本监控系统通过对起重机重量传感器、幅度传感器、高度传感器及角度传感器等输出数据进行分析处理，实现对塔机工作时起重量、起重力矩、小车幅度、吊钩高度以及回转角度的实时监控，能自动、可靠的保证塔机的工作始终处在该塔机起重性能曲线所限的范围内，一旦探测到可能超载或超力矩时将先预警，直至报警，尽可能的避免因操作者的疏忽或判断失误而造成的安全事故，极大的保证了塔机的安全使用，同时该系统能够实时记录塔机作业中的危险工况，为事故分析处理提供可靠的依据。本项目专利成果：(1)一种可折叠快

交直流电源系统是水电站、火电厂和各级变电站等电力部门中的重要设备，它给一次、二次的各种开关、继电保护以及照明设备提供不间断的电源，以保证电力系统的安全、可靠运行本项目所研制的交直流电源及监控系统采用高频开关整流模块，将交流供电电源转换成直流电，对蓄电池组进行充电。当供电中断时，由电池组共给负载电能，系统中的逆变器将直流电逆变为交流电，供给需要交流电的负载。

随着工业生产水平和管理水平的不断提高，计算机在生产和管理过程中的应用也日益广泛。应用计算机实现火力发电机组运行参数及状态的在线检测、过程参数控制；实时诊断设备、以至系统运行存在的缺陷；分析参数的变化趋势；及时发现或预报异常运行情况并提供事故处理信息。这是提高机组自动化水平，指导运行人员合理操作，提高机组运行的安全性、经济性及发电机组的综合管理水平，提高发电

