产品详细介绍软件特点● VisionBank SVS工具库能够满足各种视觉需求，从几何物品的定位、检测、识别、测量，都能够解决● 结合灵活而强大的PC-based应用开发，VisionBank SVS软件能够以前所未有的超快速度，为各种机器视觉应用创建解决方案● VisionBank SVS软件提供中、英两种语言选择，全面兼容Win 7、Win8、Win10系统，客户可在32位与64位间无缝切换● 各工具之间的拖放可实现快速的数值、结果和图像链接。● 支持多种设备热插拔，无需断电就可添加或移除设备● 工具组可重复使用的并缩短应用开发的时间● VisionBank SVS机器视觉测量软件适用于各行业产品在线、离线尺寸测量，1/4亚像素测量精度● 几十种几何算法运算，十多种测量工具，使得测量变得简单，强大● 各工具之间的拖放可实现快速的数值、结果和图像链接。● 测量结果可以Excel ，Txt，CSV等形式输出，统计数据● 圆形、方形、棋盘格等标定板标定，比例尺标定智能视觉软件测量（计测）模块 智能视觉软件测量（计测）模块2标定 标定 高精度测量所选用的标定板标定，可使得检测精度达到um级别。亦可选用标准产品或标准块进行比例尺标定，方便、快捷，更适用于产线数据快速测量。数据存储 智能视觉软件数据存储 可将数据保存为TXT、EXCEL、CSV格式，用户可设置数据保存路径。在数据记录窗口中查看最近100天的检查记录。保存的结果数据文件和图像以日期分组。 机器人视觉引导定位模块● 系统内嵌智能形状识别引擎，能够识别常见的基本几何图形● 对于复杂形状，系统可以进行模板学习训练，进而实现复杂形状的识别● 全面兼容ABB、KUKA，FANUC、安川，川崎，新松等主流机器人，以及各类PLC控制系统实现无缝对接● 多点映射标定及标定板标定，可将图像左边转化为世界坐标、及伺服运动脉冲等● 标准协议的RS2162通讯、网络通讯（服务器、客户端），使得通讯更加简单化● 检测组织错误、表面缺陷、产品损坏、缺失等特等● 颜色检测分析、有序色块检测等● 圆度检测、轨迹检测、直线边缘毛刺检测等● OCR、OCV，读取和验证产品或元件上的字母、数字、字符等● 读取一维条码、二维DataMatrix码、QR码● 读取数据通讯输出，RS232、TCP/IP、I/O输出智能视觉系统逻辑控制、数据运算 对测量模块得到的结果进行数学计算产生新的数值，或比较两个字符串内容是否一致，可以设定固定字符串，等等图像预处理 图像预处理机器视觉 在图像预处理中可以添加一系列预处理算法对图像逐步进行预处理。后续用户选择的模块是在预处理之后的图像上执行的。 支持多种相机需求VisionBank SVS软件可以基于数百种相机平台采集图像。目前可支持Microvision GIGE/USB系列相机、Basler GIGE系列相机、AVT GIGE/USB/1394系列相机，以及维视图像智能相机.优势特点● 智能化工程管理——可同时检测同一产线上的不同型号产品● 多层级权限管理——提供“管理员”、“工程师”及“操作员”权限管理● 高自由度的扩展性——面向高级用户开放SDK版本● SDK层级的兼容性 ——系统直接搭载厂商原始驱动包● 数据转译模块——可对输入输出的信号进行“转译”，支持用户自定义规则● 本地及云端的数据存储——检测数据可本地存储也可上传到云端● 其他辅助功能——包括智能参数确定、逻辑检测、灰度直方图、系统运行日志及额外的软键盘

成果介绍团队针对互联网发展困境，借鉴核武器以氢弹作为次结构的创新思路，提出以互联网体系结构为主结构，以基于辐射-复制模型的播存网络为次结构的双结构新型网络，既能维持互联网的平滑演进，又能以较小变革代价实现互联网体系结构功能和性能的显著提升。进而聚焦互联网中内容大数据难找难管、良莠不齐、混乱失序等棘手难题，提出双结构网络的原创性内容基元统一内容标签UCL，为内容大数据治理与网络空间安全提供国家顶级标准支持。该成果破解了发展未来网络必然面临的演进与重构两难困局，提出了”主次协同、优势互补”的未来网络原创性二元架构，牵头制定了国家标准GB/T 35304-2017，应用于基层党员教育的100万个自然村。技术创新点及参数1、核心技术一：基于UCL国标的内容安全保障技术普惠、简单、可信的内容安全保障，富语义表达-UCL成链-物证要素绑定标准化元数据，传感网胡万物互联。2、核心技术二：虚拟/物理世界绑定的物证链技术逻辑与物理自洽的认证、溯源与追责，物证链技术，UCL双签名技术。3、核心技术三：AI+UCL的综合集成智能分析技术海量数据智能关联与知识萃取技术，Meta Synthesis，UCL知识空间。市场前景该成果破解了发展未来网络必然面临的演进与重构两难困局，提出了”主次协同、优势互补”的未来网络原创性二元架构，牵头制定了国家标准GB/T 35304-2017，建立了涵盖国家顶级标准、欧美发明专利、国家发明专利群、专业特色奖项、典型领域应用示范等的重大自主创新技术体系。成果在多个领域和企业得到广泛应用，支撑构建的全国基层党员教育系统已覆盖超过100万个自然村，还在“一带一路”应用示范中发挥重要作用，产生显著社会效益和经济效益。

