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。

在清华大学基础研究基金，教育部科技重点项目，教育部清华大学自主研究项目等项目的资助下，掌握了多种传感器的制备工艺，创新性开发出石墨烯人工智能喉，利用多孔石墨烯的优势，制造出一种收发同体，适合穿戴的集成声学器件，有望在未来解决聋哑人的说话难题。 这种集成声学器件，利用石墨烯的热声效应来发射声音，利用石墨烯的压阻效应来接收声音，实现了单器件的声音收发同体。器件使用的多孔石墨烯材料具有高热导率和低热容率的特点，能够通过热声效应发出 100 Hz-40 kHz 的宽频谱声音。其多孔结构对压力也极为敏感，能够感知发声时喉咙处的微弱振动，可以通过压阻效应接收声音信号。因此，这种器件能够准确感知聋哑人低吟、尖叫等特殊声音，并将这种“无含义声音”转换为频率、强度可控的声音，有望在将来转换为预先录制的语言。

类风湿性关节炎是世界三大难治病之一。常累及掌指关节和腕掌关节，关节被破坏，导致疼痛，畸形及功能障碍，生活不能自理。在手术方法上，关节融合，滑膜切除，韧带修复，关节切除成形等有一定疗、但在缓解疼痛及功能重建方面均不及人工关节置换术疗效可靠，所以我们研制了人工掌指关节。

角膜（Cornea）作为眼部的重要组织之一，不仅承担着屈光、维持眼部正常结构的功能，对外界的病原体及尘埃颗粒也起到阻挡作用。然而，角膜同时也容易受到诸如细菌或病毒导致的眼部感染、化学或机械性损伤，以及肿瘤和自身免疫性疾病等影响。因角膜而引起的失明已成为全球第四大致盲原因，主要治疗方法就是角膜移植。当今全球单侧角膜失明人数约2300万，双侧角膜失明人数约490万，但每年角膜供体供应量只有约10万。此外，如果受体患者出现角膜血管化或先前排斥史,移植失败率可高达70%。因此，寻找临床上可大量获得并且具有良好的生物相容性人工角膜，是当前亟待解决的问题。 郭琼玉与约翰·霍普金斯大学助理教授Anirudha Singh，美国工程院、医学院两院院士Jennifer H. Elisseeff合作，在国际上率先提出并实现了蛋白多糖类似物对胶原蛋白纳米纤维结构的有效调控（图2）。 据悉，角膜胶原纤维的直径大小与排列方式对角膜材料的透光率和机械性能起着决定性的作用。该研究发现，环糊精类环状低聚糖能够调节胶原纤维的玻璃化、排列和超微结构，尤其是β－环糊精添加到I型胶原蛋白中后产生了与供体角膜相似的纤维层状结构，从而得以获得一种具有优越透明性和机械韧性的人工角膜植入物，并且在体外和兔角膜部分切除术模型上验证了该仿生人工角膜的生物相容性和手术性能。这项工作为体外制备具有临床转化前景的仿生人工角膜研究奠定了基础。

本成果面向国家/地方植入医疗器械的重大战略需求，紧跟国际研究前沿， 围绕生物材料生物功能性及植入体药械结合的研发主线，基于细胞外微环境原理, 探究生物材料界面微环境特征如何调控骨/骨关节修复的核心科学问题，系统地 研究生物材料界面微环境特征与细施相互作用规律及分子机制，提供生物材料表 面功能化关键技术，最终为骨/骨关节修复提供新材料。 植入体与宿主的生物反应首先发生在材料界面，诱发细胞粘附到组织形成的 生物级联反应。如何构建生物功能性界面并赋予植入体主动刺激细胞/组织功能 的性能，提高其使用寿命，是医疗器械研发关键科学问题之一。本项目创建生物 功能性界面与骨髓基质干细施双向“交流"调控的理论假说。利用双酸腐蚀及阳 极氧化等技术制备系列钛基多尺度微米、微/纳米、纳米结构，揭示微/纳米结构〉 纳米结构〉微米结构的生物学响应规律。率先将层层组装技术（LBL）技术引入到钛 基生物材料界面工程，获专利授权。进而，利用LBL技术构建生物因子插层多层 结构，调控骨髓间充质干细胞的分化，并促进植入体的骨整合性。首次在钛材表 面构建“三明治”界面结构，调控成骨细施/破骨细施动态生长平衡，开发出具有骨质疏松治疗功效的钛基新型植入器械。

