所属分类：电子信息产业

所属单位：集美大学

成果简介：团队基千深度学习和自然语言处理方法，分别针对网络恶意代码和恶意域名研究了智能化检测方法。通过对大量特征表示方法和深度学习方法的对比实验，能有效提取样本中恶意信息，并实现检测判定。结合来自网络安全企业的实测数据，经测试，检测准确率达到96%以上。并针对生产应用部署的需要，对研究成果进行了工程化设计和优化。

所属分类：电子信息产业

所属单位：集美大学

成果简介：基于多源数据的采集方案，利用相机影像、手机相机影像、街景和无人机倾斜影像快速构建高精细实景三维城市模型，建设大数据中心，研发实景三维城市应用管理系统，为数字城市、智慧城市建设提供基础数据支撑

所属分类：电子信息产业

所属单位：集美大学

成果简介：开展智慧港口大数据挖掘及应用研究，设计港口集装箱智能物流优化平台和仿真系统，建设智慧港航研发中心和成果转化孵化中心

所属分类：电子信息产业

所属单位：集美大学

成果简介：开发针对多种图像信息隐藏的检测平台，为信息安全，失泄密防范，不良内容隐蔽传播提供阻断方法

所属分类：电子信息产业

所属单位：集美大学

成果简介：本项目通过对采集的载运工具姿态、航速、航向、位置、高度、视频等信息进行数据处理、卫星远程传输，实现实时载运工具运行状态的远程监控和目标跟踪；同时与监控中心服务器端的通信与技术融合处理，完成移动物联终端的在线监控，并以 WEB 服务器的形式实现智能管理与信息共享服务。应用北斗与卫星通信双模高精度定位，实现全球化无盲区移动物联网系统构建。

所属分类：电子信息产业

所属单位：集美大学

成果简介：建立区块链底层架构需要的服务器及电脑等设备，研发基于供应链和区块链技术的供应链管理软件，结合具体行业进行产业化推广，如工程项目、制造业等

所属分类：电子信息产业

所属单位：集美大学

成果简介：本发明自主设计了一款小型化光电化学（PEC）检测 装置并构建了一种快速、准确的光电化学纸基生物传感器， 首次实现了基于PEC 技术的节球藻毒素-R 实时现场检测。 光电检测装置主要分为三个模块部分。模块一由工作电极 与对电极形成回路向装置输入光电流信号，通过集成运算 放大器将输入的微小电流放大，而后电流经过电阻得到两 端的转换电压信号，最终转换电压信号通过A/D 转换被 微控制单元（MCU）所读取。模块二通过将MCU 输出的 数字信号转换成模拟信号，而后模拟信号通过集成运算放 大器向工作电极和参比电极之间施加输出电压信号以达 到控制偏置电压的目的。模块三是由MUC 控制的LED 模块，可通过输出开关量达 到控制光源开关的效果。而在MCU 读取完数据之后，其会将数据通过无线通信模 块传输到云计算平台，在对存储数据进行处理与分析后，我们可以通过手机或者 电脑连接到云端获取分析结果。在未来我们将进一步开发我们的装置，拓展边缘 计算的功能，以期开发出集快速检测、云端分析、实际应用于一体的便捷式光电 化学快速检测装置。

所属分类：电子信息产业

所属单位：集美大学

成果简介：适合市场监管部门、第三方检测机构以及个体水产养殖户自我监测，快速简便，市场前景好

所属分类：电子信息产业

所属单位：大唐移动通信设备有限公司、清华大学、北京邮电大学、中国空间技术研究院、中国电子科技集团有限公司电子科学研究院、国家无线电监测中心、北京理工大学、华为技术有限公司、中国移动通信集团设计院有限公司、中讯邮电咨询设计院有限公司

成果简介：针对星地融合移动通信提出弹性可重构网络架构、多波束协同传输、大时空尺度高动态移动性管理等标志性技术，申请专利58件、提交文稿39篇、发表论文51篇，入选2022年度中国信息通信领域十大科技进展。在ITU、3GPP等国际标准组织完成了6项国际标准制定，研制了星地融合系列通信原理验证设备（包括星地融合终端、高低轨一体化基站、星地融合核心网等），业界首次完成5G NTN高/低轨在轨环境下端到端技术试验验证与星地融合宽带业务演示，业界首次完成6G星地融合的智能运维管理及跨域资源编排、多星多波束协同传输、高效移动性管理、基于虚拟化部署的网络切片编排管理等关键技术验证，获得高达1Gbps的峰值速率，为6G国际标准竞争提供技术储备。

所属分类：电子信息产业

所属单位：南京大学

成果简介：近年来，大数据与人工智能已成为当今学界和业界关注的热点技术领域，也成为我国的重大发展战略，推动信息技术从互联网时代，进入了大数据时代，推动着数字经济的发展。数据时代下，大数据智能分析已成为AI赋能行业应用的重要模式，未来将迎来高速成长。 AI建模流程复杂及技术难度大的特点，导致人工智能的普及应用面临着技术门槛高、专业人才严重短缺、大量依赖专家经验、建模周期长等瓶颈和制约。尤其是，AI在为各领域提供智能化应用的同时，AI模型构建本身仍是专家手工作坊式的生产方式，成本高、效率低。为此，本成果研究实现了人工智能自动化建模工具平台，利用AutoML自动化建模技术，以AI设计AI，让AI模型设计自动化、智能化、高效化。一方面，可以降低人工智能使用门槛，减少对AI专业人才的要求，让普通数据分析师和应用开发者都可以快速完成AI建模，实现AI技术的平民化。另一方面，可以大幅提高AI建模效率，将建模周期从数月时间短至数天，大幅降低AI应用开发周期和成本。

所属分类：电子信息产业

所属单位：南京大学

成果简介：广大用户通过与移动应用的图形化界面交互获取相关服务。移动应用能否提供高质量服务是影响用户体验、移动应用市场占有率的关键。图形化交互模式驱动下的移动应用测试是保障其服务质量的关键手段，但相关测试工作需要消耗海量人力物力。众多厂商也投入大量资源，组建专门的测试部门或自动化测试研发部门。相关技术研究也是当前国际研究的前沿热点。 本项目主要包括如下系列技术：视觉化测试自动化方法框架，交互层显示缺陷的自动化检测技术，基于强化学习技术以及深度神经网络的测试自动生成技术，基于孪生神经网络的系统状态划分技术，基于图像分析、布局信息分析及安卓源码分析的测试修复系列技术和基于视觉感知的测试跨平台自动复用技术。

所属分类：电子信息产业

所属单位：南京大学

成果简介：目前工业车辆 (AGV、APM 叉车）导航方式可以划分为 :磁带导航、光学导航、激光导航、惯性引导。其中以磁条 (磁钉）导航式为主，但其线路固定不灵活。磁条遇到液体、破损、遮挡无法识别时会导致整条线路运行中断。激光导航是目前新的 AGV 自动导航较多的技术，但现场若环境产生遮挡变化、激光头污损会导致故障、维护成本较大。目前最先进的室内定位技术为 UWB 定位技术，但纯无线电定位技术方案定位精度、定位数据刷新率等不太能满足 AGV 控制需求，存在技术局限性，无法成熟应用。 本项目涉及的大型机械自动驾驶控制软件采用精确定位、激光扫描和智能视觉等核心技术，实现多模态融合的室内外连续稳定的精确定位。其中精确定位+sLAM实现精确位置感知、视觉+激光扫描用来验证地图和防撞；通过智能学习建立速度控制模型，匹配加减速度和转弯速度；在保障安全、保护车辆部件的情况下，获取最高的行驶效率。