所属分类：电子信息产业

所属单位：南京工业大学

成果简介：蛋白质结构预测是指从蛋白质氨基酸序列出发预测蛋白质的三维结构， 是目前计算生物学、生物信息学和生物物理学领域最具挑战性和影响力的研究方向之一。本成果综合利用深度学习技术， 借助深度神经网络强大的表示学习能力， 从有限的已知结构蛋白质数据中挖掘序列到结构的“折叠密码” ，设计并实现了具有强泛化性能的神经网络， 实现了高通量高精度蛋白质结构预测。该成果连续两次参加全球蛋白质结构预测竞赛(CASP) ，分别获得蛋白质残基接触组第一名(CASP13,2018)和第二名(CASP14,2020)的成绩，达到了国际先进水平。1.预测时间： CPU 设备平均30 分钟， GPU 设备平均2 分钟；2.预测精度： 自由建模蛋白平均精度达 60%，基于模板蛋白质平均精度超 75%；3.预测成功率：综合预测成功率(精度≥ 50%)达到 80%。技术成熟度 8 级，可开展产业化推广。成果可应用于生物医药开发、蛋白质设计、药物设计、药物筛选、疫苗设计等领域

所属分类：电子信息产业

所属单位：南京工业大学

成果简介：本成果针对传统气导听诊中， 声音信号易受环境噪音干扰， 听诊临床决策经验性强等特征， 将骨传导技术引入到人体生理信息监测领域， 攻克了骨传导生理信息检测难关，构建了“ 骨传导+” 声学生理信息感知技术体系，实现了心肺音、鼾音的精准监测和疾病辨识， 降低了对专家经验的依赖性， 形成了高效、智能的临床辅助听诊方案。成果已应用于数家三甲医院。1.听诊过程可在日常较嘈杂环境下正常进行；2.有效监测呼吸障碍的准确度超过 90%；3.心音异常的检测结果与专家结论吻合度超过 90%。技术成熟度 5 级，可开展合作开发。成果可广泛应用于医疗监护、家庭保健等行业，诸如居家呼吸监测、医院监护等场景。

所属分类：电子信息产业

所属单位：南京工业大学

成果简介：本成果针对医学临床体外无损血管显像与诊断需求， 在编码高分高灵敏快照多光谱组织成像、深血管动态随机散斑重建、主被动混合双谱高精度三维测量、多模态信息融合与认知计算等理论方法与关键技术方面取得了突破，研制出血管无损显像诊断系统等系列设备， 实现了非介入血管多光谱三维检测与典型病理智能诊断。1.可见光到近红外宽波段范围的高灵敏体外组织光谱成像、光谱分辨率优于2nm、有效波段数＞ 200；2.皮下 15mm 血管三维测量精度优于 0.1mm；3.皮下浅层静脉曲张识别准确率优于 85%。技术成熟度 5 级，可开展合作开发。成果可应用于各类医院临床采血、输血， 可提升对儿童、老人等特殊群体采血、输血的一次性成功率。

所属分类：电子信息产业

所属单位：青岛科技大学

成果简介：本项目主要瞄准嵌入式人工智能的核心技术，在智能硬件及软件深度结合的系统设计方面开展相关研究，以嵌入式的“智慧大脑”为突破口，将目前AI的一些成熟技术应用到嵌入式硬件中，重点解决目前各类智能硬件中共用的控制核心---具备一定视觉、听觉、自然语言处理等能力的通用智能控制器，提供接口标准，方便用户的二次开发。

