本实用新型公开了一种可感知碰撞的采摘机器人伸缩臂，包括驱动伸缩部分和至少一组碰撞感知部分， 所述碰撞感知部分包括至少一个碰撞片、至少一个弹簧组件和至少一个开关组件；碰撞片设置于驱动伸缩 部分沿轴向的外部，开关组件设置于驱动伸缩部分的端部，弹簧组件的一端固定在碰撞片上，另一端固定在驱动伸缩部分的端部，弹簧组件的高度大于开关组件的高度。本实用新型结构简单，实现方便，能够提 高机器人整体的采摘效率和成功率。

配电低压台区泛在感知解决方案，创新提出“变-线-表”一体化拓扑辨识方法，可实现故障定位和主动推送、户内外停电责任研判、抢修痕迹化管理、分支线路阻抗监测等创新功能，完整实现中低压配电网一张图的解决方案。

本技术成果重点通过研究开放式数据交互技术，在基础数据支撑平台层面解决异构交通数据一致性描 述、跨平台交互等问题；通过研究城市路网多粒度运行状态分析技术，在交通状态感知与分析层面解决大 规模路网交通运行状态多粒度获取等问题；通过实施中心城市交通状态感知与分析集成系统开发与实证测 试，实现面向交通管理与出行的多目标多层级交通运行状态评价。

成果介绍物联网感知层测试实验与评估系统是在863主题项目—物联网安全感知关键技术及仿真验证平台的资助下完成。仿真平台为物联网感知节点部署后的性能提供一个仿真测试和性能评估的环境，其特点是：不需要部署真实的感知节点。通过对物理信道的建模、无线信号特征建模、电源建模和通信环境建模，能够最大限度模拟真实环境下的感知节点通信过程。仿真的结果是理论值，可以将感知层测试实验平台的数据作为系统的初始值，从而提高仿真的精度。其特点和指标：（1）针对实际应用环境配置参与通信的感知节点属性和参数，即节点建模；（2）建模感知节点的电源模型；（3）根据用户的需要选择节点部署的方式，并可以对节点位置、属性和参数进行手动调整；（4）能够加载待测的通信协议；（5）能够根据部署的拓扑图产生用户编程模板；（6）理论上，待测节点的数量不设置上限，但随着节点数量的增加，PC的处理时间将延长；（7）能够仿真无攻击或攻击情况下，网络的吞吐量、丢包率、延时、数据传输的平均路径长度、平均能耗和网络的扩展性等性能；（8）该平台不受具体应用的限制。技术创新点及参数技术原理：针对物联网感知层设备规模庞大，部署费时费力，以及部署前很难评估系统性能，部署后加载的协议一旦不符合要求，重新加载成本巨大的问题，研发了该平台。该成果的主要创新性体现在感知设备和环境等物理特征建模、测试内容和方法、仿真过程和结果的可视化显示等方面，使得开发的系统简单、易用，测试过程清晰、透明，测试结果可以分类比较。（1）在感知设备和环境等物理特征建模方面 该项目在感知设备部署环境方面，分别对室内环境和室外环境进行建模。针对室外环境，该团队主要考虑自由空间的情况下，根据设备部署在平坦区域和非平坦区域的不同进行建模；针对室内环境，该团队主要根据多径效应、视距是否阻挡以及不同建筑材料（包括：混凝土墙、混领土楼板、天花板管道、金属楼梯、厚玻璃、木门和隔墙等）对信号衰减的影响进行建模。在电源建模方面，主要是根据不同厂家的5号电池的放电曲线进行建模，由其放电电流、放电电压和持续时间来确定电源的剩余电量。在芯片建模方面，根据不同的芯片类型，建模发射功率、接收灵敏度、RSSI、发送速率、工作电流和最小工作电压等主要参数。（2）在感知层的测试内容和方法方面该平台主要针对感知层需要评价的性能，如：吞吐量、丢包率、延时、平均路径长度、能耗和连通度等，设计了其测试方法，新增待测性能可以通过组件的方式扩展。为了实现相关性能测试，首先需要选择设备类型和部署场景，如图1和图2所示。然后进行部署，部署完成后，系统会自动产生5类文件，即：.ned文件，定义了感知设备部署后的拓扑结构，如图3所示；.msg文件，定义了感知设备之间的通信规则，用户可以根据实际需要进行修改和自定义；.ini文件，设备一旦部署完成后，其id号和位置坐标将记录在该文件中，设备移动后，该文件对应的坐标值将自动更新；.h和.cc文件，即用户待测协议的源文件。一旦感知设备部署完成，平台自动产生这5类文件的初始框架，用户只需要写入待测协议的具体代码，经编译器编译后，即可进入测试环节。具体协议的代码可根据该项目组编写的编程指南开发，其开发环境与C语言的开发环境类似，方便易用。（3）在仿真过程和结果的可视化显示方面一旦待测协议编译完成，平台即可开始相关的测试，此时，用户可以根据需要动态选择不同的参数，进行测试。开始测试时，平台将同步显示协议的通信过程，如图5所示。根据仿真测试结果，不同的协议可以进行性能对比，如图4所示为不同协议的网络平均能耗对比。该平台可以在无攻击和无安全机制、无攻击和有安全机制、有攻击和无安全机制、有攻击和有安全机制等四种情况下，评估感知层网络的性能，并将它们的测试结果进行对比分析。国内外同类技术对比：国际上类似的仿真工具有十种左右，如：TOSSIM，OpenNet，NS2和OMNET等，都是针对传感器网络开发，不能仿真技术体制不同的感知设备，没有对设备、网络和环境等物理特征建模，而且无法接入实体设备，无法进行虚实结合的仿真测试。即使有些工具可以仿真感知层网路，如：TOSSIM，但是只提供TinyOS传感网络的仿真环境，无法仿真系统的安全性能，无法动态添加安全策略和安全模型。而NS2、OpenNet和OMNET虽然可以仿真安全协议，但使用复杂，不易掌握，无法进行多安全机制对比，无法接入实体设备。而且，它们仿真的物理层是理想状态，造成仿真结果与实际存在较大的差异。

