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

针对国产云平台，本工具提出一套完整的测评体系，建立了针对云计算服务设施的测试分析与评估模型，实现了云基础设施测试 & 评估工具（软件）。该工具从功能和性能两个角度出发，结合云平台的特点，对云平台进行功能、性能测评；同时也可用于云平台的日常运营监控 & 告警用途。在性能测评方面，本工具可对云平台各节点的 CPU、内存、I/O、网络以及虚拟化能力进行监测、评估；在功能测评方面，本工具不但可以对云平台必备的基本功能（如镜像管理、虚拟机管理等等）完善度进行测评，还可以在模拟百万级别负载访问压力下，针对云平台高级能力指标（如动态扩展能力、节点失效处理能力、故障迁移处理能力、负载均衡等能力）进行定量的测评。最后，本工具还实现了测试过程的自动化和可视化，支持在线、离线两种测评模式，并最后根据测试结果自动生成 word 版测评报告。 该云平台基准测评工具支持如下指标： （1）对云平台各节点的 CPU、内存、I/O、网络以及虚拟化能力进行监测、评估。 （2）对云平台基本功能（如镜像管理、虚拟机管理等等）进行监测 & 评估。 （3）对云平台高级能力指标，动态扩展能力、节点失效处理能力、故障迁移处 理能力、负载均衡等能力进行定量的测评。 （4）支持在百万级别访问条件下的动态扩展、节点失效、负载均衡、 故障迁移等云计算平台功能特性的测评。 （5）支持提供不少于 1 万虚拟租户模拟系统访问，并依据测试分析与评估模型，产生测试报告。 （6）支持海量监控数据的采集、上报、存储和分析处理能力。 （7）支持自动化测试（减少人工干预）。 （8）支持测试过程动态可视化，图形化，可回溯，可跟踪。 （9）支持在线、离线两种测评模式。测试完成后自动生成 word 版测评报告。 （10）支持系统节点级、集群级、云平台三个级别的监控和告警功能。

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。

1.痛点问题 “数智医学平台技术”针对当前临床研究过程中所遇到的受试药不良信息反馈不及时、多中心临床试验时各中心间难以及时交流信息、人力物力高耗低效、临床数据质量因各种人为因素导致的数据质量和可靠性下降、数据处理和统计过程的繁琐和低效率等诸多痛点问题，通过数字化解决方式，优化当前临床研究的工作模式，提高工作效率和数据可靠性。本项成果实现让受试者信息更安全、数据管控更合规、数据质控更可靠、项目执行更高效、产业服务更优质的临床研究新模式。 2.解决方案 本项成果核心点在于研发出自主可控的国密安全算法和智能数据抽取新技术，在线实现智能化临床研究全流程以及健康医疗数据统一管理服务，建立跨域多中心在线直连的临床研究新模式。本项成果通过数据采集及预处理标准、标注及质控标准、以及病例数据集标准所构建的标准体系，以实现对不同医院、系统、厂商医疗数据的标准化。本项成果实现电子病历、MRI/CT影像、病理等数据变成统一的标准化高质量的数据，并支持智能化数据采集、远程数据录入、远程监察、在线数据统计分析等功能，来解决研究者在临床研究中的数据收集困难、基础调研不足、研究依从性不高、数据的统计分析过程繁琐等问题，实现对临床研究过程中的全流程实时管理。

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。    

CompactPCI通用测控平台相比传统工业PC具有更高的耐用性、可靠性，结构简洁而高效，可以广泛用于航空机载设备、轨道交通车载设备、生产及科研测控设备中，也是互联网+时代各类嵌入式测控设备的主流标准。本成果系校企共同研发成果，采用最新的技术研制成功CompactPCI总线处理器板、总线背板、电源板、40MSPS DA板、32路同步16位AD板、ARINC429通讯板等多款外设板卡，主要技术指标达到国际同类产品性能，实现了国产化替代，并降低了采购及维护成本，提高了装备保障水平。

在线翻译服务平台以多语种、多专业、多策略的智能翻译相关技术为核心，以SaaS为手段，面向中小企业，提供多语信息服务。

机器人研究中心自主研制的自主飞行器平台，用于控制旋翼飞机，实现旋翼飞机的自我控制。目前，市场上现存的自主飞行器平台存在功能单一、移植性差、自我控制不稳定等问题。自主飞行器借助先进的控制理论技术，实现自主飞行器自主起降、悬停、避障等多种功能，在自主飞行器平台市场具有广阔的市场发展前景。 国内外对采用以遥控直升机为基础进行旋翼飞行器的全自主高机动飞行控制的研究必将继续推进，研究成果也会被更广泛应用。我们设计了一套完整的四旋翼自动控制系统。该系统不仅包括控制算法的设计，还包括传感器、控制板等相关硬件平台的实现。