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。

本项目折流湿地滤池+侧向潜流湿地床污水处理系统设计了全新的厌氧竖向 折流湿地和兼（好）氧侧向潜流湿地组合。其解决的关键技术体现在：湿地系统 中合理设置了自然复氧区、湿地床深度和内回流系统（在高浓度进水和低温时启 动），突破了现有人工湿地技术氧传递能力低的局限，达到系统内溶解氧的科学 分布，供氧效率是现有人工湿地的约4倍，显著提升了侧向潜流湿地床的溶解氧 水平；在无能耗下大幅提升了湿地系统内的微生物作用强度，极大地提高了氮及 有机物的去除效率；优化了湿地流态，提高了水力效率，解决了现有技术池容利 用率低的缺陷。

人工智能技术飞速发展,我国大体上能够与世界先进国家发展同步。我国拥有自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等很多智能科技成果已进入市场,但是9%以上是软件、算法产品，在人工智能神经网络芯片研发方向上,我国又是落后于美国5-10年左右，可以预见的是,将来我国的人工智能神经网络硬件又将进口大量的IBM、Google、NVIDA、Braodcom等公司的产品,遵循的标准又将按美国的标准,在市场上处于弱势地位。

主要研究自然语言处理研究领域的算法和应用实践。涉及语义解析、意图识别、FAQ 问答、多轮对话、知识图谱等关键技术，研究内容包括分词、向量表示、分类等文本预处理技术，以及将自然语言处理核心算法应用落实到智能客服、NLP 引擎、航天空管交互等实际场景中，团队研发的 AI 产品已经跟国内企业、研究所开展了长期合作并动态跟踪，获得了广泛的一致好评。 人工智能 NLP 引擎项目是基于多语种分词、多语种情绪识别、词句关系分析、意图识别、文本聚类等自然语言处理技术实现对海量录音文本的知识挖掘，识别重要信息。为录音服务行业下游业务的分析人员提供分析思路，以便得到多维度、多形式分析结果，将发现转换为可落地的业务决策，这些数据驱动的业务决策，包括客户体验、座席行为、产品改进、风险监测等多个方面，帮助企业改善用户体验、降低成本、提升效率、提升业绩、降低风险等。 1.多语种分词。分词指的是将一个字序列切分成一个一个单独的词，是将连续的字序列按照一定的规范重新组合成词序列的过程。文本在入库时调用接口进行了分词，分词可用于模型的匹配和热词的统计。 2.词句关系分析。根据词句关系接口识别的中心词，然后用中心词进行词频的统计，对于目标样本，统计出高频中心词用来概括目标样本中主要描述的对话内容。 3.意图识别。识别出客户语句的意图，以便进行相应的功能操作、信息推荐等。 4.多语种情绪识别。情绪识别是对包含主观信息的文本进行情感倾向性判断，正向或者负向（如果能提供训练数据集，可以识别更多种类的情绪）。为客户之声下游任务的口碑分析、话题监控、舆情分析等应用提供帮助。目前支持中文、粤语的情绪识别。根据情绪标识，用情绪进行搜索和统计分析。 5.文本聚类。文本聚类将一大段文本中心词和中心词的关联词、近义词生成一个图，用于可视化文本的内容。 6.自定义分词、意图。对分词分词、意图种类进行增删、扩展、微调等。