研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐； 平台技术： 微服务的构建方式，微服务、前后端完全分离。 分布式开发框架——SpringCloud Web开发框架——SpringBoot 、VUE（ELE） 机器学习算法框架——R、Spark集群计算 数据存储工具——Mysql、JPA、Hadoop（集群） 中间件: RabbitMQ

项目成果/简介:研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐；平台技术：微服务的构建方式，微服务、前后端完全分离。分布式开发框架——SpringCloudWeb开发框架——SpringBoot 、VUE（ELE）机器学习算法框架——R、Spark集群计算数据存储工具——Mysql、JPA、Hadoop（集群）中间件: RabbitMQ应用范围:智能装备预测性维护：滕州机床设备在线监测云，实现设备状态监测、关键参数监测、能效管理、异常报警等服务。有效降低设备非计划停机和能耗，协助技术人员评估关键设备的实时性能，实现设备全生命周期健康管理。矿井工业视频联动：引入大数据对工业视频存储、管理提供支持，工业视频与各业务系统联动，调阅视频，存储视频。依托合作伙伴在正通煤业、鲁花集团、软控股份、山东省计算中心、斯木信息、西山煤电等企业进行应用示范。技术成熟度:可以量产

1、智能车间：生产自动化、维护智能化、分装迅捷化智能车间为整个智慧工厂的核心功能模块，它在原有工厂电气化的基础上进行升级改造，加装各种控制器，将生产过程变得简单易学，可实现工人的快速培训、快速上岗、减少培训费用支出，降低生产成本；将生产过程程式化，降低生产过程中残次品的产生。2、智能仓储转运系统（WCS、WMS、TCS）：成品（半成品）自动转运，自动出入库，仓库管理实现完全自动化。3、智能品质管控：产品品质管控智能化，智能品质管控依托工厂大数据和人工智能技术，对智慧工厂品质管控环节历史数据以及当前数据进行处理分析，搭建计算机视觉识别网络，运用统计学原理对产品进行精准品质分析，避免残次品流入市场，影响企业品牌形象。4、集成相关管理系统：与ERP，MES系统集成，与工厂现有ERP和MES系统集成，实现订单、原料管控、人员管理、成本分析、生产计划、生产具体实施、仓储物流、成品进入市场全过程无缝衔接，工厂生产管理完全智能化。5、产品追溯系统：产品生产全周期追溯产品问题追溯一直是困扰工厂生产的较为严重问题之一，产品追溯系统从半成品开始就生成此项产品的唯一工厂标识码，存在于整个生产周期，通过追溯标识码可以定位到其生产机台，转运时间，入库时间，存储库位信息，出库时间，有效降低不合格品的管理成本，做到责任到人。

