小试阶段/n航空插座广泛应用于各种电气线路中，起着连接或断开电路的作用。但由于航空插头的种类繁多，特别是随着信号线数目的增加，给航插的检测、焊接和信号线编号的识别带来巨大困难，传统的检测方法是利用万用表对航 插两端逐个检测通断，该操作非常麻烦，且容易操作失误。。本发明公开了一种航空插座信号线编号的自动识别方法与装置，其中该装置包括微处理器，以及均与该微处理器连接的总线扩展单元和线路检测单元；该总线扩展单元包括多个航空插座/头，被测航空插头/座通过该多个航空插座/头与所述总线扩展单元连接；被测航空插座/头还通过线路检测单元与微处理器连接；该装置还包括键盘；通过键盘输入被测航空插座/头的型号或者芯线数目，微处理器发出巡检信号并根据被测航空插座/头的反馈信号识别被测航空插座/头的信号线编号。本发明通过微处理器发出巡检信号，从而实现航空插座信号线编号的自动识别，同时还可以对焊接质量进行检测。。支持额度：。50。万元。承接单位：。湖北省。项目进展：。航空插座广泛应用于各种电气线路中，起着连接或断开电路的作用。但由于航空插头的种类繁多，特别是随着信号线数目的增加，给航插的检测、焊接和信号线编号的识别带来巨大困难，传统的检测方法是利用万用表对航 插两端逐个检测通断，该操作非常麻烦，且容易操作失误。本发明公开了一种航空插座信号线编号的自动识别方法与装置，其中该装置包括微处理器，以及均与该微处理器连接的总线扩展单元和线路检测单元；该总线扩展单元包括多个航空插座/头，被测航空插头/座通过该多个航空插座/头与所述总线扩展单元连接；被测航空插座/头还通过线路检测单元与微处理器连接；该装置还包括键盘；通过键盘输入被测航空插座/头的型号或者芯线数目，微处理器发出巡检信号并根据被测航空插座/头的反馈信号识别被测航空插座/头的信号线编号。本发明通过微处理器发出巡检信号，从而实现航空插座信号线编号的自动识别，同时还可以对焊接质量进行检测。。项目基本内容：。航空插座广泛应用于各种电气线路中，起着连接或断开电路的作用。但由于航空插头的种类繁多，特别是随着信号线数目的增加，给航插的检测、焊接和信号线编号的识别带来巨大困难，传统的检测方法是利用万用表对航 插两端逐个检测通断，该操作非常麻烦，且容易操作失误。本发明公开了一种航空插座信号线编号的自动识别方法与装置，其中该装置包括微处理器，以及均与该微处理器连接的总线扩展单元和线路检测单元；该总线扩展单元包括多个航空插座/头，被测航空插头/座通过该多个航空插座/头与所述总线扩展单元连接；被测航空插座/头还通过线路检测单元与微处理器连接；该装置还包括键盘；通过键盘输入被测航空插座/头的型号或者芯线数目，微处理器发出巡检信号并根据被测航空插座/头的反馈信号识别被测航空插座/头的信号线编号。本发明通过微处理器发出巡检信号，从而实现航空插座信号线编号的自动识别，同时还可以对焊接质量进行检测。

图像识别服务基于大数据和深度学习实现，可精准识别图像中的视觉内容，包括上千种物体标签、数十种常见场景等，包含图像打标、场景分类、鉴黄等在线API服务模块，应用于智能相册管理、图片分类和检索、图片安全监控等场景。

生物特征识别是模式识别、图像处理、人工智能等学科领域的一个前沿研究方向，是涉及国家社会公共安全的战略高技术，同时也是电子信息产业新的增长点。从今年开始，我国已经开始计划在第二代身份证和电子护照中嵌入生物特征信息以提高个体身份认证的可靠性，生物特征识别技术在国家的人口管理、安全反恐、机场安检、出入境边检、门禁与安全系统、权限控制、对象监控、金融防伪、电子商务、社保福利等领域发挥重要作用。

已有样品/n1）主要技术特点：该成果的特点是针对生物质燃料的光谱图像,利 用深度特征学习方法,建立生物质燃料的水份和灰份含量的传感函数模 型，然后,针对现场获取的生物质燃料光谱图像,利用训练好的传感函数 模型,自动检测和评估生物质燃料成份和品质。与现有生物质燃料成份检 测系统相比，具有生物质燃料品质检测速度快、精度高等优点。 2）主要技术指标：(1)水份和灰份含量检测误差：<1%； (2)水份和 灰份含量检测速度：<2 秒/样本； 3）应用范围：可用于生物质发电厂生 物质燃料品质评估，提

本项目面向交通管理行业，基于公共视频监控数据源，快速感知移动（运动）目标并在此基础上对车辆的异常行为进行识别（逆行、压线、违法掉头、违停、违法占道行驶等多种交通违法行为），同时能够记录移动轨迹，具体场景参照附件所提供的一组照片。该成果经过完善和产品（产业化）后，可以直接为城市交通管理提供技术支持。

