随着云计算、大数据、分布式AI等数据密集型应用的部署，大规模计算集群（数据中心、分布式AI集群、高性能计算集群）的体系结构、通信模式、流量状态、应用需求发生了极大的改变，上述改变对计算网络的吞吐、时延、带宽提出了极大的挑战，传统电互连网络技术存在拓扑结构复杂、线缆开销巨大、设备数量过多、可集成端口密度有限、网络能耗难以优化等问题，与电互连技术相比，光互连具有高带宽、低能耗、低开销、低时延等特点，具有较大潜力满足数据密集型应用对传输带宽、网络能耗、传输时延、通信逻辑适配等方面的需求，但受到缓存、交换粒度的影响，纯光互连网络难以承载突发性强、数据量小、实时性高的通信任务，因此，充分结合光、电互连技术的优点，研究面向数据密集型应用的扁平化、低时延、可重构光电混合网络，对于突破新型计算网络所面临的功耗、吞吐、时延、扩展性等方面的挑战至关重要。 围绕下一代数据密集型应用对互连网络高带宽、低时延、低能耗、高扩展性的需求，展开高容量、低开销、可重构、扁平化光电混合互连架构的研究。结合光、电交换技术的特点，设计高扩展、低复杂度、大容量、低能耗的光电混合互连拓扑结构；研究低开销、快速响应的光电路/光分组交换控制系统，设计面向快速光交换计算的调度算法；研究低阻塞、多粒度、高连通性的光交换机制及交换芯片；构建高性能光电混合互连网络系统原型，部署典型应用测试基准，验证光电混合网络的潜在优势，为下一代计算网络架构的技术革新提供理论和实践指导。

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。

本发明涉及一种包含V分量的全分量偏振遥感成像测量系统及方法,其特征在于:它包括一用于提供空间位置和时间信息的定位定时系统,一能够测量Stokes四分量的全分量成像系统和一包括V分量在内的全分量偏振图像处理系统。

一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像 进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作; 计算所有训练图像块的低维流形表示，聚类得到一组聚类中心;对每一幅场景密集采样得到局部图像块， 对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特 征;将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全 局特征表达;随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始 高分辨率遥感场景的标注任务。

本发明公开了一种结合时空信息的遥感逐日积雪产品去云方法，首先根据 DEM 数据和土地利用数 据对遥感逐日积雪产品进行积雪单元划分;再利用 DEM 数据和多时相数据分别得到每个云像元在空间 和时间上的积雪概率;最后利用加权平均的方法获得云像元的积雪概率，评判云像元是积雪还是无雪。 本发明充分结合了积雪在空间上和时间上的相关性，以及地形因子对积雪的影响，有效地减少云对积雪 产品的影响，提高了积雪产品的精度，并且算法简单，计算效率高，易于实现。

本发明公开了一种对地面建筑群遥感图像频谱特性约束的去噪方法和系统，其特征在于，包括：从地面建筑群遥感图像库中获取地面建筑群目标参考图像，对该参考图像进行傅里叶变换得到幅频谱，对其幅频谱结果进行阈值分割、腐蚀、和膨胀操作，以获取地面建筑群目标频谱二值模板，高速飞行器飞行获取地面建筑群目标实时图像，对该实时图像进行傅里叶变换得到频谱，利用获取的地面建筑群目标频谱二值模板对实时图像的频谱进行频域滤波处理，再进行傅里叶逆

