1、产品介绍 AI人工智能语音与机器视觉应用系统是一款集成AI语音、机器视觉、深度学习基础、嵌入式Linux于一体的高端教学科研实验平台。 整个教学平台由实验箱高性能嵌入式主板够成，高性能嵌入式核心板采用高性能64位ARM处理器，标配4GB DDR3内存和16GB闪存，可运行ubuntu、android、linuxqt等多种操作系统，可满嵌入式linux和AI应用开发。 平台采用多核高性能 AI 处理器，预装 Ubuntu Linux 操作系统与 OpenCV 计算机视觉库，支持 TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE 等深度学习端侧推理框架。 提供多种应用外设与丰富的机器视觉、AI语音、深度学习实战应用案例，如语音前处理（声源定位、语音增强、语音降噪、回声消除、声音提取）、语音活体检查、语音唤醒、语音识别、语音合成、自然语言处理、声纹识别门锁、语音智能家居、手写字识别、人脸识别、目标检测、端侧推理框架、图像识别、人体分析 、文字识别、人脸门禁控制、车牌道闸控制、手势家居控制等，通过案例教学让学生掌握计算机视觉与深度学习的基本原理和典型应用开发。 2、产品特点 （1）先进性 性能卓越：搭载AI嵌入式边缘计算处理器RK3399，配备4GB RAM与16GB存储空间，以及6英寸高清电容触摸屏，确保流畅的用户体验。 高效运算：配NPU协处理器模块，专为神经网络模型设计，提供高达8 TOPs@300mW的运算能力。 接口丰富：提供双路0、四路USB2.0、RS232、RS485以及多种嵌入式拓展接口，满足多样化的外设连接需求。 （2）扩展性 定制化设计：所有硬件单元均采用模块化设计，支持根据具体需求进行定制化选型和搭配。 项目套件丰富：提供多种可选的项目套件模块，支持完成多样化的AI应用场景设计和创新。 智能网关平台：智能边缘计算网关平台配备了包括GPIO、ADC、IIC、UART、PWM、SPI在内的常用接口拓展，增强了平台的适应性和灵活性。 （3）包容性 多功能应用：实验平台适用于人工智能、嵌入式系统、物联网、移动互联网、智能硬件等多个学科的实验教学，提供全面的教育资源。 课程与实验：支持包括Python程序设计、嵌入式Linux操作系统、机器视觉技术、自然语言处理、神经网络原理、无线通信、Android应用技术、物联网中间件、AIOT应用实训等在内的丰富课程和实验。 专业融合：平台在硬件设计上实现了物联网、人工智能和嵌入式技术的兼容性，提升了实训设备的复用率，有效解决了学校实训室空间和资金的限制问题。 AI语音与机器视觉应用系统致力于解决学校在开设人工智能课程时面临的师资、教学资源、实训资源、设备以及与行业应用对接的挑战，实现了产学研创一体化的教育模式 3、应用 系统支持多个工业化的应用场景，以智慧家居、智慧停车场、智慧门禁、智慧交通、趣味AI、智慧工地六大应用场景，及基于六大应用场景的20多种小AI应用场景。所有的应用场景及业务子项功能，均来自真实的人工智能行业应用。 4、配套 该产品除完整的软硬件系统外,还配备针对设备完整的人工智能实训指导书完整丰富的教学实训素材资源、以及基于设备系统的人工智能教学视频光盘。本产品提供免费的安装部署服务和设备实训培训服务。

本发明公开了一种垃圾焚烧灰固化重金属高强陶粒的制备方法，将垃圾灰、盐渍土5、玻璃粉、碳酸钙、碳酸钠按一定重量比例混合，水料比为0.25～0.40，制成球形颗粒，再经干燥、烧结工艺制成；为垃圾的资源化利用开辟了更为广阔的用途渠道；本发明以危险废弃物--垃圾焚烧飞灰作为陶粒原料，通过特定工艺制备成高强陶粒，即便在恶劣环境下也有着极其显著的重金属固化性能，具有极高的稳定性和安全性。本发明既实现了固废的无害化处理、资源化利用，又避免了二次污染。

本发明公开了一种多元吸附多维挤密净化加固垃圾土地基的方法，针对垃圾土地基复杂的物理化学性质，将多元吸附和多维挤密两种技术有机的结合，利用一个强穿透能力的打入式铸钢锥形桩尖、分级厚壁锥形扩孔短管去穿透各种经过工业垃圾化学作用板结，或者各种大块度建筑垃圾阻隔的垃圾层，使处理深度达到下卧的软土层。不仅提高了复合式地基的承载力同时也对垃圾土中的有害气体或液态等污染源进行了有效的固化、净化。本发明所需设备便于取得，可操作性强。

本发明公开了一种垃圾焚烧灰中重金属的固化方法及其应用， 该固化方法包括以下步骤：(1)将垃圾焚烧灰与水两者按一定配比混合 形成混合物，并置于球磨罐中；接着，向该球磨罐中加入磨球；(2)将 球磨罐密封，然后在行星球磨机的带动下使该球磨罐执行球磨处理； 接着，打开球磨罐，并分离出磨球得到球磨产物；然后，过滤该球磨 产物，得到的滤渣在 60℃～85℃下干燥 4h～24h，即得到固化重金属 后的垃圾焚烧灰。本发明通过对关键的球磨工艺，如混合物的配比、 磨球的质量与直径规格、以及后续处理工艺的反应条件等进行改进， 能够将原垃圾焚烧灰中的有害重金属固化，减少其浸出，扩大垃圾焚 烧灰的环保应用途径。

本发明公开了一种赤泥与生活垃圾焚烧飞灰的协同处置方法，其特征在于，包括以下步骤：(1)将赤泥干燥后研磨成粉末，添加 10wt％至 15wt％的强碱，在 750℃至 850℃之间煅烧活化，冷却后得到所述重金属固化剂；(2)将重金属固化剂和生活垃圾焚烧飞灰混合后得到混合物粉末，所述混合物粉末中重金属固化剂的质量比例在 45％至 60％之间；将所述混合物粉末按水灰比 0.4 至 0.6 加水搅拌均匀得到净浆；(3)将净浆在常温、常压下养护 14 至 28 天，得到垃圾焚烧飞灰复合固化体。本方

本发明公开了一种基于数据生存期的固态盘垃圾回收方法，包括：将固态盘划分为按数据生存期执行垃圾回收操作的区域Area_timegc 和正常回收区域 Area_normalgc，用递增时间标记 T0、T1、…、TN-1 将 Area_timegc 细分为 S1、S2、…、SN 共 N 个子区间，子区间 Sn 是位于 Tn-1 与 Tn 之间的区间，SN 是 TN-1 与 T0 之间的区间；向固态盘发出写请求时，文件系统记录待写数据的预

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

本发明公开了一种基于被动毫米波极化成像的材料分类方法； 首先利用毫米波辐射计成像系统在无极化照射环境中获取给定入射角 下场景的水平极化图和垂直极化图；再根据水平极化图和垂直极化图 计算得到“线极化比”图像；然后统计分析“线极化比”的分布规律， 利用阈值估计公式估计“线极化比”阈值；最后根据分类准则，实现 对场景中的金属材料和非金属材料的分类。本发明能非接触、被动地 对金属材料和介质材料的进行有效分类，并且不受环境辐射变化的影 响，具有很好的鲁棒性，可用于金属目标的遥感与探测、金属危险品 的安全检测与预警等领域。

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果