项目简介 机器视觉技术是一门涉及人工智能、神经生物学、计算机科学、图像处理、模式识 别等诸多领域的交叉学科，其主要用计算机来模拟人的视觉功能，从客观事物的图像中 提取信息，进行处理并加以理解，最终用于实际检测、测量和控制，目前已经广泛应用 在工业和民用领域中。 三维全景视觉检测技术是近年来机器视觉领域研究的热点之一，目前在视觉监控领 域、机器人定位、机器人视觉伺服控制等方面得到了应用。现阶段全景视觉检测技术主 要围绕运动系统的定位、伺服速度和精度开展研究，江苏大学先进制造与现代装备工程

负责人：王建学 所在学院：电气学院 一、项目简介 多能源微网系统智能规划和效益评估软件是一款集多种计算功能于一体的可视化软件，具有完全自主知识产权。软件功能主要包括分布式电源（分布式光伏、燃气轮机、燃料电池、分布式风电、柴油机等）优化配置、储能装置优化配置、网络拓扑结构的优化规划、无功补偿的优化配置，以及潮流校验、多个时间尺度的运行调度、有功-无功的联合调度以及技术经济指标分析等。 二、产品性能优势 相对目前国际知名微网规划软件HOMER、DER-COM、HYBRID2、EnergyPLAN等更加完善，不仅包括了此类微网规划软件的现有功能，更在此基础上进一步添加了网络拓扑结构的优化规划、无功补偿装置的优化配置、潮流校验、有功-无功联合调度等多种规划校核功能，并且将各功能模块统一集成于GUI设计界面。 软件功能： 1．软件基于内置的负荷特性数据集和典型元件数据集进行分布式电源和储能的优化配置，基于网络拓扑数据集进行网络拓扑规划，各数据集向用户开源，允许用户自行调整和增删。 2．软件允许用户在执行界面中选择一键优化和分布优化两种优化方式，可以自动生成文本形式和EXCEL形式的工程评价报告、规划计算报告、经济性计算报告等。 3．在分步优化方式下，中间结果由EXCEL形式输出，并且允许用户单独对各中间功能模块的输入和输出数据进行人为的调整干预，以适应不同微网的实际情况，使得软件具有很强的灵活性和可操作性。 三、市场前景及应用 软件已经应用于山西、江苏等实际微网规划工程。伴随国家微电网和综合能源系统等的支持力度加强，可以预计，不久全国各地将大量微网或者多能源互补利用项目推进，本软件可以从规划层面对这些微网进行前期分析，给出最优规划方案，应用前景广阔，经济和社会效益明显。 四、技术成熟度 目前一代产品已经得到了应用，二代产品正在优化。

已有样品/n高分辨率数字相机是机器视觉与工业检测中影像获取的主要手段。 随着成像技术的发展， CMOS成像技术由于其高分辨率、 低成本、 全数字化等优点， 获得越来越广泛的应用。 采用高性能CMOS探测器及FPGA等技术研制的高分辨率CMOS数字相机，能广泛应用于工业检测、 交通、 大楼等监视系统中。

本实用新型提供一种工业智能相机，包括成像模块、主控制模块、传输模块、电源模块和存储模块,成像模块包括 CMOS 图像传感器及外围电路，主控制模块为 FPGA 芯片，包括图像采集控制模块、图像预处理模块、图像高级处理模块、传输控制模块和存储控制模块。本实用新型提供的工业智能相机采用 FPGA 芯片实现全部图像处理功能，避免了复杂的 FPGA 与 DSP 的交互设计，充分发挥 FPGA 以硬件电路实现算法的处理速度快、性能稳定等优势，相机的集成度高、整体尺寸小、重量低、功耗少，特别适用于对相机尺寸和图像

结合微相机阵列的大视场高分辨率成像系统针对传统成像方法大视场与高分辨相互制约的矛盾，通过微相机阵列与后期的计算成像技术，利用光学系统设计、机械结构设计、电路设计和图像处理技术，快速有效地获得大视场、高分辨率的目标图像。系统原理图及样机如下图所示：在军用方面，如空间目标大范围搜索与监测、空间站安全防护、侦察作战、无人机监控、

产品详细介绍JFDFDC-N/C适用相机：NIKON 、CANON  APS-C画幅相机 JFDFDC-N/C-Q系列 2.5X延迟镜用于全画幅单反数码相机。

产品详细介绍

产品详细介绍 【产品简介】　　MV-VEM GigE接口CCD/CMOS工业相机。该系列工业相机采用帧曝光CCD/CMOS作为传感器，并具有彩色，黑白两类产品。图像质量高，颜色还原性好。以GigE 作为输出，信号稳定，可以一台计算机同时连接多台工业相机。　　MV-VEM GigE接口彩色/黑白工业CCD/CMOSCCD相机可通过外部信号触发采集或连续采集。MV-VEM GigE接口彩色/黑白工业CCD/CMOS相机，广泛应用于工业生产线在线检测、智能交通，机器视觉，科研，军事科学，航天航空等众多领域。 MV-VEM GigE接口CCD/CMOS工业相机独具PoE接口，一根网线可以解决供电和传输的问题。连接、布线简单方便。 【产品特点】　　1、MV-VEM GigE接口CCD/CMOS工业相机数字面阵CCD / CMOS逐行扫描　　2、最大分辨率640*480、744*480、1024*768、1280*960、1600*1200、2592*1944像素　　3、高达 120、60、30、20 、14帧/秒　　4、标准镜头接口(CS及C口)支持数字信号外触发接口(可选)　　5、MV-VEM GigE接口CCD/CMOS工业相机可控电子快门，全局曝光，无需附加机械快门　　6、驱动支持：WDM、VFW、DirectX、OpenCV、LabView、Halcon、MIL　　7、MV-VEM GigE接口CCD/CMOS工业相机开发包：VC SDK、ActiveX OCX控件、.NET组件　　8、支持Windows 2000、XP、Vista、Win7下程序开发工具及演示程序和源代码【规格型号和性能列表】

