中文
EN
科研学术
Scientific Research
团队简介
团队致力于围绕信息和人工智能领域，通过先进的技术解决产业痛点，助力数字经济高质量发展。研究涵盖了自主机器智能、信息通信、区块链、智能体和智慧环境等多个领域，旨在提供数智化决策和服务，推动产业数字化和智能化转型。
团队人员构成
现有副研究员2人，特聘副研究员2人，高级工程师2人，中级工程师7人
团队研究内容
机器自主智能：研究智能的量化模型，知识和数据协同驱动的人工智能，基于量化智能的机器学习，多变场景下智能体智能构建与发育，智能体和智慧环境的交互计算机视觉：研究基于知识与数据融合实现少样本高精度缺陷检测，基于3D检测技术解决高度方向缺陷检测难题
团队研究方向
元宇宙、机器学习与人工智能、知识图谱与自然语言处理、AI 算法部署、自动驾驶及无线网络、区块链与金融科技等。
研究内容
本科研任务以基于区块链的工业互联智能为总体任务，设计高可靠的区块链网络架构；同时，为了实现工业互联网的智能化，研发基于时间敏感网络的工业互联网智能系统。具体研究内容如下：
（1）设计高弹性、层级式、可控、可用、兼容性高的安全区块链网络架构，研究可信的区块链网络控制模型、分布式决策方法和数据分发联合调控理论，以实现异构环境下的分布式智能协同路由转发。
（2）设计并开发一个基于时间敏感网络的控制管理系统，用于管控TSN网关、TSN交换机等网络设备，同时提供数据采集、分析及实时控制等功能，以提高控制管理系统的集成管控能力。
研究成果
提出一种用于物联网协同计算的基于聚类的区块链分片策略，其中区块链系统的分片分两步实现:基于k-means聚类的用户分组和共识节点的分配，该方案提高了分片式区块链在物联网应用中的可扩展性和区块链架构的性能，为区块链和工业互联网高效结合提供可行方案。
使用区块链技术提高边缘计算物联网的网络性能，确保数据共享的真实性。提出并引入一种新的智能优化方法——集体强化学习(CRL)，以实现资源的智能分配，满足分布式训练结果共享，避免系统资源的过度消耗，使系统能量消耗开销和业务延迟最小化。
提出一种缓存辅助的MEC卸载框架，优化卸载决策和资源分配策略，以最小化系统延迟，同时考虑到动态缓存容量和计算资源限制，应用深度图卷积强化学习（DGRL）方法，鼓励模型在高度动态的环境中协作学习最优策略。
优势与创新点
时间敏感网络控制器的综合管理；
构建类生物神经控制理论的协调分布式多层级多域调控模型；
提出面向区块链服务的网络高效自适应服务链编排及敏捷拓扑管理模型；
开发基于软件定义的云化PLC配置管理系统，并提出面向工业实时控制流的确定性保障机制；
面向多协议混合数据流的自适应采集技术和数据驱动的工业互联网组态软件二次开发技术；
设计面向异质网络环境的高弹性平行栈纵向融合网络架构，综合集中式全局统筹和分布式快速收敛优点。
成果名称：中医药GPT
成果简介：中医药GPT是基于大规模语言模型和海量中医药知识的人工智能对话系统，能够通过自然语言处理对中文对话进行理解和分析，生成高质量的中医学解释和建议
核心技术优势
基于最先进的GPT技术，具备智能对话、自动内容生成等功能
利用大规模的中医相关语料和分布式协作训练提高模型的性能
可根据用户需求进行个性化定制，实现更精准的智能中医药服务
基于中医专家的反馈持续更新和迭代，提高模型的实用性和可靠性
应用场景和应用案例：中医药研究、临床医学、中医药文化传播、中医药产业、教育培训等
成果名称：PCB缺陷3D检测
成果简介：以DIP工段为试点进行PCB缺陷检测识别；所检测缺陷种类包括浮高、少锡、连锡、包锡、少件、空焊、划伤等共7种；各类缺陷平均识别精度≥90%
核心技术优势：
基于图像处理及深度学习目标检测算法，实现PCB板定位与元器件分割
结合2D与3D检测方法，从元器件边缘、频域、灰度变化、直方图 、颜色特性等对缺陷区域进行检测，基于缺陷描述符区分缺陷类别
结合2D与3D检测方法，从元器件边缘、频域、灰度变化、直方图 、颜色特性等对缺陷区域进行检测，基于缺陷描述符区分缺陷类别
成果名称：机器人灵巧动作模仿学习
成果简介：在动态运动基元的基础上，从人类专家动作中初始化模型，充分利用训练过程得到的数据，加快任务收敛
核心技术优势：
利用动态运动基元作为人类动作提取的媒介获取专家轨迹，通过局部回归得到初始化模型，再引入经验加权的方法，大大缩短训练时间
应用场景和应用案例：工业生产中的灵巧动作模仿
