光学领域顶尖期刊《自然·光子学》报道了浙江大学信息与电子工程学院陈红胜教授课题组的一项最新研究：在国际上率先实现基于深度学习的新一代智能隐身器件。在不依赖任何人为操控的情况下，快速地动态适应变化的背景环境，从而与背景电磁环境特征融为一体，实现自适应隐身。论文审稿专家认为：“这是一项激动人心的、及时而杰出的工作，它连接了变换光学、电磁超材料和人工智能等领域，为智能光子材料和器件这个新兴领域树立了很好的标杆，也将大大促进其他智能电磁器件的发展。”自然界存在两种“隐身”策略。一种是在变色龙和章鱼生物中常见的拟态隐身，使自己融于周边环境；另一种是透明隐身，即光透过物体时不产生任何散射，例如海樽和水母。科学家近年来提出的变换光学隐身方法则区别于上述两种策略，它利用坐标变换的方法来控制电磁波，使其绕过被隐身的区域，按照原来的方向传播，从而使物体完全隐形。与自然界的“隐身衣”相比，人类的“隐身衣”多数只能工作在单一的环境背景和既定的入射波条件。如果稍加改变外界环境或者入射波，隐身效果便会大幅度降低。“理想的隐身衣应该和章鱼和变色龙一样，能够快速自动地适应于变化的外界刺激和背景环境。”陈红胜说。如何才能实现这一点？“章鱼有色素细胞，我们有可重构的新型人工电磁材料单元；章鱼有中枢神经，我们有深度学习方法；章鱼有光敏细胞，我们可以搭建电磁波和环境探测器。”论文第一作者、课题组成员钱超说。当前，深度学习已经开始渗入电磁材料领域，但是主要偏重于理论上设计优化人工电磁材料。如何在实验上实现新型的智能电磁材料、构建新一代智能隐身系统并实现快速有效的自适应隐身，是一个极具挑战的课题，在此之前还未见成功实验的报道。经过三年多的不懈努力，陈红胜研究团队组在充分研究隐身领域关键技术瓶颈的基础上，在微波段成功实现了智能自适应隐身器件。研究团队设计了一项小车智能隐身实验——小车身披一层超薄的可重构的超表面隐身材料，这件“隐身衣”由智能芯片控制，集成了训练好的深度学习模型，能够根据输入的电磁信息快速做出决策，改变“隐身衣”的电磁响应。探测雷达随机改变着入射波的频率、极化和入射角，而小车的任务就是动态适应变化的探测信号，对雷达“隐身”。当环境发生变化，变色龙大约需要6秒时间过度到环境色；而当电磁环境发生变化时，披着智能隐身衣的小车只需要15毫秒就能自动地实时“换装”。陈红胜教授表示，智能隐身成功地融合了新型电磁材料和人工智能等领域，其采用硬件手段实现用于隐身调控的深度学习模型，在应用中只需单次前向计算即可做出合理的决策，大大地缩短了响应时间，这一方法对于实时性要求很高的其他应用也有很好的借鉴意义

已有样品/n1）主要技术特点：该成果的特点是针对生物质燃料的光谱图像,利 用深度特征学习方法,建立生物质燃料的水份和灰份含量的传感函数模 型，然后,针对现场获取的生物质燃料光谱图像,利用训练好的传感函数 模型,自动检测和评估生物质燃料成份和品质。与现有生物质燃料成份检 测系统相比，具有生物质燃料品质检测速度快、精度高等优点。 2）主要技术指标：(1)水份和灰份含量检测误差：<1%； (2)水份和 灰份含量检测速度：<2 秒/样本； 3）应用范围：可用于生物质发电厂生 物质燃料品质评估，提

仅面向军工或军民融合单位公开

本发明公开一种基于深度学习的多目标抓取方法及系统，属于计算机视觉与机器人控制技术领域，方法包括获取待抓取目标的图像以及深度信息，基于目标抓取检测模型得到抓取点的坐标，输入机械臂生成抓取指令抓取至少一个目标；其中，通过相机标定算法建立映射模型，改进YOLOv5网络和GRCNN网络构建目标检测模型和抓取点预测模型；目标抓取检测模型的数据处理方法包括将待抓取目标的图像以及深度信息，输入目标检测模型检测目标和抓取点预测模型确定抓取点，得到图像采集设备坐标系下的抓取点坐标，并基于映射模型转换为机械臂坐标系下的抓取点坐标。本发明解决了现有技术中存在的目标识别精度不足、抓取点计算不准确以及缺乏实时性的问题。

