|
搜索
搜 索
高等教育领域数字化综合服务平台
互联网图像视频识别与检索系统
随着互联网及多媒体技术的快速发展和大数据时代的到来，视频网站、新闻网站、社交网站、博客、微博、微信等网络媒体形态不断涌现，图像、视频等多模态的数据急剧膨胀，随之带来了“管不住”和“用不好”两大问题。“管不住”是指互联网中隐藏着大量有害信息，如何自动分析与识别非常重要。“用不好”是指现有方法一般是单模态分析与识别技术，如图像分析、文本分析等，但单模态分析与识别因为信息有限难以取得好的效果。 针对上述两个亟待解决的关键问题，基于在图像处理、视频处理、机器学习、模式识别、搜索引擎技术等方向上多年的科研成果，我们开发出互联网图像视频识别与检索系统，支持对互联网上的图像、视频等多媒体数据进行采集、分析、识别和检索，突破网络有害信息难以识别和媒体大数据难以利用的问题，应用于互联网内容监管和大数据行业应用等领域，为维护网络内容安全和促进媒体大数据利用提供技术支撑。
北京大学
2021-02-01
C-V2X车联网规模测试平台
由重庆车检院与重庆大学共同研发设计的C-V2X规模测试平台在位于重庆高新区的国家质检基地正式亮相。该平台可模拟复杂交通场景中的通信环境，来检验相关产品的工作情况，这在国内尚属首创。该平台的投用将缩短智能网联汽车测试流程，降低测试成本，助推重庆加快智能网联汽车产业化及车联网部署进程。
据介绍，C-V2X是指基于3G/4G/5G等蜂窝网通信技术演进形成的车用无线通信技术。作为智能网联汽车网联化方向的关键环节，C-V2X技术近年来发展迅速，但测试方法却比较传统，仍在广泛使用实车进行外场测试。
重庆车检院智能汽车及主动安全测试研究中心负责人表示，在对搭载C-V2X终端的智能网联汽车进行外场测试时，为了搭建复杂环境，业界普遍尝试在实际场地中利用多个真车配合测试，不仅耗时耗力耗资，测试效率不高，而且测试环境的一致性难以保证。
针对智能网联汽车规模测试需求，重庆车检院与重庆大学携手攻关，在国内率先研制出可模拟复杂环境的C-V2X规模测试平台。
该平台由一组测试床、节点控制器、场景模拟器以及自动化测试工具组成。其中，最核心部分是测试床和节点控制器。单个测试床最多可模拟60个C-V2X直连通信节点，多个测试床可部署成高密度的测试环境。节点控制器则可根据测试场景的不同需要，实时调整节点底层通信参数和V2X业务信息，以模拟复杂交通场景中的通信环境，为被测C-V2X直连通信节点、搭载C-V2X直连通信节点的智能网联汽车以及智能路侧系统提供一个易部署、可复现、经济高效的规模化测试环境，全面验证其在复杂交通环境下的各项表现。
“C-V2X规模测试平台投用，是校企合作加强前沿技术研究应用的成果，也是重庆车检院利用交通部自动驾驶封闭场地测试基地（重庆）筹建国家智能网联汽车质量检验中心(重庆) 的过程中，在自主创新技术及构建先进测试平台方面迈出的坚实一步。”该负责人说，在规模测试平台的支撑下，智能网联汽车将加快研发测试进程，推动汽车产业转型升级跨越式发展及车联网大规模示范应用。
重庆大学
2021-04-11
工业互联网产学研深度融合创新基地建设
工业互联网实现工业现场数据采集、监控管理、数据上云、进行云应用。硬件平台完成材料抓取、模具加工、包装检测、成品入库等工艺过程，模拟模具加工，为工业互联网云平台应用及工业APP开发提供真实数据支撑。
北京昊科世纪信息技术有限公司
2021-02-01
农业智联网实训套件 （Agricultural AIoT Training Kit）
基于农业场景，融合物联网、人工智能等技术。可实现包括人工智能机器视觉技术的农作物病害检测、传感器数据收集与分析等功能。It is used in the agricultural scene with IoT, AI and other technologies, also can realize the functions including crop disease detection based on AI machine vision technology, sensor data collection and analysis.
英特尔FPGA中国创新中心
2022-05-24
农业智联网实训套件 （Agricultural AIoT Training Kit）
基于农业场景，融合物联网、人工智能等技术。可实现包括人工智能机器视觉技术的农作物病害检测、传感器数据收集与分析等功能。It is used in the agricultural scene with IoT, AI and other technologies, also can realize the functions including crop disease detection based on AI machine vision technology, sensor data collection and analysis.
