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。

该专利针对果汁热浓缩营养风味损害大、冷冻浓缩效率低及冰晶夹带大等缺陷，利用超声波的机械效应和空化效应强化结晶过程，同时加速奥斯瓦特效应，探明了超声波能量密度与强化晶体生长的关系，研制了相应的实施设备，在养晶罐过程中施加适度超声处理，大幅度加速了起晶及冰晶生长速率并消除了伪晶生长，浓缩效能提升30%以上，解决了传统冷冻浓缩效率低及冰晶夹带严重的问题。目前该专利技术以及专利池技术成功实现果汁的全程冷绿色加工，已经在30多个国家200多家企业推广应用，近三年实现新增销售额11.85亿元，新增利税2.1亿元，获得联合国粮农组织以及国际农业工程委员会的高度关注。获得了中国专利优秀奖。

习近平总书记提出，将采取更有力的政策和举措，实现“碳达峰 碳中和”目标。工业园区和集中供热能显著减少碳排放量，提升能源利用的综合效率，降低单位GDP能耗，推动基于系统优化集成、能源梯级利用的循环经济发展，但目前普遍存在热用户用热负荷波动大、有水击和网损隐患、扩建改建缺乏科学规划决策支持等特点。 本项目实现了基于数字孪生的智慧供热过程管控：在源侧对热源机组进行模拟仿真、优化分配负荷以及优化供热参数；在网侧实现管网在线水力优化与优化、质量并调以提升灵活性；在荷侧结合热用户的用热特性对负荷进行预测；在储侧对储热系统储放热策略进行优化。提供了“源-网-荷”全过程协同调度与控制的实时优化方案，最终实现供热系统自感知、自分析、自优化、自调节的智慧化运行。 以某热电企业为例，通过成本优化和预测性精确热网调度，从而减少购汽成本和热量损失（综合能效提升1%），按照每年售汽量100万蒸吨，200元/蒸吨计算，每年提升收益约200万元；同时能够及时预测和发现热力系统隐患，保障热网安全、稳定运行，带来巨大的安全效益；此外，预测性调控实现了时间和空间上的供需匹配，在节能的同时保障用户用汽的稳定和质量，从而提升了热用户满意度，具有较好的社会效益。  

"该项目研发了低温湿烟气的空/烟换热、水/烟换热、水/浆液换热、溶液除湿等水/热回收技术、白烟调控技术，可回收湿烟气中50-90%水分、汽化潜热，同时协同消除湿烟气“白烟”。回收的热量可用于供热、海水淡化、脱硫废水处理等。 其关键技术为：1. 脱硫浆液热量提取技术。（1）循环浆液/水换热提取技术，烟气余热通过脱硫过程转移到脱硫循环浆液，通过板式换热等方式，实现：回收40-50℃热水（热量），回收量10-30%；降低脱硫能耗；提高脱硫效率；间接降低排烟温度，协同控制白烟。（2） 循环浆液闪蒸-闪凝提取技术，烟气余热通过脱硫过程转移到脱硫循环浆液，通过脱硫循环浆液闪蒸-闪凝方式，实现：回收40-50℃热水，即回收热量也回收水分,回收量取决于闪蒸能力；降低脱硫能耗；提高脱硫效率；间接降低排烟温度，协同控制白烟。 2.尾部湿烟气回收技术。（1）溶液除湿技术，锅炉系统末端低温湿烟气通过除湿溶液，回收湿烟气中的水分、气化潜热，低温湿烟气变为干烟气。（2）空气/水冷凝回收，锅炉系统末端低温湿烟气通过间接式空冷-水冷，回收湿烟气中的水分、气化潜热，协同控制白烟。3.低温湿烟气白烟控制。通过改变烟气温湿

我国资源量超过 40% 的优质西北侏罗纪煤惰质组分含量高，造成此类煤的粘结性、成浆性能、液化性能整体下降，极大地增加了煤的高效洁净利用难度。本成果的核心是进行煤炭的分质加工利用，一方面开发了新型煤岩分选技术实现煤岩组分的高效分离，另一方面针对不同煤岩组分开发了多联产高效转化技术。成果来源于陕西省科技攻关项目，前期获得了陕西省教育厅专项基金和中国博士后科学基金的支持，已有一部分工作申请国家发明专利，摸索出煤炭分质利用的新技术，取得了良好的技术经济和社会效益。

随着现代生产生活方式的快速发展，在电子、食品、医药、日化和新能源等行业中，对体积小、重量轻的产品进行封装、包装及分拣等高速无污染作业的需求日渐旺盛。由于具有一定的通用性和适应性，工业机器人成为此类作业中保障质量、提高效率和降低成本的核心装备，尤其是高速并联机器人因速度和动态特性的优势而备受青睐。无需高精密减速器的结构特性，也决定了高速并联机器人在中国有极大的创新和发展空间，与此同时，多样化复杂生产工况也对机器人系统的本体设计、视觉感知、运动控制和多机协同等核心技术及其集成提出新的挑战。 本项目历时多年，攻克高速多并联机器人协同作业系统的多项关键技术，并成功研制了满足高效生产的国产化成套装备，达到国际先进水平。

已有样品/n微电子所先导中心韦亚一研究员团队与中芯国际研究团队围绕14 纳米CMOS 量产工艺中光源掩模协同优化技术开展联合攻关并取得显著进展，完成了后段制程中多层关键层的光源优化工作，包括Metal 1X、Metal 1.25X、Via 1X 等。优化后光源通过晶圆数据验证评估，较原有光源在各项关键指标上有显著提升，保证了先进节点中光刻工艺的稳定性。

项目成果/简介:随着现代生产生活方式的快速发展，在电子、食品、医药、日化和新能源等行业中，对体积小、重量轻的产品进行封装、包装及分拣等高速无污染作业的需求日渐旺盛。由于具有一定的通用性和适应性，工业机器人成为此类作业中保障质量、提高效率和降低成本的核心装备，尤其是高速并联机器人因速度和动态特性的优势而备受青睐。无需高精密减速器的结构特性，也决定了高速并联机器人在中国有极大的创新和发展空间，与此同时，多样

本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性，进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表示分类算法避免了优化求解的耗时性，同时克服了高维特征空间下数据的线性不可分性。算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取，并通过核变换方法将新特征字典投影到高维的线性核特征空间，最后利用核化协同表示算法的高效性对高光谱图像进行分类。 主要技术指标 University of Pavia 通过 ROSIS-03 传感器记录，该图像捕获了意大利帕维亚的帕维亚大学周围的市区。图像尺寸为 610×340×103，空间分辨率为 1.3 m / 像素，光谱覆盖范围为 0.43 至 0.86μm。该图像考虑了九个类别。其具有 42776 个标记样本。每类取 50 个有标记样本共 450 个样本作为训练样本。 请参阅表 1，本方法提出的高光谱图像分类方法，相比于传统分类器 SVM，OA 提高了约 18%；相比于 JSRC，OA 提高了约 5%；同时参阅表 2，展示了本成果方法的时间运行效率与相关方法的比较。该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果。 表 1 PaviaU 数据集上对比实验结果 表 2 不同数据集上时间运行对比实验结果