所属分类：电子信息产业

所属单位：西安交通大学

成果简介：舆情监控是整合互联网信息采集技术及信息智能处理技术通过对互联网海量信息自动抓取、自动分类聚类、主题检测、专题聚焦，实现用户的网络舆情监测和新闻专题追踪等信息需求，形成简报、报告、图表等分析结果，为客户全面掌握网民思想、行为动态，做出正确舆论引导，提供分析依据。目前该系统已应用于教育部考试舆情监控系统、榆林舆情监控系统、丝路学院知识中心，用户涵盖国家部委、公安、宣传、高校等领域，并获得了用户的一致认可和高度评价。

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：该项目研究一方面，可穿戴领域迫切得需求天线设计的创新理论，另一方面，基于超材料的天线显示出了多种优异的性能。因而，研究思路是将这两个当前最有活力的研究领域结合起来，将电磁超材料的理论引入可穿戴天线设计领域，大幅度的提高可穿戴天线的性能，丰富其功能。通过引入左右手复合传输线的理论，使天线在双频使用时工作在一对对称模式上，保证了辐射方向图的一致性;通过使用人工磁导体作为天线的反射器，在低剖面的条件下实现较宽的带宽和极低的人体比吸收率;使用可调节的超材料单元，设计了极化/方向性可重构的微带天线，同时满足了对于人体外、人体上不同信道传输的需求

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：传统机器视觉检测技术是基于程序化和规则的方法，通常需要预先穷举所有缺陷种类，并且为每种缺陷提供充足的人工标注。传统技术存在样本采集成本高昂、环境适应性差等问题。 本项目提供一种基于人工智能的新型视觉检测技术，利用数据驱动的深度学习算法使视觉检测技术开发流程标准化，极大地缩短了开发周期与开发成本，通过迁移学习等关键技术快速地应用到多种制造行业，在不同行业所积累的数据池又将反哺技术进步进一步构筑行业技术壁垒。本团队深耕于工业与智能制造领域，充分了解制造业产品缺陷种类繁多、缺陷数据少等特点，创造性地提出了正样本建模等核心解决方案，极大地减少了对缺陷样本以及标注的需求。本项目提出的技术方案具有开发周期短、适用性可迁移性较强、落地成本较低等特点

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：本项目研究对象为消费类电子产品的电池丝印和FPC连接器 不同型号电池丝印具有字符类型(汉字、英文、韩文及数字等)、字符格式、插画内容、条码格式等差异。目前电芯丝印/条码受夹具、设备、人员等相关因素影响导致印刷缺陷，丝印/条码缺陷类型主要分为：条码缺损/扭曲/歪斜/模糊/重影/脏污/色差，丝印缺损/歪斜/模糊/重影/脏污/色差、丝印与条码信息不匹配、条码尺寸及条码/丝印位置不符合规格要求等。现主要依靠人工检测，存在低效率、高成本、主观判断性强等问题。本检测系统利用机器视觉、图像处理方法对电芯丝印/条码的常见外观缺陷、尺寸测量及位置状态进行检测并标记输出，并开发了相应检测软件，后期可植入不同算法适用于任何型号的电芯。

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：人类视觉具有根据任务和场景，把视觉注意集中于有意义场景目标的能力，选择性和主动性是人类视觉信息处理的重要特征。机器人系统具有良好的运动能力，能够为机器人视觉系统实现外界信息获得的主动性和视觉信息处理的选择性提供有效的控制手段。通过算法编译赋予机器人视觉任务学习的场景感兴趣目标发现能力，通过多通道场景视频的视觉目标关联性计算，实现同一监控场景物体，在不同摄像机获取的视频图像序列中，其目标图像的视点和尺度不同，基于目标动作和视觉外观的多线索感知特征整合的 target re-identification 可以解决大场景图像微小目标的协同跟踪问题。以 PTZ相机为核心主动目标选择聚焦视觉系统的物理实现。PTZ相机具有镜头变焦、变倍和全方位转动控制能力，它与固定摄像机的协同组合可解决远距离目标的清晰图像获取。因而，这种主动目标选择聚焦双摄像机系统具有PTZ相机和固定摄像机的各自优势，既保证对大场景的不间断监控，又可自动跟踪感兴趣目标。这种双摄像机系统可应用于视频监控，在自然场景下跟踪进入主视场的行人或车辆，并获取其高分辨率图像数据，为目标识别和取证等提供高质量图像信息:

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：该项目致力于可针对传统行业定制易用性人工智能AI开发平台的研发，目标是开发一款可扩展的人工智能开发平台，突破增量学习模型自主进化、大规模模型的压缩和量化、云边端协同管理等核心技术，覆盖计算机视觉、自然语言处理等多种数据源与大规模数据集，支持多种主流深度学习框架,提供业界流行的多种人工智能算法模型库。既提供通用型智能识别预测服务也提供基于特定场景下的定制化模型服务，同时，也可以根据用户需求，主动上传数据集到我们的平台,使用平台提供的算法自行训练适合用户需求的模型，具有人工智能模型一键训练、一键推理、一键量化等多种一键式功能,支持多机多卡分布式模型训练。支持多种人工智能芯片的云边端模型协同部署等。平台致力于提供国内外一流的智能 AI 开发平台，极具行业竞争力的解决方案。 目前平台其主要提供三大服务:AI技术服务、AI训练服务和AI 芯片部署

