎專業數據庫、信息資源管理系統，并完成的數據倉庫建設，但是對數據與信息的質量、新數據是否上來以及上來及時性等缺乏有效的監控手段；同時，已有信息資源往往被分散的保存著，其管理維護乃至數據庫的變更都難以掌控。本系統基于元數據、元結構、元知識模擬專家對于數據與信息資源的管理策略，利用機器學習、自然語言處理以及知識庫技術，實現了基礎數據資源監控與管理，建立了基礎數據資源動態監控與質量巡檢系統。系統主要功能包括： 元數據管理 建立和管理包含所有基礎數據庫結構信息的元數據庫，使對各個基礎庫中的最新數據項和數據項變更歷史等有一個全面的掌控；同時也為今后建立在基礎庫之上的應用和對數據庫的維護打下良好的基礎。 重要基礎數據的采集監控 對各基礎數據庫中的重要數據是否及時采集入庫及基礎數據的刪除進行定期的監控，并對監控的結果給出相關結論報表，以便及時了解各基礎庫數據的數據增刪情況。 數據質量巡檢子系統 定期地對各基礎數據庫中的重要數據項進行質量檢查，監控各數據項中的數據是否滿足給定的規則條件，對于不符合條件的數據通過提供的預警機制進行預警。 本技術可用于通信、能源、交通、政府、國家中醫藥管理局、醫療機構、冶金行業、石油石化等行業。

?  成果簡介：本項目通過建立一個基于虛擬現實技術的計算機裝配工藝規劃仿真分析環境，利用產品的CAD模型，在不制造實際模型的情況下，由裝配工藝規劃人員在計算機環境中對產品的裝配工藝過程進行交互式的定義和分析，包括建立產品各組成零部件的裝配順序，空間裝配路徑，編制工藝文檔，并分析裝配過程中的裝配精度和裝配機構運動，從而大幅減少裝配工藝規劃周期和成本，同時，系統提供裝配工藝過程動畫錄制功能，將規劃好的裝配工藝以三維動畫形式紀錄下來，并可以通過安裝在裝配現場的瀏覽終端，展示給裝配人員，

數據采集技術 可穿戴傳感器是接觸式傳感器。加速度傳感器測量運動加速度，心率、血壓和血氧傳感器檢測心率、血壓等生理數據。可將不同的傳感器集成在智能手環、腳環、腰帶等可穿戴設備中，以實現加速度、角速度和生理等數據的采集；物體和環境傳感器是非接觸式傳感器，常見的物體傳感器基于RFID技術，通常用于身份、物流等信息的識別。常見的環境傳感器有聲音傳感器、磁力計、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實現各種環境信息的采集。 多模態傳輸技術 LPWAN (Low-Power Wide-Area Network，低功率廣域網絡) 在LPWAN技術出現以前，通信技術已經有多種類別，短距離的有wifi、藍牙、zigbee等，長距離的則有2G、3G、4G、5G等，但是如果把這些無線通信技術按照功耗與傳輸距離這兩個維度劃分的話可以發現在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現正好彌補了這個短板。         LPWAN可分為兩類：一類是工作于未授權頻譜的LoRa、SigFox等技術；另一類是工作于授權頻譜的基于蜂窩組網的通信技術，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠距離、大量連接的物聯網應用而設計。 最具前景的LPWAN技術——NB-IoT和LoRa： 物聯網（IoT）應用需要考慮諸多因素，例如節點成本、網絡成本、電池壽命、數據傳輸速率(吞吐率)、延遲、移動性、網絡覆蓋范圍以及部署類型等，可以說沒有一種技術可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術具有不同的技術和商業特性，也是最有發展前景的兩個低功耗廣域網通信技術。這兩種LPWAN技術都有覆蓋廣、連接多、速率低、成本低、功耗小等特點，都適合低功耗物聯網應用。 LoRa （Long  Range）:     一個LoRaWAN網絡架構中包含了終端、基站、NS(網絡服務器)、應用服務器這四個部分。基站和終端之間采用星型網絡拓撲，由于LoRa的長距離特性，它們之間得以使用單跳傳輸，終端節點可以同時發送信息給多個基站。基站則對NS和終端之間的LoRaWAN協議數據做轉發處理，將LoRaWAN數據分別承載在了LoRa射頻傳輸和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT構建基于蜂窩網絡，只消耗大約180KHz的帶寬，可直接部署于GSM網絡、UMTS網絡或LTE網絡。NB-IoT是IoT領域一個新興的技術，支持低功耗設備在廣域網的蜂窩數據連接。NB-IoT支持待機時間長、對網絡連接要求較高設備的高效連接。 NB-IoT具備四大特點：一是廣覆蓋，將提供改進的室內覆蓋，在同樣的頻段下，NB-IoT比現有的LTE網絡增益提升20dB，覆蓋面積擴大100倍；二是具備支撐海量連接的能力，NB-IoT一個扇區能夠支持10萬個連接，支持低延時敏感度、超低的設備成本、低設備功耗和優化的網絡架構；三是更低功耗，NB-IoT終端模塊的待機時間可長達10年；四是更低的模塊成本，企業預期的單個接連模塊不超過5美元。 數據分析技術 人工智能研究的各個分支，包括專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等。2012年以后，得益于數據量的上漲、運算力的提升和機器學習新算法（深度學習）的出現，人工智能開始大爆發。機器學習是一種實現人工智能的方法，深度學習是一種實現機器學習的技術。機器學習是用大量的數據來“訓練”，通過各種算法從數據中學習如何完成任務。深度學習本來并不是一種獨立的學習方法，但由于近幾年該領域發展迅猛，一些其特有的學習手段相繼被提出（如殘差網絡），因此越來越多的人將其單獨看作一種學習的方法。深度學習的各種算法已成為行為識別主要應用的技術，傳感器采集的各類信號，通過卷積神經網絡、循環神經網絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現對被監護者摔倒等異常行為的檢測。

