本成果可从根本上解决上述痛点难题，传感器检测到冰雪等风险路况时，及时向路政、交警部门和社会发送预警和报警信号，以便及时采取风险管控措施，大大降低恶性交通事故发生的可能性。还可与道路融雪化冰系统协同工作，监测到冰雪危险路况时，传感器信号自动启动融雪化冰系统工作，消融冰雪，保障道路安全通畅。本成果的主要创新点： 1）压电平膜传感器多阶谐振频率和振动谱解析技术； 2）多光谱传感器光电信号处理技术； 3）复阻抗传感器信号检测及处理技术； 4）多传感器信息融合人工智能技术； 5）传感器可靠性结构设计技术。 冰雪路况传感器主要包含阻抗谱、谐振谱和多光谱等三种核心关键技术，如下图所示，其来源于团队前期研发的压电平膜式、光纤（光电）式和阻抗式结冰传感技术成果，均为具有自主创新特色及自主知识产权的研究成果。

01. 成果简介 世界上有数以百万的语言障碍患者，其中有的是由于先天缺陷导致其存在语言功能障碍，也有的是后天的一些疾病致使其丧失语言功能，语言功能障碍给他们的生活带来了极大的困难和不便。电子人工喉是一种简易的语言康复方法，其通常需要安装在口内喉部，由肺部发出的气流经过舌、唇的调制，引起人工喉膜片振动，使其发出语音信号。然而，现有电子喉助音器无法清晰还原患者声音，发音模糊，训练周期长，并且需要患者自己手持助音器于喉部，造成极大不便，所以亟需便于失语者携带、操作简单、性能优异的新型人工喉的器件及系统研究。 本成果团队研究的第二代石墨烯智能人工喉（WAGT）在器件柔性可贴附、声音收发系统集成、动作监测系统、轻型可穿戴等方面有了重大突破。首先，第二代石墨烯人工喉采用了更贴合人体皮肤的纹身式薄膜作为衬底，无需胶带粘贴，可直接贴敷在人体喉咙，极大地提高了佩戴舒适感；其次，第二代石墨烯智能人工喉在收发声系统方面有了双重突破，实现了石墨烯的器件级应用至系统级应用的跨越。通过专用电路对声音信号的放大和转换，第二代石墨烯智能人工喉首次将收声系统和发声系统连接起来，实现了声音输入到输出的闭环，并可以通过示波器实时观测喉部运动情况。接着，通过与单片机的结合，该器件可以将人体喉部的不同动作“翻译”成不同的声音，实现了动作发声系统。通过连接解码器，该器件还可以播放任意音乐。最后，第二代石墨烯智能人工喉系统可通过臂包穿戴在胳膊上，首次实现了石墨烯人工喉的可穿戴功能。未来将进行体积更小及功能更多的集成，有望实现像“创可贴”一样贴附在人体喉部并帮助失语者“开口说话”。图1. 可穿戴的第二代智能石墨烯人工喉系统02. 应用前景 第二代智能石墨烯人工喉集收声和发声于一体，可直接贴附于失语者喉部，并将喉部的不同动作转化为对应声音，有望帮助失语者正常与他人“交谈”。在未来，该器件将与声纹识别、机器学习等技术结合，在语音识别、家庭医疗等领域具有广阔前景。03. 知识产权 已获得国家发明专利授权2项。04. 团队介绍 本成果项目团队负责人为任天令教授，清华大学信息科学技术学院副院长，教育部长江学者特聘教授，国家杰出青年基金获得者，清华大学环境与健康传感技术研究中心副主任。担任IEEE电子器件学会副主席（中国大陆首次）、国际微电子领域顶级学术会议IEDM执委（中国大陆首次）、IEEE电子器件学会教育委员会主席（中国大陆首次）、中国微米纳米技术学会理事等。近年来，承担国家自然科学重点基金、国家重大科技专项、国家公益性行业科研专项、国家重大仪器专项、国家863计划、国家973计划等多项国家重要科技项目，做出一系列具有重要国际影响的创新学术成果。主要研究方向为智能微纳电子器件、芯片与系统，包括：智能传感器与智能集成系统，二维纳电子器件与芯片，柔性、可穿戴器件与系统，智能信息器件与系统技术等。在国内外重要学术期刊和会议发表重要SCI期刊论文400余篇，国际微电子领域顶级学术会议IEDM论文11篇；获国内外发明专利70余项，入选2018年爱思唯尔（Elsevier）“中国高被引学者”（微电子领域唯一入选者）。获2018年电子学会自然科学一等奖，“石墨烯智能人工喉”荣获科技导报评选的2017“中国十大重大技术进展”，“人工智能微纳电子器件”荣获2017“清华大学十大重大学术成果”，石墨烯“人工喉”在2018年全国科技活动周被评为“最受公众喜爱项目”，还入选2018年中国国际智能产业博览会十大“黑科技”创新产品（从1082项创新产品中脱颖而出）。团队成员有副教授、助理教授、助理研究员等7人。05. 合作方式 技术许可。06. 联系方式 邮箱：qyc16@mails.tsinghua.edu.cn、liuyi2017@tsinghua.edu.cn

