八轴智能视觉焊接机器人是一种八自由度专用机器人，中六轴属于焊接机器人，另外二轴 属于焊接变位机，使得系统能够实现焊接机器人与变位机协调运动，其针对体系结构、机械结 构、示教再现理论、轨迹规划和优化方法、轨迹跟踪控制策略等机器人关键共性理论和技术展 开研究，采用运动控制卡的方式来实现对机器人空间位置与速度的控制。焊接变位机同焊接机 器人配合，扩展了焊接机器人的工作空间，提高了焊接生产效率和焊接质量。 本系统采用接触式焊缝跟踪与摄像机焊缝跟踪系统相结合，焊前对焊缝进行数据及图像 采集，通过计算机软件对焊缝数据及图像进行处理，生成虚拟焊缝。由虚拟焊缝识别系统控制 执行机构在焊接时进行焊缝跟踪，提高焊缝质量。八轴智能视觉焊接机器人主要应用于汽车及 其零部件行业和工程机械行业。机器人编程采用示教再现方式，可以通过示教盒直接编程也可 以进行离线编程，实现点位和连续轨迹匀速控制；在焊枪部分安装人体红外感应开关，保证工 作人员安全问题；将视觉传感器作为测量工具来测量机器人末端或是目标的位置，利用视觉信 息来控制机器人末端执行器相对目标或是目标特征的相对位置和姿态，从而减少抓取错误及失 误。

自主研发了多机器人协作焊接系统，其中机器人控制器自主研发，采用EtherCAT总线通讯控制底层伺服，控制周期1ms。参与协作焊接的机器人均为国产6轴通用该机器人，多机器人系统的各项性能指标对照ABB MultiMove、KUKA RoboTeam功能，技术指标达到国外领先品牌同等技术水平。具体技术指标： ① 变位机（夹持）机器人支持6维力-力矩传感器，实时补偿估计偏差； ② 焊接机器人支持接触找焊缝、激光焊缝跟踪等多种焊接工艺； ③ 最多支持4台机器人协作； ④ 可根据应用需求开发新场景控制程序。

研发采用视觉伺服方法进行焊接机器人的焊缝跟踪控制以实现真空腔体的智能化焊接。为了适合高速处理焊前的对接焊缝图像和处理多种焊缝图像，研发基于区域的焊缝图像处理算法和基于边缘的焊缝图像处理算法。研发根据焊缝图像的特点定义焊缝的位置偏差和角度偏差，在此基础上设计焊缝跟踪控制器。进而，利用视觉伺服方法进行焊接机器人的焊缝跟踪控制，实现智能化焊接。 在设计视觉伺服传感机构的过程中，增强对摄像机取像位置灵活性的控制，并满足摄像机在室内光源和弧光两种光源下取像的需要；首次研究基于区域和边缘的焊缝图像处理算法；首次根据焊缝图像的特点定义焊缝的位置偏差和角度偏差。

山东中科蔚蓝智能环保科技有限公司是专注于实验室及医疗场景污水处理解决方案的国家级科技型中小企业，致力于以智能化、定制化技术推动环保领域革新。公司立足山东，辐射全国，依托自主研发的智能环保设备与全流程服务体系，为医疗机构、科研实验室、疾控中心等场景提供高效、安全、合规的污水处理方案，助力客户实现绿色可持续发展。   公司具备卫生部颁发《消毒产品生产企业卫生许可证》，且产品在《全国消毒产品网上备案信息服务平台》备案，相关产品均经过了第三方正规检验机构检测，旗下所有产品均有PICC百万产品责任险，国家认证，官方可查。   【荣誉资质】   公司荣获了中国人民银行公示平台认定的：3A级信用企业、重合同守信用3A企业、诚信经营示范单位3A企业、重质量守信用3A企业、3.15消费者可信赖企业、中国绿色环保产品、政府采购优秀供应商等荣誉称号。   【合作案例】 公司已成功服务全国2000余家单位，包括北京信息科技大学实验室、山东农业科学院、国际供应链示范中心、呼和浩特第二人民医院、广东清远麻鸡国家原种场研发中心等标杆项目，设备稳定运行率超过8%，获评“中国实验室设备政府采购优秀供应商”、“中国医疗行业政府采购优秀供应商”。   【企业愿景】 未来，中科蔚蓝将持续聚焦智能化与绿色化双轮驱动，推动污水处理从“末端治理”向“全程防控”升级，为全球科研与医疗健康事业构筑安全屏障。

车间级数字化技术是指制造工艺、数字化、智能控制以及机器人等技术相结合而产生的一类工程应用技术，俗称“制造工艺+互联网”，是以信息的离散化表述、传感、传递、建模处理、存储、执行和集成等信息科学理论及方法为基础的集成技术，向下拓展是建设智能化加工单元，向下拓展是建设智慧型企业。本解决方案主要针对焊接、成形，兼顾机械数控加工的数字化制造车间而设计的整套软、硬件系统。本项目创新开发的具有自主知识产权的车间级数字化产品，其理念是：焊接装备单元智能化、技术与管理网络化、工艺设计专家化、任务下达自动化、生产过程

本发明属于焊接领域，并公开了一种激光-电弧-磁场复合焊接的 励磁移动平台，包括底座、伺服电机、水平导轨、支撑平台、滚珠丝 杠机构、支架、励磁线圈和夹具，伺服电机和水平导轨均安装在所述 底座上，支撑平台安装在所述水平导轨上，伺服电机通过所述滚珠丝 杠机构驱动所述支撑平台移动;夹具安装在所述支撑平台上;支架安 装在所述底座上，并且支架上安装励磁线圈。本发明的夹具可以实现 工件的准确定位及装夹，通过励磁线圈可以实现焊缝区域的磁场调节; 伺服电机可以保证工件在焊接过程中的匀速移动，保证了焊接时熔池 所处区域

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

面向人工智能专业方向理论和实验的云教学平台，融合了Jupyter Notebook实验平台和教学资源中心两大模块。提供开箱即用人工智能编码实验环境，使教学过程高效、便捷。