2020年度西安市科技产业化计划—人工智能产业创新链推

2020年度西安市科技产业化计划—“人工智能”产业创新链推进工程项目申报指南

一、人工智能核心技术攻关项目

计划定位：面向重大需求，围绕人工智能中试基地和产业化研究等方向，突破新一代人工智能关键共性技术，在智能感知处理、智能监测、智能交互与理解、智能系统应用、人工智能处理器等方面突破制约人工智能产业发展的关键核心技术瓶颈，形成开放兼容、稳定成熟的技术体系。项目鼓励高校和企业组成创新联合体，促进产学研紧密结合，调动社会资源投入新一代人工智能研发。

支持方向：自然资源综合监管与监测预警系统研发、基于车联网及车路协同技术的超视距自动驾驶信息融合技术研发、面向天基多源数据的智能处理及解译技术研究、面向智慧高速的高精度全息感知理论研究及系列化装备研发、基于区块链技术的国产分布式并行文件系统研发、人工智能辅助的临床护理信息系统关键技术和应用研发、多维可视化AI自动建模技术研发、智能光谱视觉探测技术开发等八个课题。

课题1：自然资源综合监管与监测预警系统研发

研究内容：遥感信息化中数据难以共享，给相关部门进行资源监测、灾害风险应急管理及预警提供信息产品服务与决策支持带来了困难。本项目通过对遥感数据的智能分析，有效提升多源

— 1 —

遥感观测数据的应用与预警效能，满足我省通过遥感技术对农林水利、环境气象、国土资源调查、监测等的需求。项目借鉴生物大脑的信息感知机制与认知机理，建立遥感图像脑认知模型及算法；建立结合深度特征学习和标签学习的遥感图像地物分类技术、基于启发式知识的遥感图像变化检测技术、网络参数优化技术等等；研制自然资源综合监管与监测预警系统，在高分辨遥感数据中进行验证，为城市交通、市政、民政等相关部门的业务工作提供数据分析服务。

考核指标：支持国产高分1号/2号卫星图像，图像分辨率优于3米，农田、林地、草地等地物分类精度优于80%，水系、居民地等地物的变化检测精度优于80％，10000*10000像素的遥感影像分类在Nvidia 2080Ti处理时间不多于10分钟。

课题2：基于车联网及车路协同技术的超视距自动驾驶信息融合技术研发

研究内容：针对自动驾驶超视距场景下的多样化行车任务需求及传统单车感知的局限性，基于车联网及车路协同技术，综合利用已采集的超视距场景多源感知信息，研究可大幅提升网联自动驾驶汽车超视距场景行车安全及效率的系统级方案，突破网联自动驾驶超视距场景特征提取、需求回归、信息融合机制及算法设计等难点，开发可兼容SAE（国际自动机工程师学会）及国内《汽车驾驶自动化分级》标准的高级别网联自动驾驶超视距感知信息融合模块，推动我国网联自动驾驶及车路协同技术的标准

— 2 —

化进程。

考核指标：网络覆盖范围≥500m2；支持不少于3种超视距感知信息融合算法；实验节点数≥30个；融合精度≥95%；融合时延≤100ms；支持不少于3种典型超视距场景；安全业务实施成功率≥99%；支持不少于3种边缘分布式机器学习算法；发表高水平论文10篇以上，申报相关专利10件以上，申请相关软件著作权5件以上，撰写相关行业白皮书或标准一部。

课题3：面向天基多源数据的智能处理及解译技术研究

研究内容：基于光学、雷达、视频、电侦等数据特点，对不同类型的载荷数据进行预处理，并生成高质量的标准产品。在此基础上，研究海陆分割、帧间匹配、目标检测、目标跟踪等技术，实现多源目标的智能化解译，提升遥感数据的深度应用能力。

考核指标：数据正确接收情况下，标准产品生产成功率应达到97%；可实现海陆区域的精确分割；海陆分割时，单景数据处理速度小于10秒；支持多景数据的匹配功能；帧间匹配时，单景数据处理速度小于20秒；根据不同卫星传感器性能，目标检测率成功率大于90%；可实现序列数据的目标跟踪计算。

课题4：面向智慧高速的高精度全息感知理论研究及系列化装备研发

研究内容：采用GIS、视频图像、GPS、惯导、雷达等技术，结合先进的人工智能、深度学习、计算机视觉相关算法开发基础与经验，建立融合多源异构数据的智慧高速全息感知算法，突破

— 3 —

全息感知技术表征维度低、检测精度不足、泛化能力弱、检测效率有限等技术难关；建立具有自组织学习能力的道路常见病害智能检测及事故预警算法，攻关识别准确度高、检测效率高、病害的推演和预警等技术难点；研发一套高速公路路产智能检测系列化装备，实现高效的高速公路路产信息全息智能检测，完成上述相关理论、装备的实际测试工作。

考核指标：数字化高速全息感知精度不低于90%，感知范围包括但不限于交通标志/标识/标线、情报板、过街天桥、路面情况等类型；实现裂缝、坑槽、车辙、松散、沉陷、桥头（涵顶）跳车、表面破损等多种道路病害检测、分类；软件支持Windows XP/Windows 7/Windows 8/Windows 10操作系统；良好的人机界面；稳定可靠；申报检测系列化装备相关专利6项。

课题5：基于区块链技术的国产分布式并行文件系统研发

研究内容：研究面向人工智能需求的分布式并行文件系统，通过经济高效的可扩展存储加速人工智能应用，比如：基因组发现、数字放射学/病理学、交易/风险分析以及传统的高性能计算（简称：HPC）。减少60-90％的数据传输时间，比传统NAS快10倍，同时解决数据大带宽、海量小文件性能难题。通过数据缩减技术、高效率ErasureCode数据保护、集成对象存储的存储分层，存储成本降低高达60％。整个系统基于软件，针对国产CPU硬件深度优化，而无需更改应用程序，解决了多维数据基础架构和服务器存储I / O问题。专门针对人工智能混合工作负

— 4 —

载（大，小，读，写，随机，顺序）的高性能，简化了未充分利用的存储，简化管理，降低复杂性，同时大幅降低成本。

考核指标：计算结点数量不少于64个，计算结点应使用自主微处理器；使用经典Benchmark，测试单计算结点I/O读、写聚合带宽均应达到20GB/s以上，测试64计算结点I/O读、写聚合带宽均应达到1TB/s以上；在IO-500测试指标中，测试总分不低于300分。

课题6：人工智能辅助的临床护理信息系统关键技术和应用研发

研究内容：基于临床护理知识图谱/规则库、人工智能大数据、和云平台技术，构建医院临床护理智能业务辅助系统和信息平台应用。支持医院常规科室/专科病种护理业务规则和模型的快速构建；基于对医院信息流的监测，可实现符合科学护理路径的自动任务触发、待办提醒、信息、风险预警等；通过5G、物联网等先进通信技术的数字化交互设备，在多样化护理场景下提供护理诊疗数据的可视化和智能应用，实现医院临床护理业务的数字化、智慧化；支持大数据云平台构建，对医院护理业务系统平台在短时间内的进行快速新建、迁移和扩展等。

考核指标：采用人工智能相关技术；建立常规科室/专科病种的护理业务知识库、规则库或模型≥10种；全面支持护理业务数字可视化交互，交互设备种类支持≥5种，支持5G通信满足病区隔离场景下“无接触”业务使用；系统在10家医院获得实

— 5 —