基于深度学习的图像识别云端服务平台，能够 通过云计算框架训练深度学习算法模型，对图像进行目标检测 和识别。平台拟采用云端 API 的形式，为其他客户端的提供简 单易用的图像识别服务，将目标识别应用到互联网及移动应用 场景中，推动移动互联网的进步。 该平台实现如下功能：1.模型训练：平台能够基于用户给 定的不同行业的数据，训练相应的精细化分类模型。2. 图像识 别：平台能够根据预先训练好的识别模型，对用户

本发明申请要解决的问题是，对环境噪声较大的场合，根据对象的结构进行实时识别。本专利建立一种实时的智能物体检测算法，根据动态区域连通性提取物体的结构特征，通过矩函数映射得到特征进行识别。

基于直线电机的运动平台监控系统，可以支持直驱平台实现二维、三维或多维的超高速和超精密运动，精度和分辨率均在微米级。应用直驱运动平台可大大提高工业设备的速度和效率，推动现代装备及自动化设备制造业向高速、高精密方向发展。典型的应用领域：LED封装装备、办公机具、精密机械制造业、石油化工业、航空与国防工业、半导体加工及芯片制造业、工业机器人和机械手、激光及检测设备、医疗设备、电梯及仓储行业、食品与纺织机械行业等。

利用手机上的 APP 刷人脸，进行识别后，驱动门禁开关。由于手机比较普及，出入门禁的人，无需携带其他识别物，就能自由进出。成本低、方便快捷。

本发明公开了一种飞行器地面运动目标红外图像识别装置，所述装置包括红外图像非均匀性校正模块、图像旋转模块、图像配准模块、多级滤波模块、连通域标记模块、目标检测与特征识别模块、流程控制模块以及 FPGA 实现的互联模块。本发明采用图像处理和目标识别专用 ASIC/SoC 芯片、通用 DSP 处理器和 FPGA 处理器，完成不同层次的图像处理和目标识别算法，提高系统并行度、实时性，实时地实现了飞行器地面运动目标红外图像识别

本发明公开了一种基于噪声识别的红外图像降噪方法，本方法引入了噪声识别的基本思想，分别计 算了当前像素基于截尾均值的和基于梯度的隶属度，考察当前像素受噪声干扰的程度，采用联合判据判 断当前像素是否为噪声像素，最后根据判断结果进行降噪，实现对红外图像的降噪。本发明计算量小， 易于实时实现;相对传统算法能更有效的保护图像边缘与细节;在对噪声点进行降噪的过程中也考虑了 图像的纹理梯度信息，更为准确的对原有信号进行估计。

本技术成果公开了一种采用多特征融合的图像自动标注方法和系统，标注方法是使用多种特征类型来 表示图像内容，引入多特征表示的特征签名，结合K-Means聚类算法得到基于多特征融合的图像语义统计 模型，用于对图像自动标注

小试阶段/n钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等, 这些方法检到的缺陷类型少, 检测实时性不强, 检测的表面缺陷分辨率也不高, 无法有效评估产品的表面质量状况。本技术涉及一种基于多流形学习的带钢表面缺陷识别方法。其方案是：对于任一副带钢表面缺陷图像向量化的向量数据点分别选择类别相同和类别不同的K 个近邻点建立对应的同类数据子图和异

苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。 一、项目分类 显著效益成果转化 二、技术分析 苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。系统可以处理多种非结构化数据，比如说明书、技术标准、车间工单等纸质文档或电子文档。把图像识别技术(OCR)和自然语言理解技术(NLP)相结合，从表单图像中抽取关键要素信息。在此基础上，我们搭建了包括知识图谱问答 (KBQA)、常见问题检索 (FAQ)、对话 (Chatbot)在内的智能问答及对话系统、以及面向大数据的文档信息抽取系统。能够对给定的自然语言问题通过查询、推理提供精准满意的答案，和面向大规模文档提供信息抽取和舆情分析等服务。目前已经向多家公司提供各项相关服务。