所属分类：电子信息产业

所属单位：山东科技大学

成果简介：目前，利用地震数据预测含油气储层分布依然是油气勘探的重要手段。然而要完成该;项任务，往往需要我们付出较大的时间和经济成本。因为需要历经井位标定、地震资料解释及相关反演等多个环节，最终对储层分布、形态以及含油气信息进行分析预测，长周期的研究工作降低了生产效率，增加了勘探成本。鉴于此，针对油气藏分布规律及其在地震响应上所具有的特点，有机融合卷积神经网络技术及其它机器学习方法，发展了本项具有智能识别油气藏的技术。构成本技术的核心算法之一卷积神经网络具有适用性强、特征提取与分类同时进行、泛化能力强、全局优化训练参数少等优点，使之可以在小样本条件下，对未解释地震数据体进行全局优化提取特征并加以分类，即利用有限的已知含油气井段信息，以地震数据为基础，驱动蕴藏其中的地震油气特征，最终实现油气储层分布的直接预测。图1所示为利用本技术预测的地震含油气藏分布情况，与实际钻井信息对比，本方案所获得的结果与实际情况有很高的吻合度。经济效益与应用前景分析：利用人工智能技术进行地震油气储层预测相对于传统的常规方法具有周期短、效率高、油气边界刻画更清晰、预测结果精度更高等优点。实现对地震油气储层的直接预测，;可以提升油气预测的判断精准性及决策科学性，有助于降低勘探成本。因此，利用人工智能技术进行油气储层识别，具有广阔的应用前景，未来必将推动人工智能技术在流体矿藏(油气藏、天然气水合物)及低密度固体矿藏(煤藏)等识别中的应用和快速发展，并将在勘探地球物理领域得到普遍应用。

所属分类：电子信息产业

所属单位：山东理工大学

成果简介：本发明公开了一种基于模型预测的MMC子模块IGBT开路故障诊断方法,包括如下步骤：通过建立的故障预测模型预测故障子模块电容电压值；根据测量获得的子模块电容电压测量值和步骤S1获取的子模块电容电压预测值,求取电容电压预测值相对于电容电压测量值的偏差绝对值；根据对偏差绝对值的区域判断,实现对于子模块IGBT的开路故障诊断和定位。本发明提出了Q1和Q2两个IGBT同时开路的数学模型,该模型能够准确表述故障情况下子模块电容电压与桥臂电流的定量关系,同时基于所提故障模型提出了基于模型预测的故障诊断与定位方法,该方法具有模型预测控制的快速性并且无需添加任何传感器；具有快速、准确度高等优点。

所属分类：电子信息产业

所属单位：山东理工大学

成果简介：针对视频监控环境下，非受控人脸图像的多视角、多姿态变化问题，研究了一种人脸图像序列的底层特征构建策略。该策略将人脸图像的左右变化和俯仰变化，具有较好的鲁棒性，能实现人脸图像的有效表征。基于该表征结果，可进一步执行二次特征提取，以获取人脸识别的高层特征。该技术可应用于非受控监控场景的视频人脸识别。

所属分类：电子信息产业

所属单位：天津科技大学

成果简介：本项目产品“智能车罩”设计改变原先由人工罩车费时费力方法，完全达到遥控自动罩车，属于汽车产品领域的一项新技术。 基于机械传动、无线遥控、太阳能光能转化、液压传动，温控等技术，解决目前汽车无法自动防护，自主充电功能，该项目操作简单、便捷，防雨雪、防嗮、防尘、防冰雹、防窥视、可太阳能转化电能，增强私密空间等功能特点。 该装置隐形于车体内部，既不影响原车外观，也不影响车体其他性能，使用无需外接动力电源。该产品理念创新、功能完善、技术成熟，符合市场对智能能产品的需求，也满足了我国倡导的创建节约型社会、促进社会可持续发展的需要，同时又可以给产品的生产者、经营者带来巨大的经济效益，可谓一举多得的优秀产品。

