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。

产品介绍 CK-M8L超高频RFID读写模块是小型化的UHF RFID 读写器 ，集成了模拟射频前端与基带数字信号处理模块等功能；用户只需要在模块的基础上作电源处理即可，可以很方便的通过API函数库控制模块工作适合各种应用场景用户开发。该模块支持固件升级，可满足协议扩展和功能扩展的应用需要。     产品特点 支持多种协议：ISO 18000-6C/EPC C1G2 、 ISO 18000-6B、国标GB/T29768-2013(可拓展支持)。 密集读取：端口最大输出33dBm，可根据需要设置功率，可应对非常密集的使用环境，多标签识别算法，每秒可识别超过400张以上。 能够定频或跳频工作。 输出功率可调,调节步进:1dBm。 支持标签数据过滤、支持防碰撞协议、支持多标签识别。 全频段、大功率、灵敏度高、功率准、零配置即可获得最佳性能。 规格参数 主要规格参数 产品型号 CK-M8L 性能参数 频率范围 940MHz～960MHz 空口协议 EPC C1G2、ISO18000-6B/C、GB/T29768-2013（可选配） 功能特点 支持密集读写、多标签识别、支持标签数据过滤、支持RSSI：可感知信号强度 通道数 8通道 RF输出功率（端口） 33dBm±1dBm（MAX） 输出功率调节 ±1dBm 前向调制方式 DSB-ASK、PR-ASK 连续读标签距离（读EPC码） 0-10米，连续读100次，读取成功率大于95%（无干扰环境）（8dBi圆极化天线@H3） 连续写标签距离（写EPC码） 0〜4米(与标签芯片性能有关)，连续写100次，写成功率大于90%（8dBi圆极化天线@H3） 标签识别速度 >400次/秒 通讯口 TTL串口 物理接口 15PIN端子 1.25mm间距 空口协议 ISO 18000-6C/EPC C1G2 、 ISO 18000-6B、 GB/T29768-2013（可拓展支持） 功能特点 支持密集读写、多标签识别、支持标签数据过滤、支持RSSI：可感知信号强度 读卡功耗 （33dBm）：8W 物理参数 外观尺寸 93*72*8mm 外壳材质 铝型材外壳 安装方式 通过四个螺丝孔固定 电源 工作电压   操作环境 工作温度 -20°C~+70°C 储存温度 -40°C~+85°C 工作湿度 <95% (+25°C)

在光通信传输过程中，发射端将电信号转换成光信号，然后调制到激光器发出激光束，通过光纤传递，在接收端接收到光信号后再将其转化为电信号，经调制解调后变为信息，而光电芯片所起到的作用就是，实现电信号和光信号之间的相互转换，是光电技术产品的核心，处于光通信领域的金字塔尖。

包括基于流量分析的移动应用指纹识别技术以及基于应用程序和浏览器的设备指纹识别技术等。移动应用指纹识别技术通过综合应用动态流量采集和静态特征抽取技术，在保证应用规模和流量覆盖率的前提下，实现流量数据的大规模自动化采集。设备指纹识别技术针对Android系统终端，在零权限的前提下分别基于应用程序和浏览器提取层次化标识符组合形成指纹实现设备识别。

工业或轻工业环境下的抓取和分拣操作一直是劳动密集型的生产环节。本研究室搭建了以视觉感知     为基础的机械手臂控制系统，核心硬件包括 UR 机械臂和 Barratte Hand 三指灵巧手。能够准确、快速地识别与定位抓取目标，并实现可靠地运动控制。该技术对提高相关产业的自动化、智能化、以及劳动生  产率具有重要的应用价值。

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。

已有样品/n目前已开发出：直接数字频率合成器（DDFS）、数模转换器（DAC）、模数 转换器（ADC）、北斗+GPS 多模导航型射频芯片、CPT 原子钟微波电路等。 个人行车定位与导航终端、行车记录仪、电子狗； 智能手机、平板电脑等移动信息终端； 交通运输车辆管理与跟踪系统； 航海、船舶作业导航与定位设备； 测绘、水利、森林防火、减灾救灾和公共安全等。

AlGaN/GaN HMET射频器件有一原生的电子信道，为一常开器件，不利于射频功率放大器电路设计与安全性。如果器件能够实现常关特性，则射频功率放大器电路可因此简化。然而，目前常见实现器件常关特性工艺需要对半导体层进行刻蚀，而刻蚀工艺会对器件引入缺陷，降低器件特性，因此市面上的常关型AlGaN/GaN HMET射频器件非常少见。

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。