项目背景：目前电力机器人在作业过程中，由于环境恶 劣，电磁刚绕强度高，造成控制系统不稳定；同时在巡检过 程中，要对各种线路金具、各种作业仪表进行识别与检测， 通常采用机器视觉技术。但由于机器人作业在野外或阴暗照 明等复杂环境，存在识别率低，不稳定等问题。本项研究针 对特殊应用环境，拟开发一套基于机器视觉的巡检机器人控 制系统。 所需技术需求简要描述：1.基于多传感器信息融合的机 器人越障系统：主要包含视觉、激光雷达、超声、红外等传 感器信息，能够实现对巡检路径上障碍物的实时识别与定 位；2.巡检机器人远程监控平台：用于对巡检机器人采集到 的信息进行远程传输和监控，包含巡检路径上的实时视频传 输、机器人运行状态信息显示、巡检故障诊断与显示等；3. 小样本深度学习算法：针对极端环境下数据采集困难，数量 少等问题，研究基于小样本学习的深度学习算法，提高极端 环境下的障碍物识别精度；4.图像增强算法：针对高空强光、 阴暗、潮湿等极端环境所带来的图像识别困难问题，研究相 应的图像增强算法，提高识别精度。主要技术指标：1.开发 设计一种适合高压线路金具视觉检测与识别技术，对输电线 路各种金具进行动态识别与检测，解决野外环境下识别率低 的问题，形成一套完整的线路金具机器视觉识别与检测方 法。2.开发设计一种适合地下阴暗、潮湿、多尘环境下视觉检测与识别技术，形成一套完整的机器视觉识别与检测方 法。包括线路金具的识别模型和线路金具的定位方法与双目 测距技术。  对技术提供方的要求:拟与高校联合开发，要求团队具 有类似经验，具备电力机器人研究经历，具有电力线路识别 研究基础，最好有研发案例。 

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。

高速公路、城市高架等桥梁、地铁隧道、大坝、房屋建筑等混凝土结构或钢结构在施工或长期运营期间会出现裂纹或其他缺陷，进而带来很大的安全隐患。针对此情况，提出了混凝土、钢结构表观损伤远程非接触测量理论，研发出结构表观损伤的非接触检测仪与分布式监测系统。已经在国内外数十座桥梁、隧道与建筑上得到应用。

XM-D003视觉传导瞳孔对光反射电动模型   XM-D003视觉传导瞳孔对光反射电动模型是为了适应医学院，中等医护职业学校、医院临床教学的需要而研制的，显示正常瞳孔对光反射、视神经、视交叉及动眼神经损伤的神经兴奋传导路径，附以灯光演示的技术要求来进行设计和制作。 一、显示内容： ■ 视觉传导通路 ■ 瞳孔对光反射通路 ■ 视神经损伤通路 ■ 视束损伤通路 ■ 视交叉损伤通路 ■ 视交叉外侧损伤通路 ■ 视神经损伤瞳孔对光反射通路 ■ 动眼神经损伤瞳孔对光反射通路 二、技术参数： ■ 尺寸：51×23×86cm ■ 材质：PVC材料+木框 三、标准配置： ■ XM-D003视觉传导瞳孔对光反射电动模型：1台 ■ 电源线：1根 ■ 说明书：1册 ■ 保修卡合格证：1张

产品详细介绍产品简介MV-BDP300是基于"工业4.0智能工厂"理念而设计的一套综合性平台，是进入"工业4.0"时代的必备工具。平台除了具备完整的机器视觉及工业自动化功能外，特别应用了"物料智能传递、模式识别、质量检测、数据通讯、柔性系统搭建"方面的技术。而作为一套"开发"平台，用户可以采用多台设备实现"多机互联"，也可以和机械臂联动设计智能制造系统，MV-BDP300为此预设计了大量的标准通讯接口和定位传感器。功能特性● 工程实验室建设——特别适用需要经常性测试各种不同工业项目的用户，可以形象立体的向您的客户展示机器视觉检测方案。    配套工业级图像采集系统    预设多检测工位    通用型载具托盘设计    支持二次开发的视觉检测软件    开放式的运动控制系统设计● 教学科研及成果展示——MV-BDP300适用于所有需要视觉自动化技术的教学科研应用，基于"工业4.0智能工厂"理念设计的系统平台，可以更好的展示您的技术成果。    PLC、HMI、MCGS嵌入式组态软件组合控制应用    PC与PLC串行通信    PLC与HMI的RS422通讯    双轨道环形流水线控制● 工业现场设备——MV-BDP300不仅是一套开发平台，更是一套完整的工业检测设备。系统平台设计了上料定位传感器、视觉检测工位、下料定位传感器、检测结果通讯接口等功能模块，可以把设备直接放到生产现场代替人的工作。    字符识别和判断——生产日期、字符logo、汉字等标准字符（图形）的识别检测，支持用户自定义字符库训练    尺寸测量和判断——明—暗、暗—明边界自动识别判断，获取对应边缘的尺寸信息    颜色识别和判断——获取指定区域的色度信息，根据检测精度，区分出颜色有问题的产品    缺陷检测和判断——设置模板，分析需要检测的兴趣点，判断检测区域是否有缺陷    匹配定位——获取检测对象上面的典型特征点的坐标及偏角，智能匹配检测区域，解决每次检测时产品位置摆放不一致的问题

