SmarT是一个基于群体智能的协作式测试报告分析与融合平台，包括智能化测试任务分解、测试任务推荐、协作式测试报告生成、测试报告分析与融合等子系统。SmarT在具备面向大规模代码的分析技术以及基于分析的问题推荐与决策机制，能够优化参与者群体的质量评估任务分配，利用大规模群体具有的多样性实现对软件海量执行路径的有效覆盖，提高软件测试的效率和质量。SmarT也适用于软件运行阶段的质量保障，基于互联网实现对运行阶段软件故障的快速提交和提交报告的有效分类与融合

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 高志豪 计算机学院/物联网工程 2017年/2021年 201731064410 林钟煇 计算机学院/物联网工程 2018年/2022年 201831064119 阳旭菻 计算机学院/计算机科学与技术 2018年/2022年 201831062525 李沛键 计算机学院/物联网工程 2018年/2022年 201831064115 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 陈雁 计算机科学学院 副教授 人工智能、复杂网络、能源与人工智能交叉领域 刘忠慧 计算机科学学院 副教授 机器学习、人工智能、形式概念分析 四、项目简介 美国海相页岩气藏的成功勘探开发，展现了页岩气的巨大潜力和发展空间，同时也极大地促进了页岩储层微观结构表征分析技术的发展，通过页岩岩心薄片观察底层形态、确定底层数据，是页岩气勘探开采中的重要一环。页岩储层的孔隙作为页岩组分的一个重要部分，其结构特征直接影响着储层剩余储量的剩余油的分布，因此，对页岩薄片孔隙的形状和类型进行研究是十分必要的。但在目前，页岩薄片只能靠人工鉴定，这种方法工作量大，效率低，且主观性强，误差较大。深度学习是近年发展起来的具有多层次特征抽象归纳与知识发现能力的机器学习算法，目前已经被广泛应用到了语音识别、计算机视觉、自然语言处理等众多领域。在地质和岩石物理领域也有了初步的应用，深度学习方法在地质数据的特征提取及预测识别方面有着广阔的应用前景，本项目组将会开发页岩薄片智能平台，通过机器学习算法来学习专家知识，自动识别孔隙类型，这样就可以大大提高效率，节省人力。

智能车载视觉服务平台以车内场景主导、软件定义、数据驱动为主，利用车内摄像头等设备，获取车内人员多维度感知数据，设计开发多款高感知、强体验的软件应用服务及产品。  随着产品的推广和数据积累，团队会增加车载安全服务如疲劳监测、车内异常行为等功能，最终打造集娱乐和安全于一体智能车载服务平台。    

汇萃人工智能实训平台采用了先进的模块化设计理念，创新性的将 python 编程、机器学习理论和方法、深度学习框架与工具等实验课程与机器人引导、机器视觉实训、人脸识别、语音识别等实践课程融合到一个平台，既有理论知识的学习，更有实践操作的体验。 平台集中展现了当前人工智能技术的主要应用场景，为培养人工智能领域人才的专业技能和素养，构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉提供了创新性的学习工具。同时，通过调整模块配置，平台还可做为智能制造领域专业训练平台，培养学生具备应对未来制造业及其它领域应用中对各种高速定位、测量、识别及检测等的专业技能要求。 // 输入电源：AC220V±10％ 50Hz// 工作环境：温度：-10 ～ 50℃，湿度≤ 90% 无水珠凝结// 外形尺寸：1500mm×900mm×700mm( 长 × 宽 × 高 )// 平台重量：220kg//额定功率：≤ 3.5KW//安全保护：急停按钮，漏电保护 , 光栅保护，接地保护 “一台多用，专业培养、灵活搭载、高效低价”， 这正是汇萃人工智能实训平台的最大特点。

基于云服务的基础架构和大数据分析的核心理念，支持听、说、读、写、译全题型的智能评分，将日常教学、自主学习和测试评估有效结合，为构建多维度评价体系、进行数字化教学评估、创新教学模式等奠定基础。

