|
搜索
搜 索
高等教育领域数字化综合服务平台
电源线接线端子
定单信息
TES-ADP24VC 电源适配器
TES-ADP24VC ……………………… 电源适配器（24 V DC, 1.5 A，用于TES-5630M，TES-5641/5642/43系列一体机）
电源延长线
电源延长线 …………………………………………………………电源延长线（用于TES-ADP24VC 电源适配器，单位：米）
电源线接线端子
电源线接线端子 ………………………………电源线接线端子（用于TES-ADP24VC 电源延长线，100 个/包，单位：包）
深圳市台电实业有限公司
2021-08-23
磁感线演示器
宁波浪力仪器有限公司（余姚市朗海科教仪器厂）
2021-08-23
三线电子开关
宁波浪力仪器有限公司（余姚市朗海科教仪器厂）
2021-08-23
磁感线演示板
宁波浪力仪器有限公司（余姚市朗海科教仪器厂）
2021-08-23
智能表记识别系统
项目简介： 本项目针对复杂的实际工业环境，基于机器学习最新理论成果和机器视觉基本原理，研究并实现了具有较强鲁棒性的变电站传统机械式电表远程智能读数系统。首先通过图像的预处理对电表区域进行初步定位，然后在此有效范围中利用电表指针的几何形状特点对其进行精准定位，最后通过指针与表盘刻度的相对位置计算电表读数，最终实现了在复杂环境下对电表快速、可靠、精确地远程智能读数，代替了低效的传统人工抄表和数据录入，具有可推广应用的工业价值。 运用机器学习和计算机视觉技术，首先获取指针式仪表表盘图像，然后采用数字图像处理技术提取和识别目标，最后实现指针式仪表示值的自动判读，从而避免人工判读示值工作量大、容易出错等问题。本项目的主要工作内容有：电表特征配置、指针类表计读数判别、建立前馈式神经网络模型、图像智能化判断。 由于工业环境复杂多变，在数据采集过程中不定期地会出现各种故障和干扰。这些极端情况下所采集到的图片若进入系统进行智能读数分析，所得到的分析结果往往是不可信或者无意义的。所以，根据图像的像素分布特点进行分析，系统将自动拒绝对质量过差的问题图像进行分析判断，并向变电站工作人员发送相关警告提示。在提高系统读数结果可靠性的同时，及时发现设备问题并通知工作人员，有利于尽早排除故障、防患于未然。主要技术指标：识别正确率：92.5%；识别速度<3s。 应用范围：项目目前已进入产业化阶段，成果权属为我校独自拥有。
四川大学
2021-04-11
动态捕捉技术( 人像识别)
通过人脸检测模块对输入图像进行预处理，自动而准确地定位人脸所在位置并分割出相应的人脸 区域，对人脸面部图像进行特征提取，利用模式分类器进行性别识别。
北京工业大学
2021-04-11
RFID射频识别系统
RFID即射频识别，是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象，可快速地进行物品追踪和数据交换。识别工作无须人工干预，可工作于各种环境。RFID技术可同时识别多个对象，操作快捷方便。
本项目以电力井为对象，开发了手持式及桌面型RFID电缆信息化系统。项目开发的手持式RFID电缆信息化系统，由手持式读写器、UHF超高频射频卡及其读写软件组成，适用于电力井现场采集及电缆信息维护；项目开发的桌面型RFID电缆信息化系统，由桌面型读写器、UHF超高频射频卡及其读写软件组成，适用于办公室中对电力井电缆信息化管理工作。系统可处理中英文字符信息，手持式系统通过GPRS技术可实现远程数据维护。
集美大学
2021-04-29
智能物料跟踪与识别
（1）开发工业字符自动识别算法，有效对旋转、变形、缺失字符进行准确识别，实现自动物流跟踪；（2）支持面喷、侧喷、钢印和手写字符的识别；（3）支持自定义字库，语法，多点同步识别；（4）识别算法对喷印质量没有要求，识别准确率为：对人工能进行识别的字符整体识别正确率为 99%。
北京科技大学
2021-04-13
场景文字检测与识别
场景文字检测与识别是指将自然场景中出现的文字信息识别出来。具体来讲其包含两个部分（如图1）：文字检测和文字识别。在现实生活中，场景文字检测与识别的应用十分广泛。
南京大学
2021-04-14
页岩薄片智能识别平台
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
高志豪
计算机学院/物联网工程
2017年/2021年
201731064410
林钟煇
计算机学院/物联网工程
2018年/2022年
201831064119
阳旭菻
计算机学院/计算机科学与技术
2018年/2022年
201831062525
李沛键
计算机学院/物联网工程
2018年/2022年
201831064115
三、指导教师
姓名
学院/所学专业
职务/职称
研究方向
陈雁
计算机科学学院
副教授
人工智能、复杂网络、能源与人工智能交叉领域
刘忠慧
计算机科学学院
副教授
机器学习、人工智能、形式概念分析
四、项目简介
美国海相页岩气藏的成功勘探开发，展现了页岩气的巨大潜力和发展空间，同时也极大地促进了页岩储层微观结构表征分析技术的发展，通过页岩岩心薄片观察底层形态、确定底层数据，是页岩气勘探开采中的重要一环。页岩储层的孔隙作为页岩组分的一个重要部分，其结构特征直接影响着储层剩余储量的剩余油的分布，因此，对页岩薄片孔隙的形状和类型进行研究是十分必要的。但在目前，页岩薄片只能靠人工鉴定，这种方法工作量大，效率低，且主观性强，误差较大。深度学习是近年发展起来的具有多层次特征抽象归纳与知识发现能力的机器学习算法，目前已经被广泛应用到了语音识别、计算机视觉、自然语言处理等众多领域。在地质和岩石物理领域也有了初步的应用，深度学习方法在地质数据的特征提取及预测识别方面有着广阔的应用前景，本项目组将会开发页岩薄片智能平台，通过机器学习算法来学习专家知识，自动识别孔隙类型，这样就可以大大提高效率，节省人力。
西南石油大学
2023-07-20