成果介绍人脸三维识别，工业产品的三维检测技术创新点及参数自适应，“拟人”；深度学习（神经网络）；模糊逻辑和逻辑推理；进全局优化化计算。市场前景人脸识别，工业产品的外观三维检测

产品详细介绍一、嵌入式机器视觉图像处理平台     MV-VS800是一款高性能数字图像信号处理平台，具有极强的处理性能，高度的灵活性、工作稳定性和可编程性，平台功耗低、接口丰富，体积小巧，智能化程度高、拥有大量常用的图像处理软件库，是用户构造机器视觉图像处理系统的理想选择。二、机器视觉图像处理软件1、MV-MVIPS图像处理软件、HALCON机器视觉软件                               2、HALCON机器视觉软件 MVIPS 机器视觉图像处理软件平台是一款高性能的工业机器视觉软件工具包，用户可以利用其快速开发图像处理和机器视觉应用软件，快速搭建自己的机器视觉应用系统，它功能强大，测量、检测、识别速度快，可靠性高。MVIPS机器视觉图像处理软件提供了图像测量、字符识别、彩色分析、缺陷检测和目标定位等多个库函数，软件开发平台具有良好的人机界面，有图像输入、程序代码、参数设置、数据输出窗口，用户可以用简单的下拉式菜单界面，在软件中只需要快速调用相应函数就可以实现自己想要的功能。三、应用领域1、缺陷检测；2、尺寸测量；3、OCR&OCV；4、颜色比对；5、匹配定位。6、其他。

1. 痛点问题 本项成果涉及新型疫苗的设计与应用，具体涉及生物大分子药物及疫苗的研发过程中的抗原精准设计。 2. 解决方案 基于AI的大分子药物及疫苗抗原设计。

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 史雨杰 电信院/自动化 2019.9/2023.7 201931072537 李耀辉 电信院/机器人工程 2019.9/2023.7 201931072628 刘忠跃 电信院/自动化 2018.9/2022.7 201831073203 王怡欣 电信院/自动化 2018.9/2022.7 201831073423 孟泽涛 电信院/自动化 2018.9/2022.7 201831073302 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 李杰 电气信息学院 讲师 人工智能 四、项目简介 本项目基于虚实交互技术、仿生机器狗运动控制、机器视觉、机器算法等方面展开研究。其目的在于增强虚实场景下机器狗与现实环境的交互能力，使其更快速地适应复杂地形，并借助机器视觉丰富其应用性。机器狗采用Jetson-Nano为主控板，其上运行ROS系统，采用分布式运行rosserial_arduino、rosbridge实现机器狗运动控制和虚拟场景通信的环节；利用SLAM技术精确构建地形图样，模拟人的真实视觉功能并通过图像摄取装置赋予机器狗，使机器狗能够对图像信号进行获取和识别，并通过数字化处理以实现其在多目标环境下的个体追踪功能以及对人体的姿态识别功能。