西安电子科技大学计算机科学与技术学院智能软件与系统新技术研究所副教授张亮团队依托上海瑞金医院、西安交通大学第二附属医院等的新冠肺炎疑似、确诊患者肺部CT影像，通过综合分析新冠肺炎患者的肺部CT影像特点（磨玻璃、体积大小、位置等特征），张亮团队加快技术攻关，设计开发了基于深度学习的新型冠状病毒的早期检测筛查模型系统。

高校科技成果尽在科转云

一、项目简介 关注、认识和经略海洋是当今世界的共识，作为认识海洋、开发和利用海洋和保护海洋的重要手段和工具，水下机器人一直是世界各主要国家科技发展的重点领域，而水下成像系统则是让机器人看的更远、更清楚，从而更为有效的感知水下世界的关键。 然而，由于水下的光学成像环境复杂而恶劣，水体对光能量的高吸收特性和水中微粒对成像光束的散射，使得水下光学成像技术的成像距离较短。采用主动照明技术等方法可以增加成像距离但同时成像质量下降。现有的各种水下成像技术难以同时兼顾成像距离和成像质量。同时同一种水下成像技术在不同的水体条件下成像距离相差很大，这又造成了针对不同水体条件成像系统调整复杂度的提高和时效性的降低。 项目利用深度学习和压缩感知等新的理论突破，结合水下距离选通技术和水下主动照明技术等构建新体制远距离水下光学成像系统，期望能够有效解决成像距离和成像质量难以兼顾的水下成像难题，使其成为继声呐成像和普通光学成像之外的第三类水下成像技术，为水下机器人、科考、资源考察、军事等领域提供一种有效的成像技术手段。 二、前期研究基础 课题组是国内最早一批从事压缩感知成像研究的课题组，在压缩感知成像领域已有多年积淀，已完成国家自然科学基金3项，在研1项。发表学术论文近10篇。课题组近年来在将深度学习与压缩感知相结合方面率先开展相关研究工作，并在医学成像领域取得了显著的成绩。 三、应用技术成果 合作企业已有水下机器人样机 四、合作企业 福建海图智能科技有限公司是福建省专业从事小型水下机器人、小型ROV\AUV\ARV、声呐产品、水下光学影像产品开发设计的高科技公司，是长期专注海洋探测及水下影视领域技术前沿的技术公司。公司位于厦门和福州两地，有西北工业大学、华南理工大学、厦门大学、重庆大学、福州大学、福建师范大学等相关院系博士、教授近40人组成的科研团队。公司产品在欧洲、美洲及中国大陆均有销售。

本发明公开了一种基于A星搜索和深度学习的个性化路线推荐方法，步骤一：历史轨迹数据集D，起点ls，终点ld，出发时间b和用户u作为输入，然后基于输入循环神经网络；步骤二：建模从出发点到当前n节点的费用函数ɡ(n)与当前n节点到终点的费用函数h(n)；步骤三：寻找最优路径的过程中，每次扩展一个节点，使用f(n)来评价这个节点的得分，推荐个性化的最优路径轨迹p*。

已有样品/n1）主要技术特点： 该成果的特点是针对高速铁路巡检车捕获的接触网服役状态的高清 图像,利用关键部位检测与配准方法,自动检测和定位接触网关键部位, 然后,利用深度特征学习方法,自动检测和识别接触网关键部位鸟巢危 害。与现有的接触网鸟巢人工巡视相比，具有检测和识别速度快、精度 高等优点。 2）主要技术指标： (1)接触网鸟巢检测精度率：漏检率为 0,虚警率<5% (2)接触网鸟巢检测的速度：>10fps 3）应用范围： 可用于高速铁路巡检车接触网鸟巢危害的检测与定位，提高处理的

名称：深度钻床　 分度钻床特点： 1、配合分度盘使用，可以对圆形工件进行等分钻孔加工。 2、分度盘上有三组圆周等份分布的小孔，分别是36、40、48个小孔.可以根据实际需要选择分度孔的组别。 技术参数： 1、马达转速：20000转/分钟。 2、输入电压/电流/功率：12VDC/2A/24W。 3、加工材料：木材、工程塑料、软金属(铝、铜等)。 4、三爪夹盘可夹持工件的最大直径为50mm。 5. 变压器具有过电流，过压，过热保护。 备注：以上是深度钻床的详细信息，如果您对深度钻床的价格、型号、图片有什么疑问，请联系我们获取深度钻床的最新信息。 咨询电话：0577-67473999