优化人工智能学科布局，加快人工智能领域一级学科建设。 密切关注人工智能领域前沿技术，将技术及资源引入到人才培养。 部署完整的人工智能实验环境、实验资源、课程体系和教学全流程平台。 搭建完整的专业框架，全面支撑高校人工智能方向的教学与科研。 培养具备深度学习算法设计开发的人工智能应用型人才。

1、产品介绍 AI人工智能语音与机器视觉应用系统是一款集成AI语音、机器视觉、深度学习基础、嵌入式Linux于一体的高端教学科研实验平台。 整个教学平台由实验箱高性能嵌入式主板够成，高性能嵌入式核心板采用高性能64位ARM处理器，标配4GB DDR3内存和16GB闪存，可运行ubuntu、android、linuxqt等多种操作系统，可满嵌入式linux和AI应用开发。 平台采用多核高性能 AI 处理器，预装 Ubuntu Linux 操作系统与 OpenCV 计算机视觉库，支持 TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE 等深度学习端侧推理框架。 提供多种应用外设与丰富的机器视觉、AI语音、深度学习实战应用案例，如语音前处理（声源定位、语音增强、语音降噪、回声消除、声音提取）、语音活体检查、语音唤醒、语音识别、语音合成、自然语言处理、声纹识别门锁、语音智能家居、手写字识别、人脸识别、目标检测、端侧推理框架、图像识别、人体分析 、文字识别、人脸门禁控制、车牌道闸控制、手势家居控制等，通过案例教学让学生掌握计算机视觉与深度学习的基本原理和典型应用开发。 2、产品特点 （1）先进性 性能卓越：搭载AI嵌入式边缘计算处理器RK3399，配备4GB RAM与16GB存储空间，以及6英寸高清电容触摸屏，确保流畅的用户体验。 高效运算：配NPU协处理器模块，专为神经网络模型设计，提供高达8 TOPs@300mW的运算能力。 接口丰富：提供双路0、四路USB2.0、RS232、RS485以及多种嵌入式拓展接口，满足多样化的外设连接需求。 （2）扩展性 定制化设计：所有硬件单元均采用模块化设计，支持根据具体需求进行定制化选型和搭配。 项目套件丰富：提供多种可选的项目套件模块，支持完成多样化的AI应用场景设计和创新。 智能网关平台：智能边缘计算网关平台配备了包括GPIO、ADC、IIC、UART、PWM、SPI在内的常用接口拓展，增强了平台的适应性和灵活性。 （3）包容性 多功能应用：实验平台适用于人工智能、嵌入式系统、物联网、移动互联网、智能硬件等多个学科的实验教学，提供全面的教育资源。 课程与实验：支持包括Python程序设计、嵌入式Linux操作系统、机器视觉技术、自然语言处理、神经网络原理、无线通信、Android应用技术、物联网中间件、AIOT应用实训等在内的丰富课程和实验。 专业融合：平台在硬件设计上实现了物联网、人工智能和嵌入式技术的兼容性，提升了实训设备的复用率，有效解决了学校实训室空间和资金的限制问题。 AI语音与机器视觉应用系统致力于解决学校在开设人工智能课程时面临的师资、教学资源、实训资源、设备以及与行业应用对接的挑战，实现了产学研创一体化的教育模式 3、应用 系统支持多个工业化的应用场景，以智慧家居、智慧停车场、智慧门禁、智慧交通、趣味AI、智慧工地六大应用场景，及基于六大应用场景的20多种小AI应用场景。所有的应用场景及业务子项功能，均来自真实的人工智能行业应用。 4、配套 该产品除完整的软硬件系统外,还配备针对设备完整的人工智能实训指导书完整丰富的教学实训素材资源、以及基于设备系统的人工智能教学视频光盘。本产品提供免费的安装部署服务和设备实训培训服务。

技术分析（创新性、先进性、独占性） 本项目已经具备具有200个CPU集群辅助计算，目前已建立了国际上领先的万个化学药物的化合物库和六万多种中药单体化合物库、利用国际一流的计算机辅助设计软件（Schrodinger, Discovery Studio, MOE等）进行大规模化合物数据库的虚拟筛选，并根据REOS预测、ADME/T性质的理论预测，结构聚类等，剔除成药性差的化合物。 目前已经针对多个靶点和药物做了国际创新性研究工作，相关成果在药学领域相关SCI期刊上共发表论文17篇，平均影响因子>4.5，他引460余次。

