基于视觉问答的电力安全辅助系统的解决方案，利用无人机、智能机器人等多种巡检方式采集的巡检影像数据，建立电力设备缺陷视觉问答数据集，融合视频处理分析、图像识别、电力自然语言处理、电力知识图谱等人工智能技术应用，挖掘分析巡检影像缺陷特征，构造缺陷识别算法模型，实现输电线路本体缺陷和环境风险自动识别诊断，最终形成缺陷识别、诊断、检修一体化智能安全辅助服务系统。 一、项目进展 已注册公司运营 二、企业信息 企业名称 合肥合工安驰智能科技有限公司 企业法人 段章领 注册时间 2017年 注册所在省市 安徽省合肥市 组织机构代码 91340111MA2R01W28C 经营范围 智能科技、网络科技、电子科技、信息科技、软件科技领域内的技术开发、技术咨询、技术服务、技术转让；广告发布；软件开发；电子产品、家用电器、床上用品、家具、家居用品、计算机、软件及辅助设备、二类医疗器械的销售。 企业地址 合肥市包河经济开发区花园大道369号F426-2 获投资情况 曾获股东投资200万 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 沈奥 计算机与信息学院/计算机科学与技术创新实验班 2019/2023 韩知渊 计算机与信息学院/计算机科学与技术专业 2019/2023 帅竞贤 计算机与信息学院/电子信息工程专业 2019/2023 何煦 计算机与信息学院/计算机科学与技术专业 2020/2024 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 卫星 计算机与信息学院/计算机科学与技术 副教授 人工智能、深度学习 赵冲 本科生院/工程素质教育中心 讲师 计算机网络、深度学习 五、项目简介 针对现阶段各类电力巡检手段的不足以及保障电力设备安全的重要性，本团队提出基于视觉问答的电力安全辅助系统的解决方案，利用无人机、智能机器人等多种巡检方式采集的巡检影像数据，建立电力设备缺陷视觉问答数据集，融合视频处理分析、图像识别、电力自然语言处理、电力知识图谱等人工智能技术应用，挖掘分析巡检影像缺陷特征，构造缺陷识别算法模型，实现输电线路本体缺陷和环境风险自动识别诊断，最终形成缺陷识别、诊断、检修一体化智能安全辅助服务系统。 2021以来共申请发明专利11项（其中学生排序第一2项，排序第二4项），软件著作权1项（学生排序第一），取得国家级科技竞赛奖励2项，省部级科技竞赛奖励4项；团队依托于计算机与信息学院分布式智能与物联网研究所，与力源电力设备股份有限公司、国网安徽省电力公司检修公司、安徽南瑞继远电网技术有限公司等达成合作意向。

Ø 自动问答系统Q/A（automatic Question Answering） 采用自然语言处理技术，一方面完成对用户疑问的理解；另一方面完成正确答案的生成。这些研究涉及到计算语言学、信息科学和人工智能学，是计算机应用研究的热点之一，其核心是自然语言理解技术。目前，虽然离自然语言完全机器理解尚有很长的距离，但对于一定的领域，采用针对性的方法，已经开发出许多成功的应用。