所属分类：电子信息产业

所属单位：西安电子科技大学

成果简介：该项目以在相关领域多年的研究积累与技术存储为基础，以智能模型协同安全构建为切入点，从数据安全的角度出发探究并解决了人工智能模型协同安全构建过程中的系列安全问题，最终构建了安全、高效、可信的智能模型协同安全技术体系，具有广泛应用前景。主要创新点包括（1）提出了轻量且安全的密态数据流转与应用方法，解决了协同建模过程中数据安全流转低效、隐私易泄露的难题；（2）提出了高效且精准的异常数据发现、定位与撤销方法，解决了协同建模过程中异常数据难定位、受扰模型难恢复的问题；（3）提出了智能且精准的异常数据溯源方法，解决了协同建模受扰后异常攻击源头难以快速追踪与溯源的问题。这些理论方法的提出丰富了智能模型协同安全构建技术体系，推动了新型数据中心的发展，为智能交通、智能金融等领域的相关应用提供了技术支撑。以本项目内容为主的研究工作获得了“陕西省电子学会自然科学一等奖”等多项奖项。上述理论创新成果的提出丰富了智能模型协同安全构建理论技术体系，并应用于包括阿里云、蓝象智联在内的多家企业产品当中，极大地缓解了大数据应用中的数据安全隐患，产生了可观的经济效益，取得了良好的社会效果。

所属分类：电子信息产业

所属单位：西安电子科技大学

成果简介：本项目研究雷达自动目标识别方法。经过课题组成员的共同努力，经过三年的研究，课题组完成了预期的研究内容。在1）基于一维信号的分类、识别方法2）基于二维图像的特征提取和检测、分类/识别方法方面取得了一系列研究成果，包括1）提出了有效的杂波稳健目标检测/鉴别方法，2）解决了雷达目标识别面临的非完备样本问题，3）突破了对感兴趣目标和典型部件的特征提取、参数反演等难题。在本项目的资助下，课题组已发表学术论文33篇，其中，国际刊物SCI学术论文13篇，国内核心刊物学术论文14篇，国际会议学术论文6篇；在审国际刊物SCI学术论文4篇；申请国家发明专利43项，其中已授权10项。课课题组成员还积极参与国际会议，包括IEEE Radar Conference、IEEE APSAR 和IET International Radar Conference等。

所属分类：电子信息产业

所属单位：西安理工大学

成果简介：本研究聚焦于提出并验证一种创新的社区检测方法，即基于标签传播的拓扑势社区检测方法。该方法通过结合标签传播算法与拓扑势理论，旨在解决传统社区检测中孤立性社区过多、划分不精确的问题。 研究内容涵盖节点属性信息的标签化处理、拓扑势场的构建、核心节点的识别以及基于核心节点距离的社区划分等关键环节。 成果的创新点在于将标签传播思想引入拓扑势社区检测中，通过转换节点属性为链接权值，优化拓扑势场的构建，从而提高了社区划分的准确性和效率。实验结果显示，该方法在多个数据集上表现优异，特别是在改进的模块度、信息熵、社区重叠度等指标上均优于其他算法。该方法在实际应用中具有广泛前景，可用于社交网络分析、生物信息学、交通网络规划等领域，帮助用户更好地理解复杂网络结构，优化资源配置。例如，在社交网络中，该方法可用于用户群体划分，提高推荐系统的精准度；在交通网络中，可用于分析交通流分布，优化交通管理策略。

所属分类：电子信息产业

所属单位：西安理工大学

成果简介：本成果公开了一种基于时空特征的行人轨迹预测方法。首先，通过构建基于传统的置信域策略优化算法(Trust Region Policy Optimization, TRPO)和改进的近端策略优化算法(PPO-penalty)的实验，验证了基于PPO-penalty的GAIL(Generative Adversarial Imitation Learning，生成对抗式模仿学习)模型具有较大的优势，因此选择GAIL(PPO-penalty)结构实现行人轨迹预测。然后，为了提高信息的利用率，防止信息的丢失，引入了ConstantPadding(常数填充)的方法，并将该方法命名为ConstantPadding-GAIL。最后，创新性的提出使用Mogrifier LSTM抽取行人历史信息中存在的时序特征，并将其融合到当前状态的实验构建。本成果使用基于PPO-penalty的GAIL模型在已有的行人历史真实轨迹数据集基础上，学习行人在社交场合中如何运动，从而预测行人轨迹。根据调查和检索，目前还结合生成对抗模仿学习GAIL并且考虑社交特性进行预测的工作，本成果填补了行人路径预测技术方面的空缺。