科创中国

行业领域

电子信息技术

需求背景

随 着 I T 系统的部署规模越来越大 ， 仅仅依靠人工维护整个系统中成千 上万的设备 ， 变得越来越力不从心。对数量众多的设备进行有效的智能化的 管理成为一个现实需求；同时考虑后端的服务器 、 应用服务等运行状态 ， 要做到大规模设备全局掌控 、 简易的维护策略 、 稳定的维护能力 ， 成 为当前的主要问题。 传 统 的标识管护方式存在诸多弊端，在一定程度上导致管护效率低下，人 力、物力、财力投入多，巡检投入大、危险性高。即便如此，现场问题也不一 定能够即使发现与解决。 如 要 临时调整 开关时间 ，也只有到现场去手动调整， 不但效率低，而且容易出错，并且修复故障的及时率不高，靠人力去维护，达 不到智能化的运行效果。 对 于 标识所有者，更关心的是所有标识的运行状态，保养、故障维修及时 率。最好是能生成简单明了的统计图表，并对所有 建设单 位、 保养维修单位 进 行质量 、履约及履行服务能力进行考核，账务核对

需解决的主要技术难题

确定导航路径信息，将导航路径信息分解为路口编号信息和位于两个路口编号信息之间的分段路径信息；获取当前指示牌编号信息；确定当前路口编号信息；根据当前路口编号信息从导航路径信息中查找到当前分段路径信息。

期望实现的主要技术目标

通过控制中心管理平台，可以在网络上的任意工作 站对远程任何地点的智能标识设备实现7×24小时实时监 控，随时掌握任何场所标识的各项实时数据及状态，如 电压、电流、功率、能耗、功率因数等，有问题系统则 实时报警，并且设备进行自我修复、自我修复失败的则 自动给出维修方案提交系统服务器根据规则推送给相应 的保养维修单位，不需要安排人员每天早晚巡检。实现 标识的自维护与预维护

需求解析

解析单位：重庆市永川区 解析时间：2022-12-16

张进

重庆理工大学

教授

综合评价

该技术需求足够清晰，针对当前人工智能技术在军用领域的应用问题和难点，研究基于深度学习技术的军用软硬件架构设计方法，并且结合业内主流的软硬件基础架构，分析在军事应用中涉及的关键技术和解决思路。通过对深度学习模型压缩转化、数据增强和分布式训练等软硬件架构的关键技术研究，设计构建了一站式人工智能开发平台、嵌入式边缘智能计算平台，对军用人工智能提供端到端的训练、部署和测试支撑。该研究可为未来智能无人作战系统提供软硬协同的智能计算解决方案。

查看更多>

处理进度