LD Data Factory以“4D连续帧真值”为核心,首创“数据采集-标注-质检-评价”闭环,具备AI自动标注、遮挡下目标追踪、跨帧一致性校验、感知性能KPI分析等核心能力。该系统基于多模态融合与时序建模原理,显著提升数据构建效率与质量稳定...LD Data Factory以“4D连续帧真值”为核心,首创“数据采集-标注-质检-评价”闭环,具备AI自动标注、遮挡下目标追踪、跨帧一致性校验、感知性能KPI分析等核心能力。该系统基于多模态融合与时序建模原理,显著提升数据构建效率与质量稳定性,支持SaaS与私有化部署,满足不同客户数据安全与交付需求。人工标注成本降低90%,效率提升3-4倍,已量产交付5500万帧高质4D数据。展开更多
This study proposesan over all framework for applying wireless manufacturing(WM)technologies in a smart factory and establishes a smart factory data computing and information using system (dc-IUS). Several plug-and-pl...This study proposesan over all framework for applying wireless manufacturing(WM)technologies in a smart factory and establishes a smart factory data computing and information using system (dc-IUS). Several plug-and-play (PnP) application modules of the dc-IUS are presented in the fields of machining process and quality control,material flow and inventory control,and factory resource tracking. Different schemes are discussed about how and where to apply these functions. Then some running examples are studied to demonstrate the feasibility and reliability of dc-IUS. At last,the challenges of applying WM are discussed and a conclusion is given.展开更多
面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组...面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组大数据高通量获取和智能化解析中的关键技术难题,设计了具有自主知识产权的轻小敏捷型多传感器阵列、通用化成像单元和适用于多生境的固定式、移动式高通量表型平台装备,以及配套算法和软件平台,构建了农作物表型组大数据工厂成套技术装备体系。该体系由大田和设施作物高通量自主作业表型平台、室内器官和显微表型平台、大田和设施环境自动化种植管控设备、作物模型系统、数字孪生智慧管控平台和大数据计算服务中心等构成,可实现多生境、自动化、高通量、高效率、高精度的多源作物表型-环境数据协同采集,涵盖农作物群体、个体、器官和显微多重尺度,能够重建农林作物的三维形态结构并精准解析株型、产品、品质、抗性等表型组指标,是发展数字育种和智慧栽培的新一代信息化基础设施。农作物表型组大数据工厂技术装备体系创新了作物表型组大数据的产生、处理和服务模式,可为作物表型组理论技术的发展、基于AI for Science的平台化科研和工厂化的作物种质资源表型鉴定等提供体系化的技术装备支撑。展开更多
文摘LD Data Factory以“4D连续帧真值”为核心,首创“数据采集-标注-质检-评价”闭环,具备AI自动标注、遮挡下目标追踪、跨帧一致性校验、感知性能KPI分析等核心能力。该系统基于多模态融合与时序建模原理,显著提升数据构建效率与质量稳定性,支持SaaS与私有化部署,满足不同客户数据安全与交付需求。人工标注成本降低90%,效率提升3-4倍,已量产交付5500万帧高质4D数据。
基金National Natural Science Foundation of China(No.50875204)National Basic Research "973" Project(No.2011CB706805)
文摘This study proposesan over all framework for applying wireless manufacturing(WM)technologies in a smart factory and establishes a smart factory data computing and information using system (dc-IUS). Several plug-and-play (PnP) application modules of the dc-IUS are presented in the fields of machining process and quality control,material flow and inventory control,and factory resource tracking. Different schemes are discussed about how and where to apply these functions. Then some running examples are studied to demonstrate the feasibility and reliability of dc-IUS. At last,the challenges of applying WM are discussed and a conclusion is given.
文摘面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组大数据高通量获取和智能化解析中的关键技术难题,设计了具有自主知识产权的轻小敏捷型多传感器阵列、通用化成像单元和适用于多生境的固定式、移动式高通量表型平台装备,以及配套算法和软件平台,构建了农作物表型组大数据工厂成套技术装备体系。该体系由大田和设施作物高通量自主作业表型平台、室内器官和显微表型平台、大田和设施环境自动化种植管控设备、作物模型系统、数字孪生智慧管控平台和大数据计算服务中心等构成,可实现多生境、自动化、高通量、高效率、高精度的多源作物表型-环境数据协同采集,涵盖农作物群体、个体、器官和显微多重尺度,能够重建农林作物的三维形态结构并精准解析株型、产品、品质、抗性等表型组指标,是发展数字育种和智慧栽培的新一代信息化基础设施。农作物表型组大数据工厂技术装备体系创新了作物表型组大数据的产生、处理和服务模式,可为作物表型组理论技术的发展、基于AI for Science的平台化科研和工厂化的作物种质资源表型鉴定等提供体系化的技术装备支撑。