产品详细介绍 综合答题器ActivExpression为老师们提供了一个十分有效的手段，即时测评学生的掌握程度和学习进度，同时也支持学生根据自己的进度进行学习。 ActivExpression一瞥： •可自定进程、可即兴进行及广泛的反馈方式提供了极大的灵活性。 •ActivExpression可随时启动全员参与，同时促进持续的学习进度评估。 •根据实时的评测结果，老师们可监控学生的掌握程度和调整全班或个别学生的学习进度。 让学生表达自己的想法 无论是喜欢举手回答问题的学生还是不希望引起别人关注的学生，每个学生都有自己的想法， 想提出或解答问题。综合问答器ActivExpression是一个多功能的学生反馈系统，让学生们通过完整的文字、方程式、 符号等形式充分反馈自己的各种见解和想法。 综合问答器ActivExpression是一款直观的教学反馈系统，该系统的设计目的在于促进全员参与，鼓励持续地、实时地评估学生的学习进度。使用综合问答器ActivExpression，教师可以在课堂上了解学生已有的知识，即时测评学生对知识点地掌握程度或让他们深入了解课题。另外，ActivExpression的自定义学习功能支持学生根据自己的进度和理解程度进行学习，收集学习进度的详细数据。 ActivExpression的Express Poll Wonderwheel图标会浮现在多数计算机应用程序上，包括网页浏览器、Word文档、Excel表格，老师们自然就能最大限度地减少备课时间和充分利用宝贵的课堂时间。评估结果数据能轻松地导出到Excel表格中，或结合ActivProgress 来保存、审查，长此以往就可以监控学生的掌握趋势。 ActivExpression能将教室改造成一个互动的学习环境，从而每位学生都能发挥出他们的潜能，取得好成绩。 为什么使用ActivExpression？ 启动全班模式对话 综合问答器ActivExpression鼓励学生在课堂上参与、互动和表达自己的意见，从而激发出活泼的、有见地的探讨和辩论。 简化教学管理 与ActivProgress相结合，ActivExpression让你即时评测出学生的掌握程度，取得教学支持，确定学生的成长趋势，并在出现问题前解决潜在的挑战。 提高课堂效率 亲身积极参与有助于增强学生的信心和创造力，而持续的评估节省了老师们的备课和测试的时间。 结合自定义学习功能 ActivExpression的自定义学习功能来分配不同难度的测验，学生可以按自己的进度和理解水平来完成，并查看即时反馈。老师们利用详细结果数据，给在学习上遇到困难的学生提供及时的帮助， 根据需求随时干预、调整个别学生或全班的课程进度。 主要特征： •QWERTY全键盘支持复杂的反馈，而不仅仅是简单A、B、C的选择。用户可以用完整的文字、数字、符号、方程式、分数、“是”或“否”、利开特式量表等形式反馈。 •直观的界面设计，简单易用的导航和背光屏。 •电池使用寿命可长达一年。 技术参数 兼容性 普罗米休斯互动式电子白板系列；也可与第三方互动式显示器搭配使用。 （注意：无需互动式显示设备也能正常运作。） 传输范围 100米， 328英尺（开放空间） 连接方式 与ActivHub USB集线器无线连接 操作系统 详见规格书 详细技术信息请参考ActivExpression规格书。 常见问题 ActivExpression包含什么? •32 或24 件设备 •ActivInspire专业版DVD/Promethean ActivOffice •ActivHub带延长线和固定器 •装载盒 •用于移除电池的螺丝刀 ActivExpression支持那些语言? 英文、荷兰语、法语、德语、意大利语、葡萄牙语、西班牙语、芬兰语、挪威语、瑞典语、丹麦语、土耳其语、哈萨克语、俄语、阿拉伯语、巴西语、捷克语。 我可以在投票时同时使用ActivExpression和ActivExpression2设备吗? 可以。但是只有ActivExpression2设备支持输入和显示学习方程式。这意味着，只有ActivExpression2设备可用于以方程式反馈的任何投票或以方程式提问/回答的自定义进度投票环节。

成果简介：自动问答系统Q/A（automatic Question Answering） 采用自然 语言处理技术，一方面完成对用户疑问的理解；另一方面完成正确答案的生 成。这些研究涉及到计算语言学、信息科学和人工智能学，是计算机应用研 究的热点之一，其核心是自然语言理解技术。目前，虽然离自然语言完全机器理解尚有很长的距离，但对于一定的领域，采用针对性的方法，已经开发出许多成功的应用。 项目来源：自行开发 应用范围

（一）项目背景 随着人工智能及机器学习等技术的不断进步,智能应答和智能推送技术 及系统日臻成熟,达到了商用的水平。微软、阿里巴巴、腾讯、移动、小 i、 苹果、谷歌等国内外的公司都对该领域进行了深入的研究,发展了自己的产 品线,逐步向个人助理方向演进。 相比人工客服方式和网页常见问题列表或者帮助文档等方法，来处理 用户的业务咨询问题。客服聊天机器人可以 24 小时在线服务。而且客服聊 天机器人具备很多优点，比如回复快、降低了用户解决问题复杂程度、同 时也可以采集用户相关数据，为方便产品优化迭代提供帮助。而且客服聊 天机器人不会像人类一样受主观因素影响，比如突然心情不好，对客户发 脾气等。所以传统的人工柜台和电话咨询还有网页 FAQ 的方式已经逐渐不能满足实际的需要，于是越来越多的企业选择使用客服聊天机器人来替代 或者辅助人工客服。  目前，智能客服系统还不能完全取代人工全面实现智能化。其智能服 务主要体现在客户服务自动化，智能辅助人工和智能客服管理几个方面。客服机器人通过理解访客询问的内容，感受访客的情绪，以及在工作中深 度学习来找到最准确的回答提供给访客。如何提高智能机器人的理解能力 提升访客解决率，是智能客服帮助企业提高工作效率的重要发展方向。建 立智能客服系统的方式主要包括两种，一种是通过对原有的客服系统进行 改造实现智能化升级，另一种是将现有智能客服产品应用于客服场景。 （二）项目简介 客服问答机器人采用分词、词向量解析、语义理解等技术理解咨询用 户输入的问题，并通过后台检索出准确答案给予回复，支持常见问题问答、 任务型多轮问答服务。该项目支持企业自定义知识库的方式管理后台问答 数据，并引入向量搜索引擎实现百万级数据量秒级响应，同时支持 License 效期鉴权认证和私有化部署，为企业打造实时性强、客服效率高的 24 小时 在线客服。 （三）关键技术 1.用户管理。用户管理功能设计提供新用户注册/登录功能，每个用户 有属于自己私有的知识库空间，通过部门这一字段设计知识库分类，对部 门操作有增删改查，还可以通过帮助中心查看用户手册和常见问题教程以 更好的使用该系统。 2.知识库管理功能设计提供用户对知识库进行管理，可以新增单条知识 数据，也可以批量导入知识数据，问题的答案内容可以是纯文字解答，也可以是表格、超链接、图片、视频等多媒体文件辅助解答，对已存在知识 库中的知识，还可以进行修改、查找、删除操作，还可以查看知识库引擎 命中数以、问题点击数以及设定阈值对输入问题的答复进行限制。 3.智能问答功能设计提供用户更有智能友好地问答服务，通过调研当今 主流的问答机器人如阿里小蜜、小 i 机器人等，为机器人加上更加人性化地 智能问答功能，如引擎调用达到秒级响应、智能提示、智能反问、无结果 拓展、拼音识别等功能，使得客服机器人更加智能。