高密度高性能并行计算平台是将CPU刀片、DSP卡、GPU卡通过高速总线进行互联；采用异构并行计算框架，实现多机、多卡、多核的资源分配和负载均衡；提供适合大规模并行计算的算法平台。用户在该平台上采用传统的串行思路编程即可实现大规模的并行计算。 该计算平台相对于传统的服务器系统具有体积小、重量轻、功耗低、计算能力强的优点。由于CPU适合逻辑业务、DSP适合粗粒度的并行计算、GPU适合规整数据的细粒度计算，所以通过CPU刀片、DSP卡、GPU卡数目的组合配置，可适合多种、不同类型的计算业务。 1. 硬件环境 硬件环境为6U高标准的服务器，最多可支持三类（CPU/DSP/GPU/）、9张板卡。在板卡间提供网络和PCIE的高速数据总线，示意图如图1所示。 平台硬件包括一个主控板和8个扩展插槽。主控板集成1片Intel i7的CPU；8个扩展插槽可插CPU刀片、DSP板卡、GPU板卡及其任意组合。因此即可组成小型的PC集群，也可以组成高性能的GPU服务器、DSP服务器，或它们之间的组合。该硬件平台还可通过InfiniBand高速网络进行扩展，最大可形成20个服务器互联的统一的软硬件系统。 2. 软件环境： 平台中的CPU主要起控制作用，计算任务主要由DSP和GPU承担。针对高密度计算资源，通过软件框架屏蔽硬件差异。软件框架如图2所示。 平台提供动态链接库，封装任务的调度、CPU与DSP之间的通信、CPU与GPU之间的通信等功能。用户在动态链接库基础之上进行二次开发，实现自己的业务逻辑。 3. 参数指标： ？ 单台计算能力：插8张DSP卡，做快速傅里叶变换（FFT），相当于40台8核Intel i7计算机的计算能力；插4张GPU卡，做场强计算，相当于50台Intel i7计算机的计算能力; ？ 尺寸：6U标准高度，（420±0.6）mm×（256±1）mm×（≤500）mm（宽×高×深）；重量：<35公斤；功耗：<1000瓦。 图1高密度高性能并行计算平台硬件示意图 图2高密度高性能并行计算平台软件框架

高密度高性能并行计算平台是将CPU刀片、DSP卡、GPU卡通过高速总线进行互联；采用异构并行计算框架，实现多机、多卡、多核的资源分配和负载均衡；提供适合大规模并行计算的算法平台。用户在该平台上采用传统的串行思路编程即可实现大规模的并行计算。