该系统是与北大医学部物理教研室联合研制。涵盖了脉搏、语音等非电量的信号采集、频谱分析、分解与合成等功能；结合数字图像处理技术，进行傅里叶光学实验模拟。系统可完成多个设计性、创新性、趣味性的实验内容。 《脉搏语音图像分析系统》是与北京大学医学部物理教研室联合研制开发。 该系统涵盖了脉搏、语音等非电量的信号采集、频谱分析、分解与合成等功能；并结合数字图像处理技术，进行傅里叶光学实验模拟。 仪器可应用于开设“压力传感器测量脉搏”、“语音形态观测”、“数字图像的离散傅里叶变换”等多个实验，更能够让学生自主设计各类频谱滤波器，完成多个设计性、创新性、趣味性的实验内容。 系统特色： 1.  直观地展现语音、脉搏等生活中常见的信号,实现脉搏信号和语音信号的可视化； 2.  快捷地分析脉搏、语音信号的频谱构成、选频、重建； 3.  轻松地完成阿贝成像空间滤波物理研究性实验内容，以及数字图像的二维频谱分析、滤波、重建等功能； 4.  高灵敏度的采集探头对脉搏信号进行真实呈现，精确分析脉搏强度，实现科学定量地脉搏诊断。 功能模块 一、脉搏语音实验仪 二、信号分析软件 1. 脉搏信号测量分析测量脉搏波，并对脉搏信号作傅里叶频谱分析；并根据信号频谱图，进行原信号的分解以及合成还原。 教学应用： 可用于研究脉搏波的不同频率构成，通过任意分解和还原脉搏信号，分析不同频率对于脉搏图像的影响程度和变化规律。 2.  语音信号观察测量语音，并对语音信号作傅里叶频谱分析；在此基础上对原信号分解、合成、还原。 (1) 不同语音图像和频谱对比； (2) 分析同一实验者的不同音节，并进行信号的傅里叶变换，对比两段语音的时域差别和频域差别；(3) 分析不同实验者语音频谱，理解和掌握语音识别的原理； (4) 长时动态傅里叶频谱观察，进行长时间动态观察语音信号的时域图像和频域图像。教学应用：(1) 方便学生观察不同音节的语音形态，分析语音结构的细节特征；(2) 直观地反映语音信号在短时间内重复的周期变化，对不同类周期信号进行分析，研究类周期信号之间的异同点；(3) 对语音进行时-频分析，观察不同人、不同声音的频谱特征。 3.  多通道信号叠加分析 将多通道信号进行叠加,频谱分析、信号分解、分离和还原。将实验中多种信号通过传感器转换为电信号，接入外接通道，进行信号观察、检测和时-频分析。 教学应用： (1) 用标准信号进行实验分析，并与理论计算公式作对比，对傅里叶变换公式进行实验验证； (2) 根据实际需要，可以让学生设计测量各种物理量的传感器，直接输入到实验仪的外接通道，进行待测信号的测量。 4.  数字图像处理与光学实验模拟 观察黑白图片的二维傅里叶频谱，使用不同形状和参数的滤波器，对图像频谱进行低通、高通以及带通处理，对比处理后图像与原图的异同。 教学应用： (1) 将数字图像作为二维函数，通过傅立叶变换转换到频率域上，让学生根据具体需要，对频谱进行各种滤波处理，并将滤波后的频谱反变换，得到特定增强滤波处理后的图像； (2) 使用不同的图片模拟光学实验，进行空间滤波。无需到实验室搭建实际光路，就能够让学生观察到复杂的光学成像结果。 典型应用 教学中可开展的实验内容  1.压力传感器测量脉搏 压力的测量是各种测量技术中最常见的一种测量。本实验采用压电晶体式压力传感器测量脉搏波的波形及脉搏频率。 2.  语音形态观测实验由话筒采集语音信号，信号放大后输入计算机由数/模转换器转换为数字信号，经软件处理后显示在监视器上。实验中可通过观察同一人发不同音、不同人发相同音，理解语音识别的基本原理。 3.  傅里叶光学的空间频谱与空间滤波实验滤波器：低通滤波，高通滤波，带通滤波，自定义滤波器滤波 物屏：一维光栅滤波，二维光栅滤波， “光”字屏滤波。