项目简介 机器视觉技术是一门涉及人工智能、神经生物学、计算机科学、图像处理、模式识 别等诸多领域的交叉学科，其主要用计算机来模拟人的视觉功能，从客观事物的图像中 提取信息，进行处理并加以理解，最终用于实际检测、测量和控制，目前已经广泛应用 在工业和民用领域中。 三维全景视觉检测技术是近年来机器视觉领域研究的热点之一，目前在视觉监控领 域、机器人定位、机器人视觉伺服控制等方面得到了应用。现阶段全景视觉检测技术主 要围绕运动系统的定位、伺服速度和精度开展研究，江苏大学先进制造与现代装备工程

法律知识体系是多种逻辑的结合,并且法律的知识体系非常复杂。可以从法律法规自上下构建体系,也可以从法学概念的相关性去构建体系。然而专业领域的知识图谱的构建和百类知识的融合和构建不同,需要专家的指导和监督。近来,伴随着“智慧法院”的建设,司法知识图谱的构建时机也日臻成熟。本项目计划文书进行摘要,进而把涉案事实结构化,找到知识图谱中对应的实体概念,触发知识图谱里些推送知识,判断法律事件发生概率

成果简介：文艺表演全景式三维仿真系统能够完成文艺表演全元素、全过程的三维仿真和虚拟展示，利用图像合成和渲染技术实现对大型文艺表演的演员、行为、舞美、灯光、烟火、音乐、焰火等各表演要素的合成，实时渲染和交互式编辑。该系统能够自动化确定演员站位、自动化分配演员动作、群组路线编排、复杂三维表演造型设计、大规模表演动作预演、最终场景合成预演、大规模人群渲染与仿真。使用该系统能够帮助导演随时调整预案及全景展示三维的、动态的表演方案，并为领导预审和电视导播等其他

一、所属领域 人工智能，精密自动化，生物分析与检测，环境微生物检测，工业微生物检测，细胞组织分析检测。 二、项目介绍 1. 痛点问题 微生物的识别、计数和定性分析一直是食品、医药和生物行业的重要一环。传统的人工检测方式劳动强度比较大，且检测主观性强，标准难以统一，计数和检测结果不准确；在对环境的微生物监测中，人工方法只能做到抽样检测，无法做到持续性检测。 近两年行业巨头们（如GE，安捷伦，赛默飞等）开始推出图像识别技术的微生物检测设备，其结果来自直观影像，分辨率高，操作难度低。但是这些设备目前采用的光学显微镜倍数都在800倍以下，只能进行计数，如果要完成相关定性分析，需要在800倍以上的放大倍数获得单细胞微生物的清晰图像（如酵母菌，大肠杆菌）。但800倍放大倍数对应的有效视场只有200微米*200微米，对计数和活性统计分析又不具备足够的采样数量。目前国内外设备均没有解决好这个问题，对微生物进行定性分析的准确率低，无法满足市场需求。 2. 解决方案 本项目针对微生物和细胞活体检测中缺乏有效参照物的技术难点，根据显微扫描设备的结构，将全景化视域重构技术和微米级电机结合，解决了镜头大幅平移过程中的自动对焦难题和微生物溶液动态环境中的影像拼接难题，在保证1000倍放大的基础上，获得的有效视场增加到10毫米*10毫米的范围；再通过自动化图像采集和拼接，得到完整的微生物图像；然后结合传统的图像分割以及深度学习图像识别的优势，小样本高精度动态完成微生物的类型识别，计数，活性，死亡率，出芽率等定量定性分析。 3. 竞争优势分析 与国内外的主流检测设备对比，本项目技术优势主要体现在： 1）独创的微生物影像全景化视域重构技术，实现0.5微米的分辨率和20*25毫米的超大视角； 2） 解决微生物影像领域小样本智能识别和智能检测的难题； 3） 检测目标、检测内容、检测流程和逻辑可通过自然语言定制，提高设备功能通用性； 4）计数准确率超过人工计数，准确率超过国内细胞计数仪器一个数量级； 5）第一台按照国家微生物计数检测标准开发研制的微生物计数仪。 本项目的第一代产品样机与国内外同类产品对比，主要性能优势和技术优势如下： 在食品行业，本项目获得了青岛啤酒北京密云分厂的啤酒原液和相关酵母菌种，针对生产用酵母菌采集了大量实拍图像数据，优化后的酵母菌计数和出芽率算法识别率均在95%以上。 4. 发展规划 按照三步走的方式来设定发展规划： 1）基于全景化视域重构技术，构建第一代检测仪器，首先进入门槛最低的食品微生物检测市场，对啤酒和发酵乳企业提供酵母菌检测计数技术和设备； 2） 利用已有技术积累，进入环境微生物检测和高校实验室市场； 3）最后以食品和环境检测市场为根据地，进入门槛最高的生物医药检测市场，提供微生物检测和组织检测的相关设备。 5. 知识产权情况 已申请3项专利。 三、合作需求 1）寻求500-800万元天使投资； 2）寻找高校研究所，食品工业和环境检测领域的客户、渠道伙伴； 3）寻找生物医药，医学临床领域的客户、渠道伙伴和产品测试环境。 四、团队介绍 科研团队： 1）周悦芝 博士 清华大学计算机系研究员，项目负责人，在边缘计算和深度学习等领域有丰富的开发经验和杰出的研究成果，在面向医学影像的AI图像分析方面曾发表多篇论文，申请或获得多项国家发明专利。 2）黄权伟 清华大学计算机系硕士，负责图像分割及细胞识别等相关算法研发。 3）梁志伟 清华大学计算机系硕士，负责深度学习算法加速研究和实现。 五、联系方式 E-mail：ott@tsinghua.edu.cn 成果编号：20230055