1 成果简介系统是由曹军威研究员自主研发的，融合虚拟桌面、物联网、云计算等技术的网络中间件产品。该系统不但能够解决 Anytime, Anywhere, Any Application（ A4）的问题，并可以将应用延伸到任意时间和空间，彻底解决支持应用完成的所有因素的跨域共享问题，而这是传统的计算模式所不能支持的， 而且可以将桌面虚拟化系统和云计算服务平台进行有效整合。 系统主要由云计算服务平台和桌面虚拟化系统两部分组成。一台 PDA 桌面虚拟机可以实时访问多个云计算虚拟机资源；每个云计算虚拟机资源也可以为多个用户提供服务。用户通过桌面虚拟技术对云端虚拟机进行各种操作；后台云计算服务平台对外提供各种类型服务，包括虚拟桌面服务，存储服务，计算服务等。 系统主要功能：前端虚拟桌面技术提供接入云计算服务平台、展示云平台虚拟化系统及应用、使用云计算服务和使用云存储服务；后端云计算服务平台解决应用需求繁杂、资源分散且不固定、资源配置复杂等问题以及提供能够自由获取的云计算服务功能。 现阶段，系统已有原型产品，并将逐步应用于南方电网等各个领域。2 技术指标采用成熟的 RDP 标准协议；嵌入式实现的 rdesktop 客户端；以远程显示管理避免 C/S 应用开发的复杂性；强化实施软件开发的工程化和标准化，启动软件 CMM、ISO9001 质量体系认证工作；实现“产品无缺陷、系统无故障、服务无投诉”的质量目标。3 应用说明通过用户请求，嵌入式终端访问云计算服务平台的云端虚拟机资源，利用桌面虚拟化技术，系统将云端虚拟机桌面映射到嵌入式终端，通过映射桌面，用户可以对云端虚拟机进行操作。 图 1. 系统终端展示图 用户终端可以同时对多个云端虚拟机进行操作，各云端虚拟机装有不同的操作系统，独立运行各种应用程序，用户可以在多个虚拟桌面间进行切换显示，或在一个终端中同时显示多个虚拟桌面。用户通过虚拟桌面选定一个云端虚拟机后，就可以对其进行操作。 图 2. 嵌入式终端虚拟桌面控制界面 系统被用于智能电网监控物联网解决方案： 该方案充分利用基于云计算服务平台的桌面虚拟化技术，传感器采集硬件系统数据传输给云计算服务平台，经过平台处理后的信息展现在用户端的虚拟化桌面上，以便用户决策、控制硬件设备。同时，在统一框架下，系统完成虚拟桌面展示与通信管理、系统辨识和预警、实时闭环控制的协调与优化、事故后及时自愈等，复杂互联大电网的物理系统与计算机通信网络的信息系统深度嵌入，充分实现各种功能之间的相互影响与互动。图 3. 智能电网监控物联网系统架构图 系统集成解决方案构建基础：PMU/WAMS，相位测量、远程测量；中国广域测量系统规模世界第一，但海量数据远未有效利用；电力系统的新型控制手段-FACTS；数据中心技术的不断成熟与性价比的提高；桌面虚拟化技术在动态监控中的应用。 图 4. 智能电网监控南方电网原型分布图4 效益分析产品的竞争优势集中表现在以下几个方面：技术优势。实验室拥有实力雄厚的技术队伍，掌握了当今物联网、云计算等的信息技术；产品组合优势。实验室已经开发了拥有自主知识产权的物联网中间件软件组合包，并将进一步完善产品结构，可为电力等行业信息化建设提供全面的物联网系统解决方案；市场优势。实验室与南方电网等电力企业保持有长期的合作关系，具有一定的示范作用和影响力，它的选择直接影响到其他省市有关部门和企业的决策；质量、成本优势。实验室对云计算、物联网领域有较深入的研究，参与过多项国家级项目的实施，因而可以减少大量的调研活动，缩短开发进程，降低开发风险，提高产品的质量，大幅度降低成本；管理优势。公司管理队伍整体素质较高，有着良好的知识结构、年龄结构，富有激情和创新精神。