业界首个针对AI在极端和对抗环境下的算法安全性检测与加固的工具平台“对抗样本”成新型病毒，算法安全问题亟待解决随着人工智能技术的高速发展，人工智能在诸多场景正逐渐替代或协作着人类的各种劳动，它们可以成为人类的眼睛、耳朵、手臂甚至大脑。其中，机器视觉作为AI时代的基础技术，其背后的AI算法一直是各科技巨头和创业公司共同追逐的热点。然而在机器视觉诸多主流应用场景的背后，往往也藏着由技术性缺陷导致的算法安全风险。例如，在一些训练数据无法覆盖到的极端场景中，自动驾驶汽车的识别系统可能出现匪夷所思的决策，危害乘车人的人身安全。从2016年至今，Tesla、Uber等企业的辅助驾驶和自动驾驶系统就都曾出现过类似致人死亡的严重事故。并且这类极端情形也可能被恶意制造并利用，发动“对抗样本攻击”，去年7月，百度等研究机构就曾经通过3D技术打印出能让自动驾驶“无视”的障碍物，让车辆面临撞击风险。而以上攻击之所以能成功，主要是机器视觉和人类视觉有着很大的差异。因此可以通过在图像、物体等输入信息上添加微小的扰动改变(即上述故意干扰的“对抗样本”)，就能导致很大的算法误差。此外，随着AI的进一步发展，AI算法模型将运用金融决策、医疗诊断等关键核心场景，这类AI“漏洞”的威胁将愈发凸显出来。近年来，包括清华大学人工智能研究院院长张钹院士、前微软全球执行副总裁沈向洋等均提倡要发展安全、可靠、可信的人工智能以及负责任的人工智能，其中AI的安全应用均是重点方向。而且，AI安全作为新兴领域，在开源社区、工具包的加持下，对抗样本等攻击手段日益变得复杂，相关防御手段的普及和推广却难以跟上。并且对抗样本等算法漏洞检测存在较高的技术壁垒，目前市面上缺乏自动化检测工具，而大部分企业与组织不具备该领域的专业技能来妥善应对日益增长的恶意攻击。从安全测评到防御加固，RealSafe让AI更加安全可控就如网络安全时代，网络攻击的大规模渗透诞生出杀毒软件，RealAI团队希望通过RealSafe平台打造出人工智能时代的“杀毒软件”，帮助企业高效应对人工智能时代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平台主要支持两大功能模块：模型安全测评、防御解决方案。其中，模型安全评测主要为用户提供AI模型安全性评测服务。用户只需接入所需测评模型的SDK或API接口，选择平台内置或者自行上传的数据集，平台将基于多种算法生成对抗样本模拟攻击，并综合在不同算法、迭代次数、扰动量大小的攻击下模型效果的变化，给出模型安全评分及详细的测评报告(如下图)。目前已支持黑盒查询攻击方法与黑盒迁移攻击方法。防御解决方案则是为用户提供模型安全性升级服务，目前RealSafe平台支持五种去除对抗噪声的通用防御方法，可实现对输入数据的自动去噪处理，破坏攻击者恶意添加的对抗噪声。根据上述的模型安全评测结果，用户可自行选择合适的防御方案，一键提升模型安全性。另外防御效果上，根据实测来看，部分第三方的人脸比对API通过使用RealSafe平台的防御方案加固后，安全性可提高40%以上随着模型攻击手段在不断复杂扩张的情况下，RealSafe平台还持续提供广泛且深入的AI防御手段，帮助用户获得实时且自动化的漏洞检测和修复能力。准确度99.99%也难逃被“恶意干扰”，RealSafe高效应对算法威胁 考虑到公众对于对抗样本这一概念可能比较模糊，RealSafe平台特意选取了公众最为熟知的人脸比对场景(人脸比对被广泛用于金融远程开户、刷脸支付、酒店入住登记等场景的身份认证环节)提供在线体验。并且，为了深入研究“对抗样本”对人脸比对系统识别效果的影响，RealAI 团队基于此功能在国内外主流 AI 平台的演示服务中进行了测试。实测证明，“对抗样本”可以极大的干扰人脸比对系统的识别结果，而测试的这几家互联网公司平台开放的人脸比对API或SDK，几乎覆盖了目前市面上很多中小型企业在落地人脸识别应用时的选择，如果他们的人脸比对技术存在明显的安全漏洞，意味着更广泛的应用场景将存在安全隐患。因此，为了帮助更大范围内的企业高效应对算法威胁，RealSafe平台具备以下两大优势：·  组件化、零编码的在线测评：相较于ART、Foolbox等开源工具需要自行部署、编写代码，RealSafe平台采用组件化、零编码的功能设置，免去了重复造轮子的精力与时间消耗，用户只需提供相应的数据即可在线完成评估，学习成本低，无需拥有专业算法能力也可以上手操作。·可视化、可量化的评测结果：为了帮助用户提高对模型安全性的概念，RealSafe平台采用可量化的形式对安全评测结果进行展示，根据模型在对抗样本攻击下的表现进行评分，评分越高则模型安全性越高。此外，RealSafe平台提供安全性变化展示，经过防御处理后的安全评分变化以及模型效果变化一目了然。从数字世界到物理世界 RealAI落地更多安全周边产品随着机器学习模型不断的升级演化，“对抗样本”已经演变成一种新型攻击手段，并且逐渐从数字世界蔓延到物理世界：在路面上粘贴对抗样本贴纸模仿合并条带误导自动驾驶汽车拐进逆行车道、胸前张贴一张对抗样本贴纸在监控设备下实现隐身……因此，除了针对数字世界的算法模型推出安全评测平台，RealAI团队也联合清华大学AI研究院围绕多年来积累的领先世界的研究成果落地了一系列AI攻防安全产品，为更多场景保驾护航。比如通过佩戴带有对抗样本图案的“眼镜”，黑客可以轻易破解商用手机的面部解锁，通过在胸前张贴特制花纹实现在AI监控下的“隐身”，以及通过在车辆上涂装特殊花纹躲避AI对车辆的检测。发现类似新型漏洞的同时，RealAI也推出相应的防御技术，支持对主流AI算法中的安全漏洞进行检测，并提供AI安全防火墙对攻击AI模型的行为进行有效拦截。人工智能的大潮滚滚而来，随之而来的安全风险也将越来越多样化，尤其近年来因AI技术不成熟导致的侵害风险也频频发生，可以说，算法漏洞已逐渐成为继网络安全、数据安全后又一大安全难题。所幸的是，以RealAI为代表的这些顶尖AI团队早已开始了AI安全领域的征程，并开始以标准化的产品助力行业降低应对安全风险的门槛与成本。此次上线RealSafe人工智能安全平台是RealAI的一小步尝试，但对于整个行业而言，这将是人工智能产业迈向健康可控发展之路的一大步。

