项目背景：近年来，我国自动售货机蓬勃发展的最佳时 期已经到来，从零售行业的视角来看，随着线上流量红利的 衰退，线下流量的价值越来越突出，但线下门店业态也面临 着高昂的人力成本和租金成本压力。而智能化升级引入自动 售货机，通过网络实现移动支付功能以及货物管理功能，使 得自动售货机运营效率得以提升，业务模式上也有了无限的 想象空间。随着移动支付的兴起，国内自动售货机市场近几 年可谓遍地开花，发展迅猛。近些年自动售货机行业一直朝 着低成本、多功能、更便利、售货广的方向发现。所以一款 造价低、性能稳定，运营简单，购物便利，售卖商品范围广 阔的机器越来越受到运营商的青睐。目前智能视觉柜采用静 态识别系统将非常好的满足上述条件，将来的发展潜力巨 大。目前消费者扫码后开门，取走商品后，关门，通过录制 取走商品的视频进行解析消费者取走的什么商品，从后进行 自动结算流程。核心技术是视觉识别，能通过人工智能 AI 进行识别商品类别及数量。 所需技术需求简要描述：扫码开门，采集视频或图片， 关门后通过算法自动识别消费者购买的商品明细，目前算法 准确度只有 90%，尚需突破。希望能基于视频、图像等媒体 资源，针对工厂质检、智能识别商品明细、智能补货统计等 场景，提供整体 AI 算法解决方案，全面提升智能售货机开 门取货自动识别商品的准确率达到 100%，带来更便捷的购物体验。  对技术提供方的要求:1.具有成功的自动化控制实施案 例，承担过国家重点研发计划项目。2.熟悉产品结构设计， 熟悉产品信息化、自动化设计。3.具有工学博士学位或高级 工程师职称，技术方案成熟可靠稳定有创新思维，不涉及知 识产权侵犯。 

本项目开发的织物折皱回复性测试系统通过气动加压方式实现对织物试样的水平加压，采集了织物折皱回复全过程角度变化的视频序列，利用智能图像处理方法测量折皱回复角，获得回复阶段回复角随时间变化情况，并从动态测试结果中提取试样的初始回复速率、急弹时间、急弹回复角、缓弹时间、缓弹回复角等指标，全面表征织物的折皱回复性能。 关键技术 （1）突破技术： ①织物折痕的自动形成：项目成果能实现对织物试样的自动加压和释压，加压压力可在 5-30N 之间无极调节； ②回复角度的自动测量：项目成果突破了传统织物折皱回复性能测试需要大量人工操作的缺陷，利用机器视觉技术，获取织物图像中代表回复角的自由翼与固定翼的夹角，实现了织物折皱回复角度的自动测量，测量精度可精确到 0.1°； ③折皱回复性能的全面评价：项目成果可动态刻画织物折皱回复的过程，实现初始回复速率、急弹时间、急弹回复角、缓弹时间、缓弹回复角等指标的获取，达到全面表征织物折皱回复性能的目的。 （2）形成产品： 织物折皱回复性能动态测试系统 1 套。 知识产权及项目获奖情况； 已授权香港短期专利 1 件。 项目成熟度 项目成果可应直接应用于企业生产过程中对织物折皱回复性能的评价测试，与现有织物折皱回复性能标准测试设备 Shirley 测试仪的结果偏差在±2°之间，且相同织物不同试样的经向回复角标准偏差在 3.5°之内，纬向回复角标准偏差在 2.6°之内，满足国际国内相关标准要求。 投资期望及应用情况 期望成果推广到各纺织企业和高校中应用，提高评价织物折皱回复性能、保形性测试的准确性和自动化程度，为面料开发和服装设计提供可靠参考。 

XM-307肌肉定点、动点、动态模型   XM-307肌肉定点、动点、动态模型由骨盆矢状切和股骨小腿骨、足骨连接而成，并分别在髋关节、膝关节和踝关节处装上转动轴将它们连成下肢骨关节，利用富有弹性的乳胶发泡制成股后肌群(半腱肌、股二头肌长头)和腓肠肌，按其起点、止点的位置分别将它们安装在下肢骨关节上制成该动态模型，可利用此模型演示说明肌肉的定点、动点概念及演示肌肉收缩中定点、动点的可变性。 尺寸：自然大，15×17×96cm 材质：PVC材料

XM-307肌肉定点、动点、动态模型   XM-307肌肉定点、动点、动态模型由骨盆矢状切和股骨小腿骨、足骨连接而成，并分别在髋关节、膝关节和踝关节处装上转动轴将它们连成下肢骨关节，利用富有弹性的乳胶发泡制成股后肌群(半腱肌、股二头肌长头)和腓肠肌，按其起点、止点的位置分别将它们安装在下肢骨关节上制成该动态模型，可利用此模型演示说明肌肉的定点、动点概念及演示肌肉收缩中定点、动点的可变性。 尺寸：自然大，15×17×96cm 材质：PVC材料

由于航空发动机和燃气轮机叶片型面是空间异型曲面，因而其设计、制造及维修都面临巨大挑战。为了在设计加工层面提高叶片加工质量，同时在修复层面提高叶片使用寿命，开展叶片高效高精测量研究至关重要。 本项目面向叶片制造研发了一套基于四轴运动平台与线激光扫描相结合的叶片型面检测装置，并开发了集运动控制、数据采集与处理、精度评估等多功能于一体的软件系统，可实现多类型叶片的二维截面高精度测量与三维型面自动化高效重构,有效克服因叶片复杂结构特征带来的扫描数据密度差异性大、重叠区不足等因素对重构精度的影响。本项目面向叶片3D打印修复，研发了一套高效高精度的叶片检测方法与集成系统，可实现批量化叶片截面轮廓位姿及其轮廓的自动化测量、数据重构和叶片配准，为叶片修复工艺流程中的3D打印和后续机加工等工艺环节提供关键的数字化测量、加工工艺数据，有效提升修复精度与效率，并降低成本。 本项目的开发成果可应用于航空发动机、燃气轮机等叶片制造、修复全生命周期的测评、重构、反求等场景，市场规模大。 图 面向叶片3D打印修复的检测方法与集成系统硬件平台

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。

本实用新型公开了一种收集幼苗根系分泌物及测定根系分泌物占光合产物比例的装置。针对现有技术中只能单独收集根系分泌物和单独测定光合速率的弊端，本实用新型提供了一种能够同步测定地上光合产物和地下根系分泌物的实验装置，即监测光合产物和根系分泌物，以解决根系分泌物占光合产物比例这一有争议的重要问题，但是该方法目前只能测定不同物种幼苗和个头小的植物。本产品包括根系分泌物培养管，培养管塞和连接管，光合仪的整株拟南芥叶室及可装培养管并能调节的专用塑料花盆。根系分泌物的培养管填装类似土粒粒径的玻璃砂，培养管塞和连接管均为硅橡胶材料，并在管塞上留下可以通过幼苗茎的孔；为了防止损害幼苗茎，茎孔外周硅橡胶材料变得很薄，且到取样塞边缘开有径向切口；培养期间和测定光合时，培养管底部用封套封住；抽滤时才扒开封套，连接抽滤装置。另外可把培养幼苗的培养管放进专用塑料花盆中，连接整株拟南芥叶室，测定光合速率等指标。本实用新型可同时监测幼苗和个头小植物的地上光合产物和地下根系分泌物，测定根系分泌物成分的同时，还可以计算出根系分泌物DOC占光合固定C的比例。

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。

面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。