机器视觉智能检测与定位技术用机器视觉取代人类视觉，为传统装备增加视觉判断与智能定位功能，可实现“无人车间”的智能检测与机械手的准确定位，实现装备智能化，解放劳动力。 该技术由太原科技大学数字媒体与通信研究所独立研发、具有独立知识产权，硬件成本低于国内外同类产品。 该技术从准确性、精度、速度、硬件成本等指标上处于国际先进水平，可实现生产线装备的实时在线智能检测与定位，检测准确度97%以上，精度0.3mm以下，定位精度可达0.01mm以下。 该技术拥有中国发明专利18项，软件知识产权5项。 2015年以来，先后应用在上海地铁隧道灾害监测、沈阳公路隧道检测、西安铁路高铁桥墩裂缝检测、爱旭太阳能义乌生产线的硅片崩边缺角及隐裂检测、通威太阳能成都、合肥生产线的硅片碎检及隐裂检测，河北电力的绝缘子检测。

一、项目简介 由于众多工业企业存在工作环境噪音大、粉尘多、劳动强度大等问题，均不同程度面临着招工难的问题，生产规模很难扩大。同时，由于长时间重复机械工作，容易出现漏检和误检，整体工作效率不高。对于已上线成套设备的企业，其集成度仍较低，自动化程度及性能都亟待提高，很难满足市场的迫切需求。因此，机器换人可有效解决上述问题，而机器视觉是模拟人工操作的关键，综合利用视觉检测、模式识别、优化调度和综合信息管理等技术和方法提高生产自动化水平极为重要。 二、前期研究基础 项目组已与惠州高视科技有限公司签署合作协议“机器视觉定位平台开发与技术服务，2018.3-2019.3，50万元”，并联合厦门大学自动化系与高视科技有限公司建立“视觉定位联合实验室”，与厦门市自动化学会签署合作协议，联合建立“人工智能-机器视觉联合实验室”。研究了视觉对位平台如何实现两个目标物之间的精确对准。视觉系统需要对两个目标物分别进行拍摄，选择Mark点或者目标物的边或角的特征信息。利用视觉对位技术，实现两个目标物物理坐标之间的在X、Y轴和角度坐标的偏差，通过驱动相关运动平台，引导平台运动到贴合位置，实现视觉引导精确对位。 三、应用技术成果 开发了鞋模喷胶系统，采用传送带传送鞋模，利用工业相机采集图像，经图像处理算法检测鞋模边缘，再将处理过的边缘坐标数据传送给控制器，控制器控制喷胶器对鞋模进行喷胶。 开发了自动贴盖机系统，基于传送带传送产品，利用工业相机采集传送带上的产品图像，再通过图像处理算法定位到模板图像在采集图像中的准确位置，从而通过坐标转换将图像中的坐标转换到世界坐标，然后将数据通过串口通信传送给控制系统，控制系统会控制机械手在定位到的位置坐标贴上产品标签或者封盖。 四、合作企业 惠州高视科技有限公司是一家专业从事机器视觉应用领域设备、计算机图像处理系统解决方案研发的高科技现代化企业。公司的机器视觉产品广泛应用于液晶、电子、新能源、金属加工等行业公司秉承以人为本、合作共赢的管理理念，以技术开发为中心，以客户需求为导向，致力于成为在机器视觉检测、测量、图像识别领域杰出的系统解决方案及设备供应商。拥有11项软件著作权和5项实用新型专利。