以虚拟云概念大数据为基础，以物联网络为支撑，构建一个基础教育（小学，初中，高中）的智能化校园综合管理平台，以优质教育教学资源共建、共享、相互应用、资源整合为中心，融入到教学、学习、管理、生活等综合领域，最终实现教育公平、教育互助、教育互动、提高教育质量目标，推动教育教学改革的发展。   一、智慧教育的核心理念就是充分利用当前社会最前沿的信息技术，建立了多层次、创新型、开放式、互动式的现代学校，提高了办学的质量和效益。以新的人才观、教学观和管理理论为指导，超越传统的教育模式，以便于培养适应信息社会要求的科技创新型人才。 二、智慧教育具体体现在以下四个方面： 1.在教学方面，利用多媒体（交互式一体机、班班通视讯设备）、网络技术（基础网、城域网、互联网）实现高质量教学资源、信息资源和智力资源的共享与传播，并同时促进高水平的师生互动，促进主动式、协作式、研究型的学习，从而形成开放、高效的教学模式，更好地培养学生的信息素养以及问题解决能力和创新能力。 2.在管理方面，利用信息技术实现职能信息管理的自动化，实现上下级部门之间更迅速便捷的沟通，实现不同职能部门之间的数据共享与协调，提高决策的科学性和民主性，减员增效，形成充满活力的新型管理机制。 3.在公共服务体系方面，建立覆盖学校教学、科研、管理、招生等各个区域的宽带高速网络环境，提供面向全体师生的基本网络服务和软件服务；要在校园内建立电子身份及统一认证系统，从而为学校高水平的教学和管理等提供强有力的支撑。 4.在学校社区服务方面，适应后勤社会化改革的需要开展了各种网络化服务项目，包括电子消费，电子医疗等，为师生员工提供便捷、高效、集成、健康的生活和休闲娱乐服务，形成智能型的社区服务体系。 某县市智慧教育综合系统平台项目，系统包含:教育虚拟云平台、网络传输系统、平安校园综合报警控制系统、电子书包、多媒体电教室、触控式班班通等智慧教育综合管理平台。

农业物联网云平台结合了最先进的物联网、云计算、传感器、自动控制等技术，在浏览器或手机客户端实时显示大棚、大田、温室、茶园等温度、湿度、PH值、光强度、CO2含量，或作为自动控制的参变量参与到自动控制中，保证农作物有一个良好的、适宜的生长环境。 平台架构： 农业物联网架构可分为三层：感知层、传输层和应用层。 感知层：采用各种传感器，如温湿度传感器、光照传感器、二氧化碳传感器、风向传感器、风速传感器、雨量传感器、土壤温湿度传感器等来获取植物的各类信息。 传输层：由各种网络，包括互联网、广电网、网络管理系统和云计算平台等组成，负责传递和处理感知层获取的信息，能将温度、湿度、PH值、光强度、CO2数据远传到云端数据服务器中，也可以将数据进行本地存储，具有远程查询，断点续传的特点，确保系统的数据完整性。 应用层：物联网和用户的接口，它与行业需求相结合，实现物联网的智能应用。平台可灵活配置实时画面，展现趋势图、报表、告警等，如温湿度、光照参数等，收集每个节点的数据，进行存储和管理实现整个测试点的信息动态显示，并根据各类信息进行自动灌溉、施肥、喷药、降温补光等控制。对异常信息进行自动报警。 平台监测功能（以茶树为例）： （1）PH值监测 茶树是喜酸性土壤的作物，它只能在酸性土壤中才能生存，要求土壤PH值在4~6.5之间，以4.5~5.5之间最适合茶树生长。当酸度不在正常范围时，可通过施肥改变土壤酸碱性； （2）水分监测 茶树要求土壤相对含水量在60%~90%之间，以70%~80%为宜，保证茶树水分的补给，满足生长要求； （3）湿度监测 茶树生长的相对湿度以80%~0%为宜，在空气湿度较高，土壤水分适当的情况下，新叶的持嫩性强，叶质柔软，叶面富有光泽，角膜层薄，品质更加精良； （4）雨量监测 茶树虽喜潮湿，但也不能长期积水，茶树最适合的年降水量在1500mm左右。茶园中应设排水沟和滴灌装置，一旦雨量超出正常范围，可及时采取措施； （5）温度监测 茶叶最适合的温度是15~35℃。10℃以下生长缓慢或停止；10℃左右开始发芽；35℃以上嫩叶灼伤，生长受限；-13℃，茶树冻枯甚至死亡； （6）光照监测 茶树耐阴，但也需要一定光照使其产生营养物质，根据光照分析叶片光合作用效率，避免在茶树适合生长的光照条件下采摘，避开生长期，完成采摘工作； （7）害虫监测 病虫害发生，是导致茶叶欠收和品质影响的重大因素，同时也是茶农使用农药，导致农药残留超标的罪魁祸首。对病虫害进行监测和防治，采用科学防治技术，不仅可以保证茶园的生态环境，更能保证茶叶质量； （8）数据分析 通过茶园安装的监测装置将茶树生长的环境实时传输到后台管理中心，对所有采集的数据进行分析识别； （9）数据推送 后台对茶园采集的数据进行大数据分析后，当某一数值超出设定范围时，后台管理中心会向茶农发送报警信息提示茶农； （10）自动控制 后台管理中心监控到茶树的土壤水分或者湿度等数值偏离适合茶树生长的范围时，自动控制系统会打开茶园相应的水阀实施喷灌或者滴灌，当达到适应值时自动关闭水阀。