心脑血管类疾病是我国居民首要致残致死原因，介入手术已成为其主要治疗手段，但因操作失误或器械植入不当可引发灾难性后果。本项目针对这一重大民生问题开展研究，核心技术包括：1) 基于深度学习的血管疾病医学影像自动分割及三维重建算法，服务于智能诊断；2) 基于生物力学和计算机视觉的虚拟手术算法，服务于术前规划；3) 基于血液动力学的高精度算法，服务于血管疾病功能参数的分析。基于上述技术，本项目构建集合智能诊断、术前规划、术后转归预测及风险评估的诊疗一体化系统，服务于相关疾病的智能临床诊治。

心脑血管类疾病是我国居民首要致残致死原因，介入手术已成为其主要治疗手段，但因操作失误或器械植入不当可引发灾难性后果。本项目针对这一重大民生问题开展研究，核心技术包括：1) 基于深度学习的血管疾病医学影像自动分割及三维重建算法，服务于智能诊断；2) 基于生物力学和计算机视觉的虚拟手术算法，服务于术前规划；3) 基于血液动力学的高精度算法，服务于血管疾病功能参数的分析。基于上述技术，本项目构建集合智能诊断、术前规划、术后转归预测及风险评估的诊疗一体化系统，服务于相关疾病的智能临床诊治。 图1.主动脉夹层智能诊疗系统

可消除机床加工热变形的影响、控制机床主要发热部件的温升、提高加工精度、延长机床使用寿命；也可用于通信基站及新能源基站精密设备的冷却，进行独立控温，具有很强的节能意义。我团队研发的高精度工业装备智能温控系统使用“温差热电堆”测量技术，利用油温反向控制压缩机电源频率，通过变频技术提高控温精度，温控精度可达 0.05oC，节能在 20%左右。研制了多回路的制冷系统，通过神经网络设计理念，通过嵌入式控制系统的设计，对不同回路的热量进行耦合控制。目前已实现系列化生产，无故障运行时间 10000 小时以上。

本技术基于通用工业 PC 的标准以太网接口，无需实时操作系统可实现高 性能实时同步控制。基于此平台可构建高性能实时同步工业控制系统，控制轴 数可柔性扩展，各控制节点之间可进行分布式布局，且方便与设计、管理网络 的信息集成。特别适合于需要高速、高精、同步控制的伺服运动控制系统和过 程控制系统。目前已初步形成复杂控制器开发平台和基于 CoDeSys 软 PLC 的控 制平台。具备完全自主知识产权，性价比高。已在机床数控系统、机器人控制 系统、生产线控制系统、纺织机械（高速多轴无纺布交叉铺网机等）控制系统 155 成功应用。

本项目来源于国家项目，目前已经申请专利。 智能家居是以住宅为平台，利用综合布线技术、网络通信技术、自动控制技术、远程控制技术、音视频技术将家居生活有关的设施集成，构建高效的住宅设施与家庭日程事务的管理系统，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。 本平台由环境感知系统、家电控制系统、信息整合平台和远程控制系统组成。 环境感知系统由无线传感网络和相应的数据接口组成；家电控制系统由家电控制子网管和普通家电组成；信息整合平台由Agent中间件接和集中控制网关组成；远程控制系统由手机、平板和网关组成。平台的主要功能有：1、     环境感知：布置在家庭环境中的温湿度、光照、烟雾、有害气体传感器，利用WSN技术组网，能够实时地采集环境数据，并上传到网管进行分析；2、     家电控制：在数字家庭中布置1到多个物联网智能红外遥控器，通过以太网、RS485、Zigbee等技术连接到网关，通过智能学习家电控制码，完成家电控制的请求；3、     调度：家庭网关系统可以和任何家庭设备对话，随时监测设备的状况（无须打扰用户），这样便于车辆的集群调度；4、     安防预警：烟雾和有害气体传感器能够随时监控室内环境，网关分析监控数据并在必要的时候报警；5、     远程控制与信息推送：手机软件与智能家居网关通过WCF技术相连，利用GSM推送信息，实现远程接听监控和危险报警；6、     系统接入接口：利用WCF技术发布WebService服务，可以满足跨平台的设备接入，同时提供C#语言的设备接入规范SDK；7、     信道安全附加硬件：硬加密信息传输信道，保证传输过程的安全性。

智能化居家养老平台智能化居家养老系统是专为中国特色养老定制的智能化服务体系，以居家为主要养老空间，在家中实现和满足亲情交流和对外沟通可视化、助老需求和家政管理智能化、休闲娱乐便利化、健康管理网络化、医疗资源集约化、资讯服务多元化等全方位居家养老需求。