成果介绍主要研究方向为人工智能、知识图谱、自然语言处理、社交网络、大数据、信息检索等。作为项目负责人主持完成2项国家自然科学基金，1项中国博士后基金一等资助项目，5项省部级重点实验室开放课题项目，10余项企业联合研发项目等。作为主要负责人参与国家重大研发计划子课题、总装预研、863课题等项目。研究成果已应用于国防、科技情报、医疗、智慧司法、智能制造等行业。担任数十个重要国际会议和国内外重要期刊的程序委员或审稿人。已在国内外重要学术期刊和会议上发表学术论文90余篇。研究工作被60多个国家和地区的学者引用1500余次。技术创新点及参数面向多源异构数据的知识图谱构建技术；大规模知识图谱的高效融合技术；面向跨媒体异构数据的知识表示技术；基于语义关联和知识驱动的信息汇聚技术；面向复杂问题智能问答技术；基于知识和机器学习和问题推理和分析技术。

火灾事故调查是是一项技术性、政策性、规范性、法律性和时效性都很强的工作。由于火灾现场的千差万别，火灾调查这一专业执法工作所涉及的知识面特别广泛，在现场勘查过程中遇到的专业问题又相互交织在一起，加之建筑新材料、新工艺、新技术、新产品的不断涌现，使得火灾现场典型痕迹的发现和识别显得尤为重要。本课题选题从消防部队实际需求出发，以实际火灾现场中的痕迹为主要研究对象，收集提炼玻璃和混凝土等常见材料在火场高温条件下的痕迹特征，以解读痕迹形成的过程和规律，为火灾调查工作的开展提供有力支撑。

本研究利用DNA分子标记技术建立了种子检测的分子条形码技术。利用该技术可以用种子或在植株生活的不同时期进行真伪和纯度检测，防止伪劣种子流入市场，提高种子的质量。本项技术可以建立农作物、蔬菜、果树和中药植物的标准DNA指纹图谱和数据库。该技术的建立将会带动农林经济种子鉴定技术的发展，产生较大的社会效益和经济效益，具有十分重要意义和应用前景。

本发明公开了一种红外图谱关联智能探测方法及装置，包括：先搜索视场中目标，然后依次对搜索到的目标进行图谱关联智能识别，即对每一个目标先进行红外图像目标识别，若探测识别率大于等于设定阈值，则输出识别结果并保存目标图像数据；否则，则获取目标红外光谱，进行基于红外光谱特征的目标识别。本发明还公开了用上述方法进行目标探测的装置，主要包括二维扫描转镜、多波段红外光学模块、长波红外成像单元、宽波段红外测谱单元和处理与控制单元。

本发明公开了一种基于 GPS?RTK 和全景影像的自主定位定向测图方法，本发明利用全景相机获取 的全景影像和 GPS?RTK 测得的设站点坐标，采用基于全景影像球体模型中量测交会角的三维立体前交 计算方法，实现两组全景影像公共区域中地物的直接量测，从而快速获取全景影像公共区域地物的三维 坐标信息。本发明可实现在全景影像上直接对地物进行量测，可快速获取地物数据及测点测距，从而获 得三维建模、场景重建、数字城市建设等所需的地物信息。