针对建筑工地扬尘监测中存在监测面积广、网络布线难、监测环境恶劣且传感器易受干扰等问题，设计了一种基于 LoRa 的物联网( IoT) 建筑施工现场扬尘监测系统，利用物联网的三层架构对数据进行采集、上传和处理，实现了对施工过程中扬尘情况实时监测并对异常情况进行报警的功能
采用硅烷偶联法对纳米ＳｉＯ２ 粒子的表面进行修饰改性，之后与可溶性聚酰亚胺溶液混合，并经高速机械搅拌与球磨分散工艺，制备了不同掺杂量的柔性聚酰亚胺／纳米 ＳｉＯ２ 复合薄膜。结果表明：随着 ＳｉＯ２ 掺杂量的提高，复合薄膜的热尺寸稳定性、折射率、介电性能显著改善，同时在可见光区保持有较高透光率、较低浊度以及良好力学性能
为了使建筑施工的安全管理水平得到改善，对 BIM 技术在安全管理中的应用展开了研讨。利用 BIM和物联网技术对所有可能对施工人员构成危险的因素进行识别，凭借智慧工地平台完成 BIM 技术与施工现场的虚实结合，构建了基于 BIM 的智慧工地安全管理体系，在很大程度上弥补了传统安全管理方法中存在的不足之处，能够有效地预防安全事故的发生，对今后施工安全管理具有一定的参考价值。
垃圾焚烧发电厂入炉垃圾热值波动大，影响了锅炉运行的稳定性和发电效率，利用图像深度学习的方法实现入炉垃圾热值的实时预测，有助于电厂实现“超前调控”。
为探究长沙市近年来城市热岛的变化特征，以 Ｌａｎｄｓａｔ８ 卫星资料为数据源，采用单窗法反演 ２０１８ 年，２０１９年，２０２０ 年 ３ 年的长沙市地表温度，在此基础上，将地表温度分为低、中低、中、中高和高温区 ５ 个等级，统计各级温区面积所占比例在三年的变化情况
以 ＶＧＧ１６ 为基准模型，融合批归一化处理、全局平均池化和联合损失函数，提出了一种基于卷积神经网络的高速公路雾天能见度等级分类方法。
随着城市化进程不断加快，中国汽车的需求量和保有量也急剧上升。 截至 ２０２０ 年 ９ 月，中国汽车保有量达到了 ２. ７５ 亿辆，随着车辆保有量的增加，交通事故的发生率也在逐年上升
水、粮食和能源安全是联合国2030可持续发展议程的核心内容. 世界范围内水资源短缺、能源短缺和粮食不足导致区域冲突加剧, 因此需要重新审视水、粮食和能源安全及内在关联
没有账户，需要注册
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。
内容交换模块(CSM)一将高级内容交换集成入Cisco Catalyst6500系列，提供了缓存、防火墙、Web服务器和其他网络设备的高性能、高可用的负载均衡。
本次调研覆盖欧洲、中东与非洲、亚太、美洲四大区域，收集了来自171家酒店集团的189份有效反馈。数据显示，78%的酒店集团已启用人工智能，89%计划新增应用场景，但多数项目仍停留在试点阶段，或仅依赖通用型公共工具。人工智能平均依赖度得分(4.7分)持续低于信任度得分6.6分)，凸显巨大的未开发潜力。释放这一价值，需要更充分的可靠性验证、更完善的投资回报率(RO)测算，以及全企业级的系统整合。
无论是在自然科学、工程技术，还是经济与社会科学领域，高质量的科研分析均依赖经过验证且结构化的数据。一个管理得当的数据库，如果同时具备全面的元数据，能够与其他数据源实现互操作，其用途将更加广泛。科研本身如此，科研信息与分析亦然。本报告聚焦科睿唯安及其科学信息研究所(ISI)所采用的一系列方法与流程，旨在确保数据、分类结构及相关元数据等关键要素，始终处于Webof Science文献计量数据库及其相关产品的核心位置。
本文旨在系统性调研并构建一套面向 AI 智能体的全生命周期安全体系，全面识别其在技术演进与规模化 落地过程中面临的各类安全威胁与风险点，并提出覆盖制度、流程与技术的多层次综合防护方案。该体系 不仅支撑企业级 AI 产品在设计、研发与运营阶段的安全能力建设与合规落地，同时为行业标准制定、整 体安全解决方案构建以及模块化安全产品研发提供可复用的理论基础与实践路径。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