全景采用8目1/1.8"靶面超低照度200万图像传感器拼接；一体球机采用1/1.8"靶面超低照度400万图像传感器； 全景视频8目达8192*1800@25fps，球机视频最大支持2560*1440分辨率输出； 8目支持真实360°超大视野，同时配合高清球机支持联动监控、自动跟踪、细节抓拍等功能； 支持5、6、7、8任意拼接，实时生效，省时高效； 球机超远250M红外监测距离，由近及远让夜晚监控更加清晰； 支持人群监测、全局及区域人数统计、人群密度阈值报警联动监视功能，为人群全局监测、焦点监测提供强有力措施； 采用大华自有算法，绊线入侵、区域入侵检测距离、联动跟踪准确率与及时率大大提升； 支持感兴趣区域(ROI）编码、区域入侵、绊线入侵、场景变更、音频异常侦测、外部报警； 支持宽动态、3D降噪、强光抑制、背光补偿，适用不同监控环境； 支持报警7进3出，音频2进2出，485，BNC，512G SD卡； 标配DC36V供电方式，标配光模块，支持光口和网口同时输出 支持IP66防护等级； 参数 参数值 外观 守望者 传感器类型 全景：1/1.8英寸CMOS 球机：1/1.8英寸CMOS 像素 全景：1600万 球机：400万 最大分辨率 全景：8192*1800 球机：2560×1440 扫描方式 逐行扫描 电子快门 全景：1/3s~1/100000s、可手动或自动调节 球机：1/1～1/30000s、可手动或自动调节 最低照度 0.001Lux（彩色模式）；0.0001Lux（黑白模式） 信噪比 全景：＞56dB 最大补光距离 ≥400米（红外补光）； 补光灯数量 7颗（红外灯） 强光抑制 支持 镜头类型 全景： 定焦 球机： 电动变焦 镜头接口 全景： M12 球机： 机芯接口 镜头焦距 全景： 5mm 球机： 5.5mm-220mm，40倍光学变倍 镜头光圈 全景： F2.2 球机： F1.35～F4.8 视场角 全景： 水平:360°： 垂直：84° 球机： 水平：2.27~61.4 垂直：1.3~35.99 对角线：2.62~68.18 光学变倍 球机： 40倍 光圈控制 全景： 固定光圈 球机： 自动光圈 近摄距 全景： 1.2m 球机： 500mm～2000mm（近焦到远焦） 通用行为分析 绊线入侵；区域入侵； 智能 支持 深度智能 支持 人群分布图 人群分布效果图、全局人数统计、区域人数统计 智能检索 配合Smart NVR实现事件录像的二次智能检索、分析和浓缩播放 H.265 支持 视频压缩标准 H.265；H.264；H.264H；H.264B；MJPEG 智能编码 H.264：支持 H.265：支持 视频帧率 全景： 50Hz: 主码流：8192x1800@25fps,7680x1680@25fps,5760x1264@25fps，4096x900@25fps 辅码流1：3840x832@25fps,2560x560@25fps,2048x452@25fps 辅码流2：4800x3840@25fps,3200x2560@25fps,1600x1280@25fps 60HZ： 主码流：8192x1800@30fps,7680x1680@30fps,5760x1264@30fps，4096x900@30fps 辅码流1：3840x832@30fps,2560x560@30fps,2048x452@30fps 辅码流2：4800x3840@30fps,3200x2560@30fps,1600x1280@30fps 球机： 50Hz 主码流：2560×1440@25fps、2048×1536@25fps、1920×1080@25fps、1280×960@25fps、1280×720@25fps 辅码流1：704×576@25fps、352×288@25fps 辅码流2：1920×1080@25fps、1280×960@25fps、1280×720@25fps 60Hz 主码流：2560×1440@30fps、2048×1536@30fps、1920×1080@30fps、1280×960@30fps、1280×720@30fps 辅码流1：704×480@30fps、352×240@30fps 辅码流2：1920×1080@30fps、1280×960@30fps、1280×720@30fps 视频码率 全景8目： H.264: 512Kbps ~ 42995Kbps H.265: 256Kbps ~ 26216Kbps 球 机： H.264: 184Kbps ~ 15104Kbps H.265: 110Kbps ~ 9216Kbps 日夜转换 ICR自动切换 背光补偿 支持 宽动态 真实宽动态/120dB 白平衡 全景：自动/自然光/路灯/室外/手动/区域自定义 球机：自动/室内/室外/跟踪/手动/钠灯/自然光/路灯 增益控制 手动/自动 降噪 全景：3D降噪 球机：2D降噪和3D降噪 默认分辨率下默认码流 全景： 14336Kbps（8192x1800） 球机： 6144Kbps（2560x1400） 电子防抖 支持 透雾功能 支持 数字变倍 球机： 16倍 图像翻转 球机：支持倒影 隐私遮挡 全景（区域覆盖）： 4块 球机（隐私遮挡）： 8块 音频接口 支持 音频压缩标准 G.711Mu/G.711A/G.726/AAC/MPEG2-Layer2/G.722.1/G.729 音频采样率 8KHz/16KHz/32KHz/48KHz/64KHz 报警 支持 报警事件 支持无SD卡;SD卡空间不足;SD卡出错;网络断开;IP冲突;非法访问;异常电压检测;移动检测;视频遮挡;场景变更;区域入侵;绊线入侵;音频异常侦测;人群密集；本地报警 网络接口 1个10/100/1000M以太网电口，1个1000M光口 网络协议 HTTP;TCP;ARP;RTSP;RTP;UDP;RTCP;SMTP;FTP;DHCP;DNS;DDNS;PPPOE;IPv4/v6;SNMP;QoS;UPnP;NTP 接入标准 ONVIF（Profile G）;GB/T28181;CGI 预览最大用户数 20个 存储功能 SD卡、FTP（SFTP）、NAS(NFS/SMB) 浏览器 支持： Chrome 42以下版本； Firefox 52以下版本; IE7；IE8；IE9；IE11 图像设置 全景：亮度；对比度；锐度；饱和度；gamma； 球机：亮度；对比度；锐度；饱和度；gamma；色彩抑制；锐度抑制； OSD信息叠加 区域覆盖/隐私遮挡；通道标题；时间标题；地理位置；图片叠加；球机预置点、温度、云台坐标、变倍、正北方向、巡迹；球机测距 录像模式 手动录像；视频检测录像；定时录像；报警录像 录像优先级从高到低依次为手动 > 外部报警 > 视频检测 > 定时 SD卡 支持 恢复默认 支持一键恢复默认配置 用户管理 最大支持20个用户 安全模式 授权的用户名和密码；MAC地址绑定；HTTPS加密；IEEE 802.1x；网络访问控制 星光 支持 智能编码 H.264：支持 H.265：支持 旋转范围 水平范围：0°～360°连续旋转 垂直范围：-12°～90° 自动翻转180°后连续监视 旋转速度 水平键控速度：80°/s， (水平预置点速度：69.2°/s） 垂直键控速度：26°/s，（垂直预置点速度：36°/s ） 长焦限速 支持 定位精度 垂直0.1° 水平0.1° 定位精度自动校准 支持 远程镜头复位 支持 预置点 300个 自动巡航 8条，每条可添加32个预置点 自动巡迹 5条 自动线扫 5条 断电记忆 支持 空闲动作 预置点/自动巡迹/自动巡航/水平线扫 定时任务 预置点/自动巡迹/自动巡航/水平线扫 3D定位 支持 云台限位 支持 方位显示 支持 信息显示 支持 时间显示 支持 RS-485接口 1个（波特率范围：1200bps~115200bps） 光纤接口 支持（接口类型：LC，单模） 音频输入 2路（接线端子） 音频输出 2路（接线端子） 报警输入 7路（湿节点，支持直流3V~5V电位，5mA电流） 报警输出 3路（干节点，支持直流最大30V电位，1A电流/交流最大50V电位，0.5A电流；） 模拟输出接口 1路CVBS BNC接口 工作电压 DC36V（±50%） 供电方式 DC36V 功耗 基本功耗：58.7W（DC36V）； 最大功耗（ICR切换，红外灯最亮，球机云台转动）：84.4W（DC36V）； 加热功耗：3.34W（DC36V，全景主控加热）；26.7W（DC36V，全景镜头&SENSOR板加热）;5.4W（DC36V，球机镜头除雾加热）; 工作温度 -40℃~+70℃ 工作湿度 ≤95% 防护等级 IP66； 外壳材料 金属+塑料 产品尺寸 Φ383mm×389.8 包装尺寸 500mm×500mm×658mm（长×宽×高） 净重 14.7kg 毛重 19.8kg 安装方式 壁装；吊装；柱装；支架需要额外下单； 壁装支架PFB710W；吊装支架PFB710C 电源 标配 镜头 标配 电源返送 支持DC12V电源返送，最大电流165mA，电压值12V