本发明公开了一种 RFID 标签在线检测装置，包括：X 向进给机构，用于调整 Y 向进给机构在水平面 X 向的位置；Y 向进给机构，位于 X 向进给机构上，用于调整读写机构在水平面 Y 向的位置；读写机构，位于 Y 向进给机构上，用于在线读取 RFID 标签的数据；点墨移动机构，位于 Y 向进给机构上，用于将点墨机构平面移动至不合格的 RFID 标签处；点墨机构，位于点墨移动机构上，用于对不合格的RFID 标签点墨标记。本发明能同时完成标签读写与点墨打标功能，适用于多行多列 RFID 标签在线检测，

项目简介： 本项目针对复杂的实际工业环境，基于机器学习最新理论成果和机器视觉基本原理，研究并实现了具有较强鲁棒性的变电站传统机械式电表远程智能读数系统。首先通过图像的预处理对电表区域进行初步定位，然后在此有效范围中利用电表指针的几何形状特点对其进行精准定位，最后通过指针与表盘刻度的相对位置计算电表读数，最终实现了在复杂环境下对电表快速、可靠、精确地远程智能读数，代替了低效的传统人工抄表和数据录入，具有可推广应用的工业价值。 运用机器学习和计算机视觉技术，首先获取指针式仪表表盘图像，然后采用数字图像处理技术提取和识别目标，最后实现指针式仪表示值的自动判读，从而避免人工判读示值工作量大、容易出错等问题。本项目的主要工作内容有：电表特征配置、指针类表计读数判别、建立前馈式神经网络模型、图像智能化判断。 由于工业环境复杂多变，在数据采集过程中不定期地会出现各种故障和干扰。这些极端情况下所采集到的图片若进入系统进行智能读数分析，所得到的分析结果往往是不可信或者无意义的。所以，根据图像的像素分布特点进行分析，系统将自动拒绝对质量过差的问题图像进行分析判断，并向变电站工作人员发送相关警告提示。在提高系统读数结果可靠性的同时，及时发现设备问题并通知工作人员，有利于尽早排除故障、防患于未然。主要技术指标：识别正确率：92.5%；识别速度<3s。 应用范围：项目目前已进入产业化阶段，成果权属为我校独自拥有。

通过人脸检测模块对输入图像进行预处理，自动而准确地定位人脸所在位置并分割出相应的人脸 区域，对人脸面部图像进行特征提取，利用模式分类器进行性别识别。

RFID即射频识别，是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象，可快速地进行物品追踪和数据交换。识别工作无须人工干预，可工作于各种环境。RFID技术可同时识别多个对象，操作快捷方便。 本项目以电力井为对象，开发了手持式及桌面型RFID电缆信息化系统。项目开发的手持式RFID电缆信息化系统，由手持式读写器、UHF超高频射频卡及其读写软件组成，适用于电力井现场采集及电缆信息维护；项目开发的桌面型RFID电缆信息化系统，由桌面型读写器、UHF超高频射频卡及其读写软件组成，适用于办公室中对电力井电缆信息化管理工作。系统可处理中英文字符信息，手持式系统通过GPRS技术可实现远程数据维护。

（1）开发工业字符自动识别算法，有效对旋转、变形、缺失字符进行准确识别，实现自动物流跟踪；（2）支持面喷、侧喷、钢印和手写字符的识别；（3）支持自定义字库，语法，多点同步识别；（4）识别算法对喷印质量没有要求，识别准确率为：对人工能进行识别的字符整体识别正确率为 99%。

场景文字检测与识别是指将自然场景中出现的文字信息识别出来。具体来讲其包含两个部分（如图1）：文字检测和文字识别。在现实生活中，场景文字检测与识别的应用十分广泛。

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。