上海视觉艺术学院诞生于2005年。原名为复旦大学上海视觉艺术学院，2013年4月经教育部批准我校正式转设为独立设置的普通本科高等学校：上海视觉艺术学院。她是顺应文化艺术发展的世界潮流、时代呼声的产物。作为上海唯一的综合类视觉艺术高等院校，她将引领大视觉的艺术概念，构筑大视觉艺术创意的平 台，按照“忠诚、卓越、创新、和谐”八字校训培养优秀的艺术人才。 作为以新理念、新体制、新模式、新机制办学的新型艺术学院，上海视觉艺术学院致力于探索贴近产业、融入社会的开放办学模式和产学合作、资源共享的人才培养模式。SIVA网站是展现这一探索的窗口，也是社会各界参与办学、监督办学的门户。 在这里，你们可以看到SIVA已经发生、正在发生和将要发生的一切!

在信息时代，机器视觉在实现智能社会方面发挥着重要作用。视觉特征提取是机器视觉的一项关键技术，该技术可以提取图像中具有鲜明特征的信息，诸如边缘、角点、圆以及图像形状等特征，这些特征是标定机器视觉系统模型参数和运用机器视觉技术进行实际应用的前提和基础。视觉特征提取技术广泛应用于自主移动智能机器人、无人驾驶和无人机等场景，这些应用场景对视觉特征提取算法的鲁棒性和帧率提出了巨大挑战。 具体来说，视觉特征提取算法包括SIFT（Scale-Invariant Feature Transform，尺度不变特征转换算法）、SURF（Speeded-Up Robust Features，加速稳健特征）、ORB（Oriented FAST and Rotated BRIEF，快速特征点提取描述）、HOG（Histogram of Oriented Gradient，方向梯度直方图）、LBP（Local Binary Patterns，局部二值模式）等。在SURF、ORB、HOG、LBP这些经典的特征提取算法中，SURF的鲁棒性相对较高，但是过于依赖主方向的选取，使得其方向变化鲁棒性不足。SIFT算法可以从图像中提取具有不变性的鲁棒局部特征，对方向变化、光照变化、噪声、杂物场景及遮挡影响等方面的鲁棒性最强，满足无人驾驶技术的需求。SIFT算法的运算量大从而导致的系统帧率低、功耗高的问题可以通过设计具有高并行度的专用硬件加速器芯片来解决。

我国人工智能核心产业规模超过1500亿元，其中计算机视觉所做贡献最大，其规模占比超过35%。面向国家人工智能战略发展对计算机视觉技术的重大需求，攻克了多任务迁移目标检测技术、智能视频分析技术、高精度人脸/掌纹识别技术、医学图像处理技术等一系列关键技术，研究成果先后获得了教育部自然科学一等奖、黑龙江省自然科学一等奖、江苏省科学技术一等奖等一系列奖项，在目标检测与跟踪、目标识别、医学图像智能分析等领域形成了鲜明的研究特色。相关