产品详细介绍维视推出的MV-IRVS200是以"中国制造2025"为理论指导、以"智能机器人"为核心而设计的综合性智能制造科研平台，主要解决智能制造涉及到的复杂工程问题，并将智能制造的相关技术和解决方案传输给用户。MV-IRVS200的研究实验在囊括机械设计、电气控制自动化系统设计、视觉系统设计、工业机器人应用及维护、系统集成技术的基础上，额外配置了机器学习、智能控制、立体视觉、柔性制造的系统设计研究项目，以满足"工业4.0"时代对人才技术能力和协作能力的全新要求。功能特性● 多感应器相融合的六自由度机器人● 立体视觉系统● 基于"机器学习"的模式识别系统● 环境感知系统● "一物一码"产品追溯系统● 多感应器相融合的六自由度机器人● 柔性抓取系统

XM-D003视觉传导瞳孔对光反射电动模型   XM-D003视觉传导瞳孔对光反射电动模型是为了适应医学院，中等医护职业学校、医院临床教学的需要而研制的，显示正常瞳孔对光反射、视神经、视交叉及动眼神经损伤的神经兴奋传导路径，附以灯光演示的技术要求来进行设计和制作。 一、显示内容： ■ 视觉传导通路 ■ 瞳孔对光反射通路 ■ 视神经损伤通路 ■ 视束损伤通路 ■ 视交叉损伤通路 ■ 视交叉外侧损伤通路 ■ 视神经损伤瞳孔对光反射通路 ■ 动眼神经损伤瞳孔对光反射通路 二、技术参数： ■ 尺寸：51×23×86cm ■ 材质：PVC材料+木框 三、标准配置： ■ XM-D003视觉传导瞳孔对光反射电动模型：1台 ■ 电源线：1根 ■ 说明书：1册 ■ 保修卡合格证：1张

联系我们：深圳市大象机器人科技有限公司 官网：https://www.elephantrobotics.com淘宝官方旗舰店：https://shop504055678.taobao.com/?spm=a1z10.1-c-s.0.0.2b0e58e7PY8UhV电话：+86 (0755) 8696 8565/+86 181 2384 1923地址：深圳市福田区华强北电子科技大厦D座智方舟国际智能硬件创新中心D403 D504 D505

成果介绍“卫星与无线通信融合系统研发及产业化”就是由东南大学、南京中网卫星通信股份有限公司和江苏大学三家单位合作完成。卫星通信具有覆盖广和不受地域限制的优势，但是受到遮挡以后，信号就会不好，而且通信的成本太高，2M带宽每小时就要花费几千元。而随着3G、4G的普及，地面无线通信已经发展得相当完善，但是在地面基站未覆盖区域，或基站一旦受到洪水、台风、地震等自然灾害破坏时，就无法通信了。正是基于这两个通信系统的特点，我们‘取长补短’，巧妙地将两种通信系统融合起来，研制完成的系统可以根据不同策略自适应地选择地面通信链路或卫星链路”技术创新点及参数他和团队成员克服了很多困难，提出了多项独创性的方法，目前已申请国家发明专利40项（其中24项已经获得授权），编制国家标准3项，发表国内外核心期刊论文61篇（其中SCI收录16篇）。项目研制的卫星与无线通信融合系统实现了规模产业化，部分性能指标处于国际领先水平，并在气象、安监、环保和军队等诸多行业得到极其广泛的应用，得到了政府有关部门和客户的一致好评。市场前景目前本项目的产品已经应用到全国26个省市的18个行业。其中，气象和安监市场占有率达到70[%]，环保市场占有率达到60[%]。产品曾为“神舟系列”飞船的发射和回收提供气象保障，为汶川地震、雅安地震和甘肃舟曲特大泥石流等提供了应急通信服务，为上海世博会和深圳大运会等重大活动提供了气象保障和视频直播服务。产品已经实现直接销售收入8.3亿元，产生的间接经济效益数百亿计。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。