一、项目简介 由于众多工业企业存在工作环境噪音大、粉尘多、劳动强度大等问题，均不同程度面临着招工难的问题，生产规模很难扩大。同时，由于长时间重复机械工作，容易出现漏检和误检，整体工作效率不高。对于已上线成套设备的企业，其集成度仍较低，自动化程度及性能都亟待提高，很难满足市场的迫切需求。因此，机器换人可有效解决上述问题，而机器视觉是模拟人工操作的关键，综合利用视觉检测、模式识别、优化调度和综合信息管理等技术和方法提高生产自动化水平极为重要。 二、前期研究基础 项目组已与惠州高视科技有限公司签署合作协议“机器视觉定位平台开发与技术服务，2018.3-2019.3，50万元”，并联合厦门大学自动化系与高视科技有限公司建立“视觉定位联合实验室”，与厦门市自动化学会签署合作协议，联合建立“人工智能-机器视觉联合实验室”。研究了视觉对位平台如何实现两个目标物之间的精确对准。视觉系统需要对两个目标物分别进行拍摄，选择Mark点或者目标物的边或角的特征信息。利用视觉对位技术，实现两个目标物物理坐标之间的在X、Y轴和角度坐标的偏差，通过驱动相关运动平台，引导平台运动到贴合位置，实现视觉引导精确对位。 三、应用技术成果 开发了鞋模喷胶系统，采用传送带传送鞋模，利用工业相机采集图像，经图像处理算法检测鞋模边缘，再将处理过的边缘坐标数据传送给控制器，控制器控制喷胶器对鞋模进行喷胶。 开发了自动贴盖机系统，基于传送带传送产品，利用工业相机采集传送带上的产品图像，再通过图像处理算法定位到模板图像在采集图像中的准确位置，从而通过坐标转换将图像中的坐标转换到世界坐标，然后将数据通过串口通信传送给控制系统，控制系统会控制机械手在定位到的位置坐标贴上产品标签或者封盖。 四、合作企业 惠州高视科技有限公司是一家专业从事机器视觉应用领域设备、计算机图像处理系统解决方案研发的高科技现代化企业。公司的机器视觉产品广泛应用于液晶、电子、新能源、金属加工等行业公司秉承以人为本、合作共赢的管理理念，以技术开发为中心，以客户需求为导向，致力于成为在机器视觉检测、测量、图像识别领域杰出的系统解决方案及设备供应商。拥有11项软件著作权和5项实用新型专利。

人工智能物联网时代要求语音交互有非常好的体验感,室内环境下,当距离超过两米后,通过墙壁的反射造成的混响、音响设备的回声及其他环境噪声对语音识别带来了极大的影响,因此基于麦阵的声音采集与处理模块成为物联网时代的最佳人机交互采集模块。目前成熟的麦克风阵列语音信号采集与前端处理模块尚未出现，市面上仅有少数国外厂家如科胜讯提供双麦降噪芯片。同时,语音识别应用还需要配合降噪处理,目前的方案全部采用分离设计,一颗降噪芯片+一颗语音识别芯片。近年来随着大数据挖掘,基于人工智能神经网络的深度学习开始在语音识别领域进行推广运用,相对于传统的GMM模型,识别率得到了很大的提升。然而神经网络计算量非常巨大,需要采用GPU或CPU阵列的方式来进行运算,并且需要外加语音阵列降噪模块,其方案成本高,体积和功耗大。因此市场上对一款同时支持远场语音麦阵降噪和神经网络识别,具备高性价比的单芯片需求极大,具有巨大的市场前景和竞争力。

产品简介： CES-AIoT339 是软/硬件一体的面向 AI 人工智能方向的实训系统，融合边缘计算，人脸识别，机器视觉，文本/证件识别，语音识别诸多 AI 技术，同时引入物联网传感器，无线网络知识点，是一套 AI 人工智能+物联网综合型实验系统。 该款实验箱由具有边缘计算能力的单板计算机，高清晰画质视频采集器，拾音器，本地显示器，操控端口，物联网基础部件组成，完整布署在实验箱里，配套实验教程和实训所需的辅件。 该款实验箱是针对新工科“人工智能”专业研发的，具备创新，先进，实践性强等特点，适用于人工智能，计算机，电子，信息工程，自动化等相关专业。 产品特点： 该系统引入科大讯飞语音技术，百度 AI OCR 技术，可运行在边缘计算机上实现通用文字识别，证件/票据识别，语音识别等 AI 应用，比如身份证识别，户照，银行卡，营业执照，车牌，驾驶证/行驶证的识别。 AI 人工智能+ 物联网“双核”组合 提供物联网传感器，无线网络模块，NB-IoT 模块，与边缘计算机，AI 人工智能部件，构成 AI人工智能和物联网的融合，且支持与阿里云的链接，支持使用者进行 AI 人工智能物联网的应用扩展开发。 基于安卓系统的 AI 人脸识别技术 提供人脸识别的开源安卓工程包，实现静态，动态下的人脸特征采集，特征分析，对比等人脸识别功能。 AI 人工智能+ 物联网“双核”组合 基于 ARM 架构 Cotex-A72 六核处理器，内建强大视频处理引擎 Mail-T864 GPU, 完美支持H.265/H.264 视频解码，支持大数据处理，流畅运行 AI 应用软件。 硬件一体化设计，高度集成，易于设备的维护实验所用到的硬件，均布署在实验主板上，一对 N 供电模式，各单元相互独立，模块化设计。