智能交通是关键在于两方面：智能道路与智能车辆。前者主要目的在于规范 交通秩序，提升道路的通行能力；后者的使命是通过发展通过驾驶辅助系统，最 终实现车辆的无人驾驶。 针对智能道路，团队研发了电子警察。通过装配在城市交通路口的智能一体 相机，电子警察自动抓拍车辆闯红灯和变道等违章行为，通过治理违章规范驾驶 行为。其核心技术在于基于计算机视觉的嵌入式车辆运动分析系统。团队与智能 相机厂商合作，开发了基于达芬奇（DaVinci）平台的嵌入式电子警察产品，并 已成功上市销售数百套。 针对智能车辆，团队研发了交通标识自动识别系统。通过车载视觉智能分析 系统，提前主动定位并识别交通标识，规避违章驾驶。团队与国内领先的无人车 研发机构合作，已参加数届中国智能车未来挑战赛（IVFC）,获得了交通标识识 别第一名及总成绩第三名的成绩，并得到了中央电视台等机构的好评。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

研发阶段/n基于机器视觉技术的干香菇等级自动分选系统与设备 技术简介：　　香菇生长过程中，在适宜的温度、湿度、光照、风速和温差条件下，表皮细胞与肉质细胞分裂不同步，生长速度过快的肉质细胞胀破表皮细胞，使菌盖龟裂形成褐白相间、菊花状的花纹，因而形成花菇。香菇可分为天白花菇、白花菇、茶花菇及光面菇。其中以天白花菇价值最高，与普通光面菇相比，价格可相差5-8倍。　　我国是香菇生产大国，香菇分级加工属于劳动密集型环节，长期以来依靠人工肉眼进行香菇颜色、形状、厚薄分级及破损、畸形、霉变香菇分级。

现代高速计算机的计算能力已达到惊人的程度，但计算机视觉系统却无法指导诸如过马路之类对  人来说非常简单的视觉任务。本成果模拟人眼选择性关注视觉场景中显著变化区域的模式，提出一种  图像中不同区域视觉显著程度的检测方法，从而达到提高计算机图像分析效率的目的。

本发明公开了面向大规模图像视觉特征的多维倒排索引与快速检索算法，包括：利用图像的视觉特征训练增强型残差量化所需的多层码书，并利用所训练的码书构建多维倒排索引；根据已训练完成的码书，对图像视觉特征进行量化和编码，同时根据计算得到的编码将其插入到倒排索引中对应的倒排列表；利用查询图像视觉特征对所构建的多维倒排索引进行查询，获得查询候选集；利用自适应超球体过滤对查询候选集进行优化，对过滤后的查询结果排序，从而完成图像视觉特征的检索。本发明的方法通过对图像特征进行量化和编码，提高图像特征的量化效率；利用所生