1 成果简介系统是由曹军威研究员自主研发的，融合虚拟桌面、物联网、云计算等技术的网络中间件产品。该系统不但能够解决 Anytime, Anywhere, Any Application（ A4）的问题，并可以将应用延伸到任意时间和空间，彻底解决支持应用完成的所有因素的跨域共享问题，而这是传统的计算模式所不能支持的， 而且可以将桌面虚拟化系统和云计算服务平台进行有效整合。 系统主要由云计算服务平台和桌面虚拟化系统两部分组成。一台 PDA 桌面虚拟机可以实时访问多个云计算虚拟机资源；每个云计算虚拟机资源也可以为多个用户提供服务。用户通过桌面虚拟技术对云端虚拟机进行各种操作；后台云计算服务平台对外提供各种类型服务，包括虚拟桌面服务，存储服务，计算服务等。 系统主要功能：前端虚拟桌面技术提供接入云计算服务平台、展示云平台虚拟化系统及应用、使用云计算服务和使用云存储服务；后端云计算服务平台解决应用需求繁杂、资源分散且不固定、资源配置复杂等问题以及提供能够自由获取的云计算服务功能。 现阶段，系统已有原型产品，并将逐步应用于南方电网等各个领域。2 技术指标采用成熟的 RDP 标准协议；嵌入式实现的 rdesktop 客户端；以远程显示管理避免 C/S 应用开发的复杂性；强化实施软件开发的工程化和标准化，启动软件 CMM、ISO9001 质量体系认证工作；实现“产品无缺陷、系统无故障、服务无投诉”的质量目标。3 应用说明通过用户请求，嵌入式终端访问云计算服务平台的云端虚拟机资源，利用桌面虚拟化技术，系统将云端虚拟机桌面映射到嵌入式终端，通过映射桌面，用户可以对云端虚拟机进行操作。 图 1. 系统终端展示图 用户终端可以同时对多个云端虚拟机进行操作，各云端虚拟机装有不同的操作系统，独立运行各种应用程序，用户可以在多个虚拟桌面间进行切换显示，或在一个终端中同时显示多个虚拟桌面。用户通过虚拟桌面选定一个云端虚拟机后，就可以对其进行操作。 图 2. 嵌入式终端虚拟桌面控制界面 系统被用于智能电网监控物联网解决方案： 该方案充分利用基于云计算服务平台的桌面虚拟化技术，传感器采集硬件系统数据传输给云计算服务平台，经过平台处理后的信息展现在用户端的虚拟化桌面上，以便用户决策、控制硬件设备。同时，在统一框架下，系统完成虚拟桌面展示与通信管理、系统辨识和预警、实时闭环控制的协调与优化、事故后及时自愈等，复杂互联大电网的物理系统与计算机通信网络的信息系统深度嵌入，充分实现各种功能之间的相互影响与互动。图 3. 智能电网监控物联网系统架构图 系统集成解决方案构建基础：PMU/WAMS，相位测量、远程测量；中国广域测量系统规模世界第一，但海量数据远未有效利用；电力系统的新型控制手段-FACTS；数据中心技术的不断成熟与性价比的提高；桌面虚拟化技术在动态监控中的应用。 图 4. 智能电网监控南方电网原型分布图4 效益分析产品的竞争优势集中表现在以下几个方面：技术优势。实验室拥有实力雄厚的技术队伍，掌握了当今物联网、云计算等的信息技术；产品组合优势。实验室已经开发了拥有自主知识产权的物联网中间件软件组合包，并将进一步完善产品结构，可为电力等行业信息化建设提供全面的物联网系统解决方案；市场优势。实验室与南方电网等电力企业保持有长期的合作关系，具有一定的示范作用和影响力，它的选择直接影响到其他省市有关部门和企业的决策；质量、成本优势。实验室对云计算、物联网领域有较深入的研究，参与过多项国家级项目的实施，因而可以减少大量的调研活动，缩短开发进程，降低开发风险，提高产品的质量，大幅度降低成本；管理优势。公司管理队伍整体素质较高，有着良好的知识结构、年龄结构，富有激情和创新精神。

随着物联网设备的指数型增长，传统云计算的集中式处理方法已不能满足数据处理和数据安全等需求，边缘计算应运而生。边缘计算可以提升物联网的智能化，促使物联网在各个垂直行业落地生根。但是，一般的应用都默认只支持一种物联网组网协议或使用一种边缘计算框架，且组网协议跟边缘计算框架的接入十分繁琐，用户使用操作不便，耗时长。   一种集成多组网协议多边缘计算框架的边缘计算处理平台可同时兼容多种组网协议和集成多种边缘计算框架，简化接入步骤，大幅度降低用户的操作步骤和时长。同时，部署简单快捷，通过配置文件执行一键启动脚本即可实现平台的自动化部署及统一管理。与现有技术相比，该平台配置变更灵活。针对不同的服务器，不同的设备，只需要修改配置文件就可以直接部署生效。无须重新编译代码，无须重新创建镜像。此外，该平台具有良好的扩展性，极高的并发处理能力和很强的稳定性。可利用硬件加速数据处理，通过对FPGA、GPU和ASIC等的加速算法实现对数据的加速处。