基于跨行业数据挖掘标准流程CRISP-DM，实现数据的深度挖掘分析，帮助教师与学生发现数据中隐藏的关系及规律，为教师科研提供数据分析探索、模型构建、成果应用的一站式数据挖掘工具，高效开展行业应用研究。平台支持用户通过简单拖拽、低代码的方式快速完成挖掘分析流程构建。同时支持模型自动化构建、模型智能评估，推荐最优模型与算法。 1、极简的建模过程 基于拖拽式节点操作、连线式流程串接、指导式参数配置，用户可以通过简单拖拽、配置的方式快速完成挖掘分析流程构建。平台内置数据处理、数据融合、特征工程、扩展编程等功能，让用户能够灵活运用多种处理手段对数据进行预处理，提升建模数据质量，同时丰富的算法库为用户建模提供了更多选择，自动学习功能通过自动推荐最优的算法和参数配置，结合“循环行”功能实现批量建模，帮助用户高效建模，快速挖掘数据隐藏价值。 2、丰富的分析算法 内置150多个分析算子，包含30余种数据预处理方法，5种数据融合方法、11种常用特征工程，实现数据融合处理与特征构建；包含聚类、分类、回归、关联规则、时间序列、综合评价、协同过滤等7类N种机器学习算法，支持深度学习、集成学习与自然语言处理等人工智能分析方法，满足各类业务科研场景需求。 3、灵活的扩展能力 支持用户编制SQL\R\Python\Java\Scala\Matlab\PySpark脚本实现个性化的算法脚本。自定义算法功能允许用户通过R\Python\Java\Scala基于平台规范封装自主算法并发布形成平台节点，方便用户灵活扩展平台算法节点功能，增强平台的业务适应能力，充分满足不同领域科研的个性化需求。 4、全面的分析洞察 通过丰富详实的洞察内容，帮助用户全方位观察建模过程任意流程节点的执行结果，为用户开展建模流程的改进优化提供依据，从而快速得到最优模型，发现数据中隐含的业务价值。建模分析报告支持在线查看，并且支持下载可编辑Word版本，支持科研报告及相关成果发布应用。 5、全栈科研成果管理与应用能力 分析成果的快速工程化应用，支持模型以调度任务、异步服务、同步服务、流服务及本地化服务包等形式应用，满足工程化的不同诉求。提供统一的成果分类统计及统一管理监测，帮助用户高效便捷地管理成果、利用成果及监测成果。 6、跨平台模型迁移及融合 支持PMML文件的导入和导出，可以实现跨平台模型之间的迁移和融合，利于用户进行历史模型的迁移，实现用户在不同平台的模型成果快速共享，提升各类科研成果的复用性。    

本项目在三维荧光光谱技术的基础上，建立光谱数据矩阵计算模型和处理方法，建立了基于荧光光谱和智能算法的食品安全检测新技术。应用于白酒检测，实现了白酒品种和年份酒年份的科学化、仪器化和智能化鉴别和测定；应用于食品添加剂检测，实现了目标物的种类和含量的方便、快捷、灵敏、准确测定。

1、项目简介 本项目在三维荧光光谱技术的基础上，建立光谱数据矩阵计算模型和处理方法，建立了基于荧光光谱和智能算法的食品安全检测新技术。应用于白酒检测，实现了白酒品种和年份酒年份的科学化、仪器化和智能化鉴别和测定；应用于食品添加剂检测，实现了目标物的种类和含量的方便、快捷、灵敏、准确测定。 2、创新要点 本项目研发用于复杂混合物体系检测的高分辨率荧光光谱技术，结合数学建模方法和智能计算技术，以三维荧光光谱获得更多信息，以三维数阵校正智能算法进行混合物光谱特征信息的提取和处理，在处理复杂混合物体系光谱信息方面发挥优势，实现了以“数学分离”代替“化学分离”、以“计算识别”代替“人工判别”，解决了复杂混合物荧光光谱特征指向问题，建立了新的食品安全检测技术。 3、效益分析 “白酒年份酒的荧光光谱检测技术及鉴别系统”可实现对所建库中不同品牌白酒及不同年份白酒进行准确鉴别，可应用于白酒企业的生产管理和年份白酒消费市场的监督管理，将促进我国白酒年份酒的产生和销售的规范和发展，推动品牌白酒鉴别工作的技术进步，为打击假冒伪劣、保护名牌提供技术支持，具有直接的经济效益和良好的社会效益。 4、推广情况 建立的白酒荧光光谱检测技术对“中国白酒 169 计划”和“白酒 3C”计划的家白酒企业的产品进行了应用。在“山西杏花村汾酒厂股份有限公司”，本项目成果已应用于公司的生产管理和市场的监督管理.本项目成果已在“无锡市凯得灵糖果食品有限公司”得到应用，应用于公司生产原料和成品的检测。为本公司确保产品质量，提供了有效的技术支持，促进了产品质量的稳定和提高，应用二年多时间以来，糖果的产销量有了显著的增长。