成果简介：文艺表演全景式三维仿真系统能够完成文艺表演全元素、全过程的三维仿真和虚拟展示，利用图像合成和渲染技术实现对大型文艺表演的演员、行为、舞美、灯光、烟火、音乐、焰火等各表演要素的合成，实时渲染和交互式编辑。该系统能够自动化确定演员站位、自动化分配演员动作、群组路线编排、复杂三维表演造型设计、大规模表演动作预演、最终场景合成预演、大规模人群渲染与仿真。使用该系统能够帮助导演随时调整预案及全景展示三维的、动态的表演方案，并为领导预审和电视导播等其他

一、所属领域 人工智能，精密自动化，生物分析与检测，环境微生物检测，工业微生物检测，细胞组织分析检测。 二、项目介绍 1. 痛点问题 微生物的识别、计数和定性分析一直是食品、医药和生物行业的重要一环。传统的人工检测方式劳动强度比较大，且检测主观性强，标准难以统一，计数和检测结果不准确；在对环境的微生物监测中，人工方法只能做到抽样检测，无法做到持续性检测。 近两年行业巨头们（如GE，安捷伦，赛默飞等）开始推出图像识别技术的微生物检测设备，其结果来自直观影像，分辨率高，操作难度低。但是这些设备目前采用的光学显微镜倍数都在800倍以下，只能进行计数，如果要完成相关定性分析，需要在800倍以上的放大倍数获得单细胞微生物的清晰图像（如酵母菌，大肠杆菌）。但800倍放大倍数对应的有效视场只有200微米*200微米，对计数和活性统计分析又不具备足够的采样数量。目前国内外设备均没有解决好这个问题，对微生物进行定性分析的准确率低，无法满足市场需求。 2. 解决方案 本项目针对微生物和细胞活体检测中缺乏有效参照物的技术难点，根据显微扫描设备的结构，将全景化视域重构技术和微米级电机结合，解决了镜头大幅平移过程中的自动对焦难题和微生物溶液动态环境中的影像拼接难题，在保证1000倍放大的基础上，获得的有效视场增加到10毫米*10毫米的范围；再通过自动化图像采集和拼接，得到完整的微生物图像；然后结合传统的图像分割以及深度学习图像识别的优势，小样本高精度动态完成微生物的类型识别，计数，活性，死亡率，出芽率等定量定性分析。 3. 竞争优势分析 与国内外的主流检测设备对比，本项目技术优势主要体现在： 1）独创的微生物影像全景化视域重构技术，实现0.5微米的分辨率和20*25毫米的超大视角； 2） 解决微生物影像领域小样本智能识别和智能检测的难题； 3） 检测目标、检测内容、检测流程和逻辑可通过自然语言定制，提高设备功能通用性； 4）计数准确率超过人工计数，准确率超过国内细胞计数仪器一个数量级； 5）第一台按照国家微生物计数检测标准开发研制的微生物计数仪。 本项目的第一代产品样机与国内外同类产品对比，主要性能优势和技术优势如下： 在食品行业，本项目获得了青岛啤酒北京密云分厂的啤酒原液和相关酵母菌种，针对生产用酵母菌采集了大量实拍图像数据，优化后的酵母菌计数和出芽率算法识别率均在95%以上。 4. 发展规划 按照三步走的方式来设定发展规划： 1）基于全景化视域重构技术，构建第一代检测仪器，首先进入门槛最低的食品微生物检测市场，对啤酒和发酵乳企业提供酵母菌检测计数技术和设备； 2） 利用已有技术积累，进入环境微生物检测和高校实验室市场； 3）最后以食品和环境检测市场为根据地，进入门槛最高的生物医药检测市场，提供微生物检测和组织检测的相关设备。 5. 知识产权情况 已申请3项专利。 三、合作需求 1）寻求500-800万元天使投资； 2）寻找高校研究所，食品工业和环境检测领域的客户、渠道伙伴； 3）寻找生物医药，医学临床领域的客户、渠道伙伴和产品测试环境。 四、团队介绍 科研团队： 1）周悦芝 博士 清华大学计算机系研究员，项目负责人，在边缘计算和深度学习等领域有丰富的开发经验和杰出的研究成果，在面向医学影像的AI图像分析方面曾发表多篇论文，申请或获得多项国家发明专利。 2）黄权伟 清华大学计算机系硕士，负责图像分割及细胞识别等相关算法研发。 3）梁志伟 清华大学计算机系硕士，负责深度学习算法加速研究和实现。 五、联系方式 E-mail：ott@tsinghua.edu.cn 成果编号：20230055