一种基于对象随机游走的遥感图像视觉显著性检测方法及系统，包括进行多尺度分割，并在每个尺 度下分别对颜色特征相似的邻接区域进行合并;对于每个尺度下的分割结果，分别提取每个分割区域的 视觉特征，构建当前尺度下的对象集合;对于每个尺度下的对象集合，通过对象间的特征差异计算对应 的边缘权重，并计算注意焦点在对象间的转移概率，获得注意焦点的转移概率矩阵，分别根据注意焦点 的转移概率矩阵计算注意焦点在所有对象间的平稳分布，由该平稳分布中每个对象对应的概率进一步计 算视觉显著性并归一化，获得当前尺度下的归一化视觉显著图;融合各个尺度下的视觉显著图，即可获 得该遥感图像最终的视觉显著图。

本发明提出一种基于视觉特征的视频指纹检测方法，具体为：按照帧间相关性对视频序列分段，在分段中提取关键帧；在各关键帧中提取视频特征；利用像素点特征字典对像素点分类；对各关键帧分别进行多次不同数量的分块，在各子块中依据像素点的分类结果统计像素点特征字典各元素的出现次数，得到该子块的特征向量；将所有子块的特征向量拼接得到关键帧的高维视频指纹；对各高维视频指纹进行降维；将各视频片段关键帧的低维视频指纹按照时间先后顺序连成关键帧视频指纹串。本发明还提供了基于上述指纹检测方法的视频匹配方法。本发明通过对视频内容的关键信息进行有效描述，在不影响匹配率的情况下，大大降低了算法的复杂度，有效提高了检测效率。

医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。 由一款围棋人工智能程序AlphaGo(阿尔法围棋)开始，人工智能开始走进大众的视野。世界范围内对其的广泛讨论预示着人工智能时代已经到来。随着深度学习算法不断发展、日益成熟，人工智能已逐步用于医疗影像分析领域。近年来，关于内窥镜影像在AI领域的发明成果如潮水般涌现。 在内镜检查中，操作医师将抓取的图像和视频保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。由目前公开的内窥镜影像收集归纳系统中，尚未利用深度学习的方法来进行胃、肠的内窥镜影像学习，进而构建一个较为全面的内窥镜影像的样本库。目前的方法不利于简化医生的操作且不具有数据归一化处理和转换能力，无法根据数据适用范围的不同对数据进行管理和提供智能的数据分析功能。 一种人工智能扫描内窥影像样本库管理系统包括以下模块：图像输入模块，用于收集内窥镜图片；按官方标准，将胃部或者肠部内镜视野分成多个部位，通过人工智能系统对从医院内窥镜系统采集的图像进行预分类，并将影像数据上传至系统指定文件目录；登陆模块，用于在注册医生登录系统进入当前功能菜单后，对图片进行评图，确认该图片类别是否正确；系统主控界面，用于进行人机交互，并对图像进行显示；业务功能模块，包括：图像分类单元、视频库单元、病灶标记单元、我的任务单元、用户信息单元；系统设置模块，用于管理用户与权限。本发明界面美观友好、信息查询灵活方便；对上传影像数据智能分类，减少医生操作，只需最终确定。 本系统产生的价值在于： 一、界面美观友好、信息查询灵活方便； 二、对上传影像数据智能分类，减少医生操作，只需最终确定； 三、数据库管理模块，具有数据归一化处理和转换能力，根据数据适用范围的不同对数据进行管理，提供智能的数据分析功能； 四、集成第三方标记工具，标记过程简单清晰，结果数据稳定可靠； 五、用户权限设置合理，系统安全级别高； 六、防错退出模式，保证系统安全稳定运行。