成果341：语音关键词检测系统

技术领域：人工智能与大数据

项目简介：

本团队采用 CRNN-CTC 深度学习技术，对神经网络结构、解码方法、样本应用和基本语音单元四个方面进行深入探索，开发的语音关键词测试性能达行业领先水平。该系统功能具有以下特色：（1）用户通过请求指令方式，可启用在线语音关键词检测或离线关键词检测，使用灵活，可作为服务器应用或嵌入到应用软件中；（2）非限定关键词，可随时以文件列表的形式自定义关键词；（3）具备再学习能力，可利用少量样本提升系统性能；（4）可适应不同时长的音频流或不同大小的音频文件；（5）可根据硬件计算资源，灵活提供多用户并发处理；（6）可灵活配置资源，根据计算机硬件资源设置不同的运行参数，包括所占用的计算资源、端口、系统认证账号等，还可快速更换不同的关键词列表和模型；（6）进行日志记录，记录系统运行的请求和出错等信息，便于管理人员及时查看、发现问题并优化系统。产业化背景及预期介绍：

语音关键词检测系统适用于智能设备唤醒、网络、电话、电台舆情监控、录音、多媒体文档检索、儿童老人安全监管、客服人员用语规范监管、智能设备的语音命令识别等场景，具有广阔的应用前景。以独居老人安全为例，利用智能手表或手机进行语音关键词（如“救命”、“哎哟”等）检测，可在当他们需要帮助（如在家中跌倒、生重病）却无法求助时，及时告警，使他们获得救助，具有极大的社会意义。

成果342：基于红外及可见光摄像头的人脸欺诈检测技术

技术领域：人工智能与大数据

项目简介：

该技术的主要创新点在于将传统的图像处理技术与最先进的人工智能技术进行有机结合，兼具了经典图像处理技术的理论可解释性及最前沿深度神经网络算法的优越性能，构造出适用于商业应用的轻量化检测模型，在提升检测准确度的同时降低了算法复杂度。在工业实现上，对硬件要求低，既可部署于 Windows 开放式系统体系结构(Windows Open System Architecture)和 Linux 等国际通用的标准运行环境，也可部署在国产 CPU 支持的 Linux 系统环境，属于自主可控的人工智能技术。产业化背景及预期介绍：

该技术目前已进入实用阶段，迄今为止，已有多个银行的部分网点进行使用。根据市场预估，未来 5 年该技术将会用于银行金融自助服务终端、保险身份核验终端、零售刷脸支付设备、涉密系统授权设备等设备，装机量将超过 1000 万台，按当前的营收估算，未来五年设备的营业收入可达 8000 万元。

成果343：复杂胎面花纹六面体有限元网格快速划分平台

技术领域：人工智能与大数据

项目简介：

本团队研发了操作便捷、高效率、智能化，适用于复杂胎面花纹的六面体有限元网格的快速划分平台。该平台可在不建立胎面花纹三维实体模型的情况下，实现复杂胎面花纹六面体有限元网格的自动生成。用户仅需对胎面花纹展开图进行二维网格划分，并根据花纹的不同沟槽深度，对胎面花纹二维截面进行增设分层线的前处理操作，再在用户界面中输入相关参数，就能快速获得复杂胎面花纹的六面体有限元网格模和少量倒角处的五面体网格。该平台在大幅提高胎面花纹有限元网格划分效率的同时，还使有限元网格具有高质量的特性，人机交互性能较好，可以很好地满足轮胎和整车企业进行产品设计、研发、测试等方面的技术需求。产业化背景及预期介绍：

复杂胎面花纹六面体有限元网格快速划分平台能在不建立三维实体模型的情况下，仅通过对胎面花纹设计图中的相关结构信息进行处理，即可实现复杂胎面花纹三维有限元网格的自动生成。该平台可应用于复杂花纹轮胎的侧偏特性仿真分析、制动性能仿真分析、滑水特性研究、磨损特性研究等需要建立复杂胎面花纹轮胎有限元模型的仿真分析领域，是国内外轮胎和整车企业进行轮胎花纹相关有限元仿真计算的重要辅助工具，具有广阔的市场前景和显著的经济效益。

成果344：基于深度学习的低成本通用物体三维表面重建系统

技术领域：人工智能与大数据

项目简介：

传统的三维重建方法对于图片重建难以做到少量帧重建，对物体表面的光滑度、纹理等材质因素有较高要求，对点云重建易拟合噪声。本团队研发了基于深度学习的低成本通用物体三维表面重建系统，从原理上克服了传统方法的缺点，且支持点云、图片输入，可对少量帧图片重建，允许待重建物体材质的复杂变化。该系统可进一步与最新可微分渲染技术相结合，完美对接现有技术发展趋势，预期未来会在精度、速度上不断提升，且可在各种复杂光照变化的自然条件下重建物体，可应用于日常真实场景重建，具有广阔的市场前景。产业化背景及预期介绍：

通用物体三维表面重建系统是一种建立与真实世界 1：1 的数字孪生世界（如 AR 地图）的核心技术。重建可为虚拟世界生成内容，叠加在真实世界之上，实现虚实结合，有利于在日常商业中（如商圈、文旅等）带来更多价值，未来还将在更多领域带来虚实结合的沉浸式数字化体验。

成果345：基于成像规律的深度学习图像增强技术

技术领域：人工智能与大数据

项目简介：

图像是对物理世界的镜像刻画，获取具有本征属性的图像数据是视觉观测的核心目标，但低光照、雾天等多变自然环境会导致成像质量褪化，成像本征恢复是一大难题。长期以来，传统图像修复方法主要关注图像的统计特性，通过挖掘统计规律来实现建模和重建。该技术从待观测物理世界自有的成像规律出发，将先验物理规律知识与实际数据统计规律相结合，构建端到端的深度学习图像增强模型，实现多样化环境下的高质量成像与图像恢复。产业化背景及预期介绍：

新时代背景下，经济社会向数字化、智能化快速变迁，新基建进入 5G-AI 创新应用场景阶段，本团队致力于实现基于海量数据的智能计算服务。2020 年，全球互联网中的图像、视频等视觉数据超 400 亿 TB，但由于成像场景的物理约束和数字化过程的技术约束，导致海量视觉数据存在质量褪化、噪声干扰、信息缺失等问题，使相关智能计算面临巨大的有效性挑战，成为高质量智能计算服务的障碍。该技术基于感知对象成像规律对视觉数据进行建模，解决了视觉计算中的成像质量褪化问题。该成果对图像增强效果显著，具有广阔的应用前景。

欢迎与我们联系

兰溪科技大市场

0579-88902033