开发了适用于羟烷基酰胺（Primid）固化干混消光粉末涂料用的高、低酸值聚酯树脂。研究了高、低酸值聚酯树脂制备成粉末涂料之后烘烤形成的涂层和按质量比50∶50干混后烘烤形成的涂层的机械性能、耐水煮性和耐热性。 结果表明:该Primid固化体系干混光泽可以达到25～35，表面流平性和细腻度佳，机械性能和耐水煮性能优异，可以部分替换异氰脲酸三缩水甘油酯（TGIC）固化型粉末涂料。
基于计算机视觉的金属材料表面缺陷检测是冶金工业领域的研究热点。在金属制造行业中，高标准的平面质量要求自动视觉检查系统及其算法的性能必须不断提高。本文基于对钢，铝，铜板和带钢的一些典型金属平面材料产品的160多种出版物的综述，试图对二维和三维表面缺陷检测技术进行全面的综述。根据算法的属性和图像特征，现有的二维方法分为四类：统计方法，光谱方法，模型方法和基于机器学习的方法。在三维数据采集的基础上，三维技术分为立体视觉，光度立体，激光扫描仪和结构化光测量方法。本文将分析和比较这些经典算法和新兴方法。最后，对视觉缺陷检测的剩余挑战和未来的研究趋势进行了讨论和预测。
绿盟科技集团股份有限公司 （ 以下简称绿盟科技 ）, 成立于 2000 年 4 月 , 总部位于北京。绿盟科技在国内设有 40 多个分支机构 , 为政 府、运营商、金融、能源、互联网以及教育、医疗等行业用户 , 提供全线网 络安全产品、全方位安全解决方案和体系化安全运营服务。公司在美国 硅谷、日本东京、英国伦敦、新加坡设立海外子公司 , 深入开展全球业务 , 打造全球网络安全行业的中国品牌。
当前，5G技术正在加快与北斗、采矿工业物联网、人工智能、大数据和数字孪生等技术融合。研究了基于“5G+工业互联网”的采矿行业智能化技术体系：通过“云物大智移”与井工矿、露天矿的生产、管理、服务应用场景深度融合，提出采矿智能化的顶层设计，并重点介绍基于数字孪生的人机协同系统和数智中台的设计，推动采矿行业生产进入智能化阶段。通过实际研发应用，证明“5G+工业互联网”满足采矿作业要求和智能化要求,对提高矿山作业安全、生产效率和质量产出效果显著,应用数字孪生和数智中台技术能够更加逼真、更加智能、更加有效、更加安全地提升矿山整体经济效能，同时也为该技术体系的深入研究提供参考。
大数据时代，数据间的关联蕴藏着重要的商业价值，如何在海量数据中挖掘关联信息是企业的一大挑战，图数据库应运而生并飞速发展。围绕图数据库，介绍了基础定义、技术架构、图数据库计算特点等概念，梳理了国内外图数据库产业侧的发展现状，最后总结了图数据库技术未来发展趋势。
随着人工智能和光学成像器件的迅猛发展，基于先进的硬件基础和不断演进的识别算法，人脸识别功能在移动智能终端上已逐渐普及。根据前瞻产业研究院预测，自2015—2020年，人脸识别技术以166.6%的增幅在众多生物识别技术中脱颖而出，高居首位。在市场应用方面，人脸识别技术已被广泛应用到考勤系统、监视系统、手机、相机等诸多场景，覆盖交通、金融、学校等多个领域[1]；在算法方面，人脸识别算法包含了基于人脸特征点、人脸图像、神经网络、模板、支持向量积的识别算法；在技术领域方面，人脸识别技术是模式识别、神经网络、人工智能、计算机视觉等学科的融合[2]。在人脸识别技术应用的早期，黑客可以通过一张照片成功通过人脸识别算法的验证，虽然新一代人脸识别技术更加智能，但其安全性仍存争议并受到用户的广泛关注。
产品认证致力于降低系统性交易成本，其工作模式成型于电气自动化、规模化、标准化生产的工业时代。在信息通信行业与各制造行业融合的大趋势下，产品认证如何在智能制造和工业互联网的新工业环境下发挥认证价值成了一个现实且迫切的课题。回顾了产品认证发展历程，梳理了产品认证发展瓶颈，分析了智能制造与工业互联网环境下以“数据”为核心的质量管理新特征，提出了新工业环境下产品认证应以“数据”为核心，从数据获取、数据处理、数据应用三方面重构产品认证工作方法,实现认证智能化。
本文从基于传统特征和基于深度学习两方面对自动驾驶技术进行了综述：首先论述了基于传统特征的自动驾驶技术，如道路与车道线的检测、前车检测、行人检测和防撞系统等，由于识别目标种类繁多，基于传统特征的目标检测遇到了很难超越的瓶颈；接着阐述了基于深度学习的自动驾驶算法，采用卷积神经网可以直接学习和感知路面及道路上的车辆，可大幅度提升自动驾驶算法的性能；最后总结全文，并展望了未来的研究方向，即整合传统特征和深度学习特征，进一步提升深度驾驶的拟人化和实用化水平。
没有账户，需要注册
时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR
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。
十多年以来，关于工业网络的讨论一直围绕着数据表现展开。诸如"哪种协议的市场份额在上升?哪种在下滑?哪种标准最终将胜出?"这类问题固然依旧关键，您也可以在本报告第4页的年度市场份额数据中找到最新解答。然而，如今任何深耕工业自动化领域的专业人士都清楚，行业关注的核心问题已经发生了转移。
在国务院《关于深入实施“人工智能+”行动的意见》指导下，众多企业加速推进人工智能应用落地，并积极探索智能体的潜在价值，2025年由此成为智能体发展的元年。2026年5月，中国人民银行等四部门印发《关于“人工智能+金融”的实施意见》，推动人工智能与金融行业广泛融合。为支撑跨模态、跨模型、跨机构、跨行业的复杂任务协同，满足金融业“开放、融合、高效”的发展诉求，智能体正从单一模式朝着多智能体协同与互联互通的方向演进。在此背景下，智能体通信协议迅速发展。
调查显示，库存、市场需求、从业人员分指数均环比下行，平均日销量与经营状况分指数小幅回升。终端市场需 求动能偏弱，消费者持币观望情绪依旧，缺乏重磅利好激活市场。
本白皮书围绕Coactive:Interactive x Proactive 双态协作展开，依次讨论行业洞察、愿景与顶层架 构、智能主体、环境感知、认知底座、元进化、企业可信落地与应用场景，形成从协作范式到系统实 现、价值验证和可信治理的完整论证。
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
