所属分类：电子信息产业

所属单位：福州大学

成果简介：随着城市化进程的不断加快，房屋安全问题日益成为社会关注的焦点。基于物联网技术的房屋安全监测与预警模型，能够实现对建筑结构安全状况的实时监控和智能分析，为房屋安全管理提供科学依据和技术支持。本项目将利用物联网设备和北斗定位技术，开展房屋安全监测与预警模型的研究与开发，提高房屋安全管理的智能化、精准化水平。 研究基于北斗定位的房屋安全动态监测服务算法模块，依托北斗系统与物联网设备，面向多源数据的融合、清洗、归类、计算技术，将监测数据快速高效地转换为项目决策数据，为房屋安全监测项目提供SAAS化服务能力的支撑。

所属分类：电子信息产业

所属单位：福州大学

成果简介：在数字中国建设的背景下，利用数字化技术推动城市治理方式变革成为各地发展的共性需求。利用多种传感器技术对城市环境进行全方位感知，利用AI技术对城市要素进行智能识别，从而实现城市环境三维模型快速重建，对支撑交通治理、危房改造、应急处置、智慧产业园区建设等城市运行和城市治理应用具有重要意义。已有城市环境三维模型构建主要通过传统测绘的工程化测量获得，或基于建筑设计图纸建模生成，存在更新周期长、要素类型有限等问题，而且有关产品与现实场景的匹配度不高，这导致有关数据难以有效支撑城市高效运行和城市科学治理。AI技术辅助的城市环境三维模型快速重建技术，能够通过融合激光点云、摄影测量等多源感知数据，利用AI技术智能识别城市环境要素，从而实现城市三维模型的快速重建，可用于常态化数据定期更新和应急情况下直接感知重建，有助于提升城市运行监测和城市治理水平。 本项目基于方老师副研究员团队长期开展基于激光点云等多源数据的城市部件智能识别与三维模型重建技术，以及有关技术的成功示范应用为背景和基础，根据产业化发展需求，推进该项目技术的常态化、规模化示范应用。本项目基于前期累积形成的专利、标准、获奖成果对应的关键技术，发掘在城市更新、城市治理、公共服务设施优化、智慧园区管理等应用场景需求，打造产品级算力算法库，可采用配套硬件设备、算法即服务等方式引领智慧城市从建设到运营的新模式。于此同时，还可以进一步将有关技术向数字矿山、绿色低碳等新型赛道拓展，打造新型应用模式。

所属分类：电子信息产业

所属单位：福州大学

成果简介：异常检测是指在海量的数据样本中挖掘出与众不同的异常样本，但存在执行效率较低，现有异常检测方法不能满足工业场景下对于实时性的需求。提出模型从轻量优化、多模态特征交叉融合、零样本条件三个角度分别进行针对性方法创新。提出了一个新的适合工业异常检测的特征知识蒸馏框架，通过使用提出的耦合学生蒸馏学习方法以及有效的损失设计，能够使学生模型可以继承经过预训练的教师模型的先验知识并过滤有害的知识冗余。同时，重新设计出了一个超轻量化骨干网络，将模型整体的FLOPs和Params压缩到了极小。最后，提出了一个快速特征嵌入融合模块，以更快的速度达到更好的多尺度特征融合效果。提出了一个基于在线互信息评分的零样本异常检测方法，利用多窗口粒度方式挖掘样本特征，并且无需额外的模态信息或样本信息，抛弃了离线模式，利用成长式投票者登记方法进行异常检测。所提的方法都在效率或精度上取得了引人注目的突破。

所属分类：电子信息产业

所属单位：福州大学

成果简介：从网络剪枝、网络重构、轻量化卷积模块设计等角度出发，提出了多种通用的轻量化人群检测模型。针对目标检测特征融合网络的参数冗余问题，通过精简卷积层输出通道数和使用小卷积核优化检测网络结构。在此基础上进一步提出一种基于归一化缩放系数的通道剪枝算法，删除重要性较低的卷积通道，减少检测模型体积。提出的模型在100+ FPS的检测速度下表现出良好的检测性能。针对图像中目标相互遮挡严重、传统回归器搜索空间存在局限性的问题，提出图像分区域、数量分区间并提升类别损失权重算法。引入深度强化学习进一步精调区域密度级别分类图，利用预设的智能体动作不断调整校正目标群体区域密度级别分类图从而使密度级别分类边缘准确清晰。针对目标样本监督信息存在数据稀疏性、点级标注获取困难的问题，提出基于多层级监督信息的小样本目标计数算法，指引计数模型泛化多样化目标特征空间。

所属分类：电子信息产业

所属单位：福州大学

成果简介：从增强特征的提取与融合角度出发，挖掘人脸目标的典型特征，提出了基于特征提取与特征传递优化的人脸检测方法以及基于典型特征与上下文信息的人脸检测方法，从不同方面提升人脸检测准确率。进而针对人脸检测方法在移动设备实际应用落地问题，对模型的骨干网进行了重新的设计与优化，提出了一种超轻量的人脸检测方法，该方法在达到较高准确率的情况下，整体模型大小缩小约10倍，且可实现密集场景下的人脸检测。针对于当前通用人脸识别未关注人脸局部特征、人脸识别模型规模大导致不利于部署应用、无可用的遮挡数据集导致遮挡情况下识别精度不足等问题，提出了显著性人脸识别、人脸模型压缩、人脸遮挡模拟等方法。提出一套针对于姿态、遮挡等情况的显著性人脸识别方法和一套针对于人脸特征的知识迁移方案对人脸识别模型进行压缩，最后提出了基于遮挡模拟的数据增强方法并使用生成的数据集对显著性人脸识别模型进行调优与验证。最终，可实现高效的无感知人脸检测与识别，打造复杂场景下人脸检测与识别的示范。

所属分类：电子信息产业

所属单位：福州大学

成果简介：人工智能作为科技创新的重要一环，其在新质生产力发展中所扮演的角色更是举足轻重。人工智能技术在各行业中的运用，不仅直接提升生产效率外，人工智能的科技创新还在推动产业结构的优化升级，还可促进实现数字化转型，从而催生新的产业形态和商业模式。 人工智能计算中心作为新型计算能力的代表，已成为数字经济发展的智能新基座，为孵化应用创新、推进产业合作与赋能人才培养提供重要支撑。数字基座是数字经济时代的新型基础设施，通过物联网、GIS、大数据、AI人工智能等技术，为基础设施打造全生命周期的智慧大脑。它可以实现基础设施的数字化、智能化管理，提高可靠性、安全性和效率，并降低能源消耗和环境污染。 本项目以人工智能、大数据和云计算为核心技术，构建一体化数智基座平台，通过深度数据治理、智能分析与数据场景化应用，面向各类基础设施、数据、引擎的融合服务，实现业务上下游的数智化协同。为智慧城市、数字政府、工业制造、金融服务、智慧教育和医疗健康等多个领域数字化转型赋能。

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。