重庆海云捷迅科技有限公司
2022-06-17
互联网文本内容主题概念漂移检测系统
成果描述：互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。市场前景分析：点。基于这些特点， 流数据的处理和分析 面临巨大的挑战，是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题，当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题，即数据 中学习的概念（从属 性到类别的映射）是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测，对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析：能够将生成的主题时 序关系用数据的形式 表示出来，方便用户 查看； 可以动态调整评估参 数，以实现对不同数 据集的自适应性分析； 可以将评估参数值与 发生概念漂移的主题 中心相关联，主动探 测出主题发生变化的 过程。
电子科技大学
2021-04-10
基于互联网+及数字孪生技术的智能制造
项目成果/简介:项目在多年国家项目的支持下，在项目“面向工厂规划和生产过程的数字化工厂技术”获2013年教育部科技进步二等奖的基础上，进行持续开发完善，与沈阳机床合作，在智能制造领域进行了深入的合作研究， 在沈阳机床智能制造展示线开发完成数字化孪生仿真模型及基于互联网的定制信息系统，系统实现了网络化定制下达生产订单，数字化孪生系统在线仿真模拟，真实展现生产场景，并可通过移动设备进行浏览和信息管理。项目符合中国制造2025所倡导的智能制造和互联网+技术的发展，对中国制造向智能化转型起到促进作用。项目通过展示真实个性化印章的智能加工、检测和装配，体现网络化的定制及数字化双胞胎技术。应用范围:项目所开发完成的技术符合中国制造2025所提出的智能制造技术路线，已应用于工业实际和大专院校的教学培训。目前国家大力资助建立智能制造试点示范项目，制造企业也在积极转型，向数字化和智能化转型发展，这些都需要数字孪生和互联网+技术的支持。 项目成熟度：小批量生产，项目已独立以及结合沈阳机床的生产线及教育系统得到市场的应用，特别是在中国航发商用航空发动机有限责任公司相关项目中得到应用。 拟在全国范围内推广：1.项目可应用于离散制造业的规划、调试、运行和维护阶段的仿真优化，通过建立工厂、生产线、设备的三维模型，实现虚实结合的数字双胞胎。 2、教育培训领域：通过实现智能制造理念的面向教育和培训的生产线系统，通过模块化的系统，实现对智能制造教学和培训。项目阶段:小规模生产效益分析:项目的技术创新点、先进性在于实现了数字孪生技术在生产线中的应用，达到了生产线的虚实融合。不仅可在规划阶段对生产线进行仿真验证，还可在生产运行过程中实现虚实融合，并通过AR-VR技术对操作指导、维修指导和生产过程监控提供支持，从而实现多维的虚实融合，是实现智能制造的关键技术之一。项目相关技术不仅能够应用于工业实际的智能化制造之中，还特别适合面向智能制造的教育和培训。
同济大学
2021-04-10
CDMA2000移动互联网内容监管系统
本系统在设计中使用了先进的网络处理器技术，包括高性能的IXP2400处理器和高速千兆以太网接入能力，提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求，可以广泛应用于各种网络通信系统和网络安全领域，边缘路由器，千兆硬件防火墙和入侵检测系统，具有广阔的市场前景。
东南大学
2021-04-10
基于大数据的能源互联网能量管理系统
随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。
清华大学
2021-04-11
油气生产物联网实训创新平台
随着油田数字化的发展，物联网技术在油田企业的生产管理中应用越来越广泛。新技术的应用，提升运维人员技能培训迫在眉睫。油气生产物联网实训创新平台是针对石油企业的数字化油田运维人员和在校大学生物联网技术应用而建立的平台。
采用油田企业通用的PLC或DCS,构建采集控制系统；使用油田常用的通讯方式（4G、无线网桥、Zigbee/LoRa）进行仪表参数及数据的传输；配备计算机和SCADA系统，可以进行PLC或DCS的编程培训，实现在不同通讯方式下的数据传输；SCADA系统将现场中控室进行情景还原。平台培训由易到难，从最基本的传感器仪表接线及电路搭建、下位机编程、通讯方式的组建、上位机SCADA控制系统及管理平台的布置，能够实现仪表工、通讯人员、中控人员及高级技术人员等不同层级人员的培训。
中国石油大学（华东）
2021-05-11