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：项目将语音驱动说话人脸视频生成最新科研成果进行转化与落地，通过提供一段语音和一张人脸图片，生成嘴型与语音同步并具有自然稳定头部动作和眨眼动作的说话人脸视频。项目自研技术包含三项关键技术,包括基于语音生成高精度三维表情参数技术，基于语音生成自然稳定的三维头部动作参数技术，基于三维头部动作参数和三维表情参数驱动人脸图像生成说话视频技术。通过对这三大模块进行结合，可以获得一个直接通过语音驱动说话人脸视频生成的系统。目前该系统已基本实现。

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：根据技术路线,激光雷达可分为机械式(Mechanica1)、半固态(Quasi-Solid-State)和固态(Solid-State)三类。机械式激光雷达通过旋转或摇摆发射器或接收器来实现扫描，具有成熟稳定、性能优异的特点，但体积大、成本高、装配难度大。半固态激光雷达通过微振镜(MEMS)或棱镜来实现扫描，具有体积小、成本低、可靠性高的特点，但性能相对较差。固态激光雷达通过光学相控阵(0PA)或闪光(FLASH)来实现扫描，具有无机械运动部件、性能稳定的特点，但技术难度大、成本高， 全固态iTOF(间接飞行时间)阵列激光雷达微系统是一种集成了先进激光技术和电子技术的微系统。它基于iToF原理，通过激光器发射一束焦平面激光，照射到被测物体后返回到接收芯片，接收芯片通过计算光束往返飞行时间，从而得到接收芯片到被测物体的距离信息。全固态设计意味着该微系统采用了无机械运动的固态器件，从而提高了系统的可靠性、稳定性和寿命。

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：该项目已成立公司，是西安大数据与人工智能研究院的下属企业，是大数据国家工程实验室技术成果转化的先锋队，通过多年来在各自行业的技术积累及创新，研发出多款特种装备及其应用场景。公司先后与多家等科研院所、消防应急部门、国企进行深度合作，研发出适合大载重无人机专用飞行控制系统，在各种无人机仿真大数据方面取得了重大进展。公司以无人机+行业解决方案为核心，成功完成了无人机大数据管理平台的研发，为低空管控、无人机行业管控方面奠定了基础，促使无人化+行业应用能够快速、健康发展， 产品包括:25kg 大载重六旋翼无人机、航空应急巡防复合翼无人机、70kg大载重八旋翼无人机、搜救喊话四旋翼无人机、应急通信固定翼无人机、抛投喊话照明综合救援装置、消防应急弹、车载航空消防应急方舱、通航直升机适航挂载航空消防应急弹等并且有一系列的解决方案

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：现有的遥感影像人工标注样本效率低,而且数据数量、质量、空间分辨率参差不齐且往往在局部区域采样，缺乏多样性和变异性，使得训练得到的模型难以扩展到全球尺度。因此，遥感的专业大模型要发展，应该让专业的大模型做专业的事，“不能有了ChatGPT，所有的需求都要泛化”。同时，大模型的泛化一定存在一个临界点，不能持续泛化。 宏星遥感图像解译人工智能大模型(简称宏星大模型)具有卫星或无人机航拍遥感图像自动解译，遥感数据变化分析、特定目标检测与跟踪等智能化功能。首先，它通过对遥感图像的像素级精准分割，准确识别并标注出道路、建筑、绿地、河流、农田、森林等区域，输出的智能化数据对各种下游工作，如地图制作、国土资源测绘、城市与行业规划设计等，具有极高的应用价值。其次，宏星大模型能够实时解译出同一个地区在不同时间节点的遥感数据图斑变化情况，可以为土地违规使用检测与执法、环境破坏检测与执法、自然灾害范围检测与损失估计等工作提供客观的证据。

所属分类：电子信息产业

所属单位：西安工业大学

成果简介：本系统通过嵌入式压电陶瓷传感器的睡枕感知人在睡眠时的信号，进过一系列处理获取使用者的呼吸、心率和体动三种生理信号波形和数值，完成居家环境下的睡眠监测服务，并提供睡眠质量评估、疾病预测等健康辅助功能。该系统的技术先进性在于，将感知端嵌入到日常生活使用的睡枕当中，装置方便、实用、对于患者生理心理负荷小，并结合先进的信号处理方法获取生理信号、提供健康辅助服务，从而实现低成本家庭环境下的实时健康监护。

所属分类：电子信息产业

所属单位：西安工业大学

成果简介：首次提出使用 Wi-Fi信道状态信息进行睡眠质量评估，在日常居家环境下进行试验，睡眠分期的准确率优于智能手环等便携式睡眠监测设备。从Wi-Fi信道状态信息到睡眠分期，本系统解决了两大问题:一是如何从信道状态信息中提取体动和呼吸模式，是如何构建普适性与个性化相结合的睡眠阶段识别模型，刻画不同睡眠阶段与体动、呼吸模式之间的关联关系。针对问题一，信道状态信息本身有许多噪音，对呼吸模式的提取有很大的影响，本系统设计了基于主成分分析的去燥方法，能够较为准确地获取呼吸信号。针对问题二，体动、呼吸模式的个体差异很大，本系统通过相关机器学习算法，睡眠阶段识别模型的准确率可达76%。性䝭眈坠砚能指标: 体动、呼吸是人类基本睡眠生理活动，也是睡眠质量的主要评估与测试指标。基于 Wi-Fi信道状态信息的睡眠监测系统，研究了细粒度生理参数获取方法及其健康应用，实现体动识别率不低于 95%，呼吸率误差在5%以内，睡眠分期准确率可达76%。