结合模式识别及语音情感感知算法，开发了应用于移动平台的语音情感识别系统，该技术具有自主知识产权。该系统能够通过移动终端采集用户的语音信号，经情感建模和识别算法处理后，实时感知用户语音中包含的六种基本情感信息（高兴、悲伤、惊讶、害怕、生气、嫌恶）。系统特点：1、融合说话人无关和说话人相关两种语音情感模型，用以弥补单一模型无法兼顾算法普适性和准确性的不足；2、具备在线及离线两种工作模式，在线模式下，移动设备可以借助服务器获得更为准确的识别结果，并且节省运算资源；3、对移动设备使用环境中的低采样率与低信噪比环境作了针对性优化，保障了识别算法在一般环境下的鲁棒性。 本系统基于北京航空航天大学模式识别与人工智能实验室的多模型融合语音情感识别技术，在移动平台上实现了对说话人情感表达的识别。其能够对说话人相关和说话人无关情形进行相应优化，对于未在系统注册的一般用户，识别准确率为76%；对于已在系统注册的用户，识别准确率可达83%，属于国内外领先水平。对于长度为2s的语音，本系统离线模式下识别时间小于0.5s，在线模式下识别时间小于0.2s。

本项目实现自然视觉监控环境下单/多人的人脸检测、跟踪及识别。系统能 实现单样本条件下，完成视频中所出现人物的身份判别，能应对自然监控环境下 的光照、姿态、表情变化及面部遮挡物的改变。目前，系统识别精度在千人库小 规模测试中达到 95%以上，识别速度为 25 帧/秒。系统主要特点在于： (1) 不同环境下的人脸特征点标记：以主动外观模型为基础，初始化后 经过一组级联回归器的数次迭代来优化标记点，最终得到足够精度的标记点。方 法能适应多姿态、多表情以及多种光照等自然环境下的人脸。 (2) 高效的有效人脸检测、跟踪及确认机制：在监控视频中，人脸在某 些帧会出现模糊、严重遮挡而使得脸部特征严重缺失，此时所捕捉到的人脸已不 适合进行识别。为此，通过建立高效的模糊及遮挡判别机制，自动抛弃原始检测 到的非人脸和非正常人脸，完成非连续帧多个人脸的有效跟踪。 (3) 鲁棒且具有区分度的人脸特征提取机制：考虑到校正后的人脸仍然 与原始样本人脸存在差距，从多个尺度从校正后的归一化人脸中提取不变性特征， 能适应多种环境改变，同时设计特征投影空间，进一步加强样本区分度。 (4) 高速有效的识别确认机制：为提高识别的准确性，建立视频识别序 列中正确识别确认机制，通过 voting 方式，删除序列中的误识别，保留正确识 别结果。 此外，为提高系统对人脸表情和眼镜等遮挡物的适应性，正在进行二次版本 的提升工作，目前已完成人脸表情归正以及遮挡物自动摘除的仿真，部分仿真结果

成果完成年份：2010年7月 成果简介：本项目面向交通管理行业，基于公共视频监控数据源，快速感知移动（运动）目标并在此基础上对车辆的异常行为进行识别（逆行、压线、违法掉头、违停、违法占道行驶等多种交通违法行为），同时能够记录移动轨迹，具体场景参照附件所提供的一组照片。该成果经过完善和产品（产业化）后，可以直接为城市交通管理提供技术支持。 项目来源：自行开发 技术领域：信息技术 应用范围：城市交通管理 现状特点：国内领先

ASV-Subtools的设计理念在于代码高度复用的同时保持模块分化和开发自由，因此具有高效性、可读性、通用性、灵活性四大特性。使用者可以轻松上手并只需通过简单的编辑配置文件就能探索不同的网络架构，实现最优异的性能。 一、项目分类 关键核心技术突破 二、成果简介 声纹识别是指从说话人的语音信号中提取声纹特征，并通过有效的分类识别模型，对说话人的身份进行校验和鉴别。声纹识别广泛应用于刑侦、人机交互声纹口令验证、银行声纹身份验证等领域。得益于深度学习的发展，声纹识别的性能在不断提升，但落地难度也相应提高。 ASV-Subtools是厦门大学智能语音实验室（XMUSPEECH）于2020年6月推出的一套高效、易于扩展的声纹识别开源工具，该工具是基于Kaldi与Pytorch开发的，充分结合了Kaldi 在语音信号和后端处理的高效性以及PyTorch 开发和训练神经网络的便捷灵活性。自开源以来，ASV-Subtools就以卓越的性能和灵活便捷的框架受到国内外重点科研院所和研发人员的青睐。 ASV-Subtools的设计理念在于代码高度复用的同时保持模块分化和开发自由，因此具有高效性、可读性、通用性、灵活性四大特性。使用者可以轻松上手并只需通过简单的编辑配置文件就能探索不同的网络架构，实现最优异的性能。 相较于语音领域的其他开源工具，ASV-Subtools专注于声纹领域的研究，不仅先后为东方语种、CNSRC等国内外知名竞赛中提供基线系统和技术支持，同时在声纹领域公开的VoxCeleb数据集上也在不断刷新着SOTA的结果。 为了加快声纹产品的落地，厦门大学智能语音实验室（XMUSPEECH）与厦门天聪智能软件有限公司（TalentedSoft）合作，共同为ASV-Subtools的开发与更新做出贡献。目前ASV-Subtools已打通声纹识别从算法研究到产品落地的全流程，技术成熟度已达到可以量产的水平。     GitHub：https://github.com/Snowdar/asv-subtools

本发明公开了一种用于机械装备结构的模态参数自动识别方法， 该方法包括如下步骤：将整个频域区间按照区间宽度分割成宽度相同 的频率小区间，统计固有频率落在各频率小区间内的极点总数；将极 点总数小于阀值的频率小区间内的极点作为计算极点而剔除，剩余的 极点作为物理极点而保留；然后，利用最小方差准则，从上述步骤中 剩下的极点中自动识别各阶模态参数。该识别方法可有效区分计算极 点与结构物理极点，自动识别结构的模态参数，获得机械结构在工作 状态下的动力学特性参数，有效减少模态分析中的人工参与，为机械 结构的在线检