此项目为利用自然语言和语义网技术实现基于Web的有关广联达公司产品服务的自动问答系统。在传统基于搜索引擎的问答系统基础上，通过对问题和答案的进行语义依存分析并结合领域本体模型提供较为准确的自动问答功能，在实际应用中取得良好的效果。

成果简介：此项目为利用自然语言和语义网技术实现基于 Web 的有关广联达公司产品服务的自动问答系统。在传统基于搜索引擎的问答系统基础上，通 过对问题和答案的进行语义依存分析并结合领域本体模型提供较为准确的 自动问答功能，在实际应用中取得良好的效果。 项目来源：自行开发 技术领域：软件 应用范围：领域内自动 Web 问答，尤其适合一些售后服务系统

Ai视觉检测机器人是一款搭载了六轴工业机械臂、视觉人工智能和工业大模型的高科技设备，充分利用机械臂的多轴灵活运动、重复定位精度高等优势，主要用于复杂外形工业产品的缺陷检测，特别是汽车零配件、新能源、核电领域等高端制造、品控要求高的产品外观检测。

文本语义相似度是指两个句子或文本片段之间的语义等价程度，其研究在自然语言处理的问答系统、机器翻译、信息抽取、自动摘要等相关领域中有着广泛的应用，具有重要的理论意义和应用价值。现有的文本语义相似度方法主要基于词表面特征，但由于词语间普遍存在概念上的关联，缺乏概念层面的精确计算导致这些方法的准确性提升困难，而实现全文本在概念层面的精确计算尚无有效模型。 项目团队依据单个名词的概念信息量为基础，分别提出了多种模型和方法实现文本在概念级别快速、精确地计算语义相似度：（1）提出一种基于概念信息量的文本语义相似度无监督基本模型；（2）提出一种基于概念信息增益的文本信息量计算方法；（3）提出一种融合信息权重的全文本信息量计算方法。实验结果表明，团队提出方法在SemEval 2013-2016 STS（文本语义相似度）数据集上均超过了当年最先进系统的总成绩，并且在SemEval 2017 STS国际测评中，本系统的总成绩在所有参赛团队中排名第二，其中在Track 1数据集上排名第一（共34个参赛团队提交81个系统）。相关论文被大会评选为“Best of SemEval 2017”。

文本语义相似度是指两个句子或文本片段之间的语义等价程度，其研究在自然语言处理的问答系统、机器翻译、信息抽取、自动摘要等相关领域中有着广泛的应用，具有重要的理论意义和应用价值。现有的文本语义相似度方法主要基于词表面特征，但由于词语间普遍存在概念上的关联，缺乏概念层面的精确计算导致这些方法的准确性提升困难，而实现全文本在概念层面的精确计算尚无有效模型。 我们依据单个名词的概念信息量为基础，分别提出了多种模型和方法实现文本在概念级别快速、精确地计算语义相似度：（1）提出一种基于概念信息量的文本语义相似度无监督基本模型（发表SCI论文1篇，授权专利1项）；（2）提出一种基于概念信息增益的文本信息量计算方法（发表SCI论文1篇）；（3）提出一种融合信息权重的全文本信息量计算方法（发表SCI论文1篇，最佳国际测评论文1篇）。实验结果表明，我们提出方法在SemEval 2013-2016 STS（文本语义相似度）数据集上均超过了当年最先进系统的总成绩，并且在SemEval 2017 STS国际测评中，我们系统的总成绩在所有参赛团队中排名第二，其中在Track 1数据集上排名第一（共34个参赛团队提交81个系统）。相关论文被大会议评选为“Best of SemEval 2017”。 随着人工智能相关技术的发展，智能问答系统应用在许多行业和领域中都有迫切的需求。比如在电话咨询场景中，传统人工坐席无法满足日益增加的客户咨询量；在政府业务公开场景中，智能机器人对用户的不准确答复会影响政府形象和公信力。目前业界的做法是人工设计问答系统或者对话系统，而不是使问答系统真正具有人类常识和世界知识，这种系统无法适应提问方法的改变或应用场景的转换。而概念信息方法以认知知识库为基础可以获得大量世界知识，比如概念之间的上下位关系。在特定领域的问答匹配多个测试数据集上的实验结果显示，相对于谷歌最新的深度计算模型BERT，概念信息语义相似度无监督模型已经比当今最优深度学习模型高出13%-15%。在问答系统上准确性的优势说明，概念信息语义相似度模型对智能问答系统具有明显的应用落地优势。