項目成果/簡介:數據采集技術可穿戴傳感器是接觸式傳感器。加速度傳感器測量運動加速度，心率、血壓和血氧傳感器檢測心率、血壓等生理數據。可將不同的傳感器集成在智能手環、腳環、腰帶等可穿戴設備中，以實現加速度、角速度和生理等數據的采集；物體和環境傳感器是非接觸式傳感器，常見的物體傳感器基于RFID技術，通常用于身份、物流等信息的識別。常見的環境傳感器有聲音傳感器、磁力計、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實現各種環境信息的采集。多模態傳輸技術LPWAN (Low-Power Wide-Area Network，低功率廣域網絡)在LPWAN技術出現以前，通信技術已經有多種類別，短距離的有wifi、藍牙、zigbee等，長距離的則有2G、3G、4G、5G等，但是如果把這些無線通信技術按照功耗與傳輸距離這兩個維度劃分的話可以發現在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現正好彌補了這個短板。       LPWAN可分為兩類：一類是工作于未授權頻譜的LoRa、SigFox等技術；另一類是工作于授權頻譜的基于蜂窩組網的通信技術，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠距離、大量連接的物聯網應用而設計。最具前景的LPWAN技術——NB-IoT和LoRa：物聯網（IoT）應用需要考慮諸多因素，例如節點成本、網絡成本、電池壽命、數據傳輸速率(吞吐率)、延遲、移動性、網絡覆蓋范圍以及部署類型等，可以說沒有一種技術可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術具有不同的技術和商業特性，也是最有發展前景的兩個低功耗廣域網通信技術。這兩種LPWAN技術都有覆蓋廣、連接多、速率低、成本低、功耗小等特點，都適合低功耗物聯網應用。LoRa （Long Range）:   一個LoRaWAN網絡架構中包含了終端、基站、NS(網絡服務器)、應用服務器這四個部分。基站和終端之間采用星型網絡拓撲，由于LoRa的長距離特性，它們之間得以使用單跳傳輸，終端節點可以同時發送信息給多個基站。基站則對NS和終端之間的LoRaWAN協議數據做轉發處理，將LoRaWAN數據分別承載在了LoRa射頻傳輸和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT構建基于蜂窩網絡，只消耗大約180KHz的帶寬，可直接部署于GSM網絡、UMTS網絡或LTE網絡。NB-IoT是IoT領域一個新興的技術，支持低功耗設備在廣域網的蜂窩數據連接。NB-IoT支持待機時間長、對網絡連接要求較高設備的高效連接。NB-IoT具備四大特點：一是廣覆蓋，將提供改進的室內覆蓋，在同樣的頻段下，NB-IoT比現有的LTE網絡增益提升20dB，覆蓋面積擴大100倍；二是具備支撐海量連接的能力，NB-IoT一個扇區能夠支持10萬個連接，支持低延時敏感度、超低的設備成本、低設備功耗和優化的網絡架構；三是更低功耗，NB-IoT終端模塊的待機時間可長達10年；四是更低的模塊成本，企業預期的單個接連模塊不超過5美元。數據分析技術人工智能研究的各個分支，包括專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等。2012年以后，得益于數據量的上漲、運算力的提升和機器學習新算法（深度學習）的出現，人工智能開始大爆發。機器學習是一種實現人工智能的方法，深度學習是一種實現機器學習的技術。機器學習是用大量的數據來“訓練”，通過各種算法從數據中學習如何完成任務。深度學習本來并不是一種獨立的學習方法，但由于近幾年該領域發展迅猛，一些其特有的學習手段相繼被提出（如殘差網絡），因此越來越多的人將其單獨看作一種學習的方法。深度學習的各種算法已成為行為識別主要應用的技術，傳感器采集的各類信號，通過卷積神經網絡、循環神經網絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現對被監護者摔倒等異常行為的檢測。應用范圍:家居智慧控制，提高舒適度：家庭生活狀態統計和日常需求預測與推薦；多模態行為分析和數據采集和傳輸系統；多模態行為數據采集和分析平臺；基于LoRaWAN/5G的工廠環境、農業大棚等環境監測系統。技術成熟度:通過中試

針對傳統稻麥生長監測不高清、傳感單一化、數據氣象化、功能同質化、系統孤島化、研用離散化、服務被動化等問題，創新部署了基于新一代物聯網的稻麥產業科技信息服務系統。

        5T管理”理念，即基于農作物及果實生長的自然通道特性，按時間敏感性將收儲過程界定為熟收 (T1)、田場 (T2)、干燥 (T3)、收倉 (T4)以及倉儲 (T5)等5個事件，進一步圍繞5個事件優選管理目標因子和控制因子、制定管理指標體系和配套先進適用技術裝備。在吉林省糧食和物資儲備局的支持下，依據“5T管理”原理，制定了《吉林優質稻谷收儲作業5T管理技術規程》。依托吉林省糧食和物資儲備局、吉林大米聯盟、九臺貢米聯盟、益海嘉里金龍魚等大米相關產業組織在省內外進行推廣，減損效果顯著，可以顯著延長大米的保鮮期，特別是探明了不當管理導致的7.16%“隱性”損失，同時也減少了糧食微生物毒素危害，為稻谷的持久鮮活保駕護航。

產品詳細介紹