本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

成果描述：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。市场前景分析：本发明最主要的任务是弱化了形态的特征，强调结构，从而加强的了抗噪能力，并通过概率模型，给出了精确的数据概率分析。已在实际的应用（自然生态保护区的熊猫识别）当中取得显著效果。与同类成果相比的优势分析：本发明主要面向复杂环境中颜色特征明显的对象，从对象的颜色特征出发得到结构，对结构进行判断从而进行识别。

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无

随着互联网及多媒体技术的快速发展和大数据时代的到来，视频网站、新闻网站、社交网站、博客、微博、微信等网络媒体形态不断涌现，图像、视频等多模态的数据急剧膨胀，随之带来了“管不住”和“用不好”两大问题。“管不住”是指互联网中隐藏着大量有害信息，如何自动分析与识别非常重要。“用不好”是指现有方法一般是单模态分析与识别技术，如图像分析、文本分析等，但单模态分析与识别因为信息有限难以取得好的效果。 针对上述两个亟待解决的关键问题，基于在图像处理、视频处理、机器学习、模式识别、搜索引擎技术等方向上多年的科研成果，我们开发出互联网图像视频识别与检索系统，支持对互联网上的图像、视频等多媒体数据进行采集、分析、识别和检索，突破网络有害信息难以识别和媒体大数据难以利用的问题，应用于互联网内容监管和大数据行业应用等领域，为维护网络内容安全和促进媒体大数据利用提供技术支撑。

一、 项目简介随着公路交通运输业的发展，人们对公路路面质量及其养护提出了更高的要求。本系统的实现既可以提供有效的路面信息，还能实现自动化的图像识别和信息定位，为其制定合理的养护决策提供科学依据，从而提高公路的养护水平。二、 项目技术成熟程度该项目技术成熟，在实际路面中进行了实际检验，运行稳定。三、 技术指标项目发表高水平学术论文7篇，被三大检索收录6篇。四、 市场前景系统可以为省内和国内的公路养护部门节约大量的人力、物力和财力，减少人工进行公路检测的风险，为他们提供有效的路面信息，为其制定合理的养护决策提供科学依据，从而提高公路的养护水平。五、 规模与投资需求本系统售价5万（包括培训），加上服务器及数据库系统软件，总投资预计10万元。六、 生产设备该系统只需配备一台服务器，及相应的数据库系统软件即可，服务器投资预计3万元（采用联想服务器），数据库系统软件（sql server 2万）。七、 效益分析使用该系统为养护部门制定合理的养护决策提供科学依据，从而提高公路的养护水平。具有良好的经济效益和社会效益。八、 合作方式技术服务、协作开发、提供咨询，具体事宜面议。九、 项目具体联系人及联系方式侯向丹，e-mail: xdhou@hebut.edu.cn十、高清成果图片

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。

基于流体动力，对微创深静脉血栓取除器械进行优化设计，通过初步离体血栓实验验证了取栓器的血栓取除率、残血栓粒度、取栓时间等；改进双侧乳腺钼靶图像预处理算法及数据处理算法，可提高乳腺癌预测的精度、敏感性、特异度。

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

一、项目简介 项目旨在解决现有目标检测、识别和跟踪系统易受雨天、雾天、沙尘、低光照、水下等恶劣成像环境的影响问题，使得相关目标检测、识别与跟踪系统可以全天候工作，最大程度克服相关视觉应用系统受天气和工作场景的影响的局限。 二、前期研究基础 课题组通过多年攻关，在相关核心技术方面有多项突破，提出多项拥有自主知识产权的针对恶劣成像环境下退化图像的质量提升方法。相关研究处于国内领先水平，已在包括IEEE Trans.Image Processing， CVPR，ICCV等计算机视觉国际顶级期刊和会议上发表论文17篇。授权发明专利5项，软件著作权1项。 三、应用技术成果 1)    雾天图像增强2)      水下图像增强 3)    雾天图像增强

成果简介通过光度计采集不同偏光下焦炭显微图像， 采用图像处理的方法焦炭提取图像中颜色、 纹理、 分形、 区域及边界等特征， 并采用模式识别的方法， 实现焦炭光学组织的自动分类与识别。成熟程度和所需建设条件硬件平台及软件系统均已构建， 算法已得到实验验证。 作为成熟产品， 软件尚需要进一步优化， 软硬件需要联调。技术指标识别准确率： 各向同性与各向异性>95%， 片状 98%， 纤维状 99%， 镶嵌状>95%。