武汉大学张永军教授项目组在国际上首次提出摄影测量遥感的科学概念，构建了多模态卫星影像一体化摄影测量遥感智能处理技术体系，突破了匹配干扰地物快速智能分割、语义辅助几何处理与大范围影像镶嵌合成、地物信息智能提取等关键技术，成功研制出我国首套多模态卫星影像一体化摄影测量遥感智能处理系统MIPS。 一、项目分类 关键核心技术突破 二、成果简介 武汉大学张永军教授项目组在国际上首次提出摄影测量遥感的科学概念，构建了多模态卫星影像一体化摄影测量遥感智能处理技术体系，突破了匹配干扰地物快速智能分割、语义辅助几何处理与大范围影像镶嵌合成、地物信息智能提取等关键技术，成功研制出我国首套多模态卫星影像一体化摄影测量遥感智能处理系统MIPS，相关技术理论《多模态卫星影像一体化摄影测量遥感智能处理技术及应用》2021年荣获测绘科技进步特等奖。 技术特色： (1) 首次提出基于人工智能技术的多模态卫星影像语义分割与几何处理融合新理论。创建了卫星影像跨域稳健语义分割技术，通过自适应增量优化提升深度分割网络模型的迁移性和普适性，保证多类型地物语义分割的时效性、容错性、稳定性和区域一致性。 (2) 通过语义分割结果全自动进行多源地理信息控制点粗差剔除，实现超大范围多模态影像精准几何处理；提出辐射不变特征变换算法进行多模态影像高可靠性匹配；单台机器2.5分钟可完成8000景卫星影像的并行区域网平差，大幅提高了自动化处理精度和效率。 (3) 突破了基于深度学习的多视遥感影像三维地形及大范围合成影像智能生成技术，采用物方半全局优化提升困难区域的密集匹配精度，并在语义分割结果的辅助下进行大范围遥感影像无缝镶嵌合成。 (4) 基于深度学习进行建筑物、道路、农作物等典型地物目标语义信息智能提取；基于多尺度语义分割网络融合经验知识实现建筑物矢量边缘精确提取；结合语义分割和多起点中心线追踪优化提取道路网拓扑矢量；基于3D卷积和注意力机制实现多类农作物精细分类及其时空特征智能提取。 (5) 构建了全新的多模态卫星遥感影像几何语义一体化智能处理技术体系，研制出我国首套自主产权的多模态卫星影像一体化摄影测量遥感智能处理软件系统MIPS，其数据处理效果和效率均有明显优势，显著提升了融合处理的精准度和智能化水平。 先进性 MIPS具备快速语义分割、语义辅助精准几何处理、三维地形提取与多影像时序合成、地物语义信息智能提取等特色功能。系统采用最新的卫星影像摄影测量处理、多源影像融合、语义信息提取的相关理论与方法，结合先进的计算机技术、CPU/GPU两级加速并行处理及深度学习技术，处理效果和效率均明显优于国内外同类软件。例如单机情况下19小时即可完成1551景2米分辨率卫星影像的全自动处理，包括云区检测、影像融合、影像匹配、区域网平差、正射影像纠正等全部处理流程。语义分割结果约束的立体卫星影像区域网平差自动化程度和精度均显著提升，例如在1:1万基础测绘产品DEM/DOM的辅助下，高分七号立体卫星影像的全自动处理高程精度从2.6米大幅提升至0.8米以内，镶嵌接边精度优于1像素。

本发明公开了一种基于改进 SIFT 算子的低空多视角遥感影像匹配方法，首先采用优化的 DoG 算子 对第一影像和第二影像进行特征点检测，然后利用基于局部区域采样模拟的 SIFT 描述子对特征点进行 描述形成特征向量，最后采用 NNDR 策略形成初始匹配特征点，并利用基于极几何约束的 RANSAC 算 法对匹配点进行提纯。本发明能够有效地解决低空遥感影像匹配中存在的多视角以及弱纹理等问题。 

本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤:步骤 1，划分 待分类遥感影像获得场景单元;步骤 2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本; 步骤 3，采用非监督学习法学习局部图像块训练样本获得滤波器组;步骤 4，将场景单元与滤波器组中 各滤波器分别做卷积获得各场景单元的幅滤波器响应图，采用二值编码法分别融合各场景单元的幅滤波 器响应图获得各场景单元的全局特征描述;步骤 5，基于场景单元的全局特征描述进行场景单元分类。 本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。

已有样品/n我国慢病患者群体超过2.6 亿，慢病的早期预防、诊断、筛查变得尤为重要。该系统包含体检业务服务系统、家庭健康监测管理服务系统、第三方家庭健康服务支撑平台三类产品：客户群体是健康大数据数据采集、分析、服务的基础。本项目通过三类服务凝聚客户：1）以三甲医院体检中心为基地，通过智能体检服务、基于三甲医院权威的体检诊疗、康复方法指导，建立稳定的体检群体。2）通过移动互联网将服务群体拓展到慢病/老年病群体。基于体检