关于发布2026年度安徽省人工智能场景创新项目榜单的通知

（万元）

联系方式

本项目面向高端装备关键部件、先进核能与“两机”装备关键部件射线探伤场景，预期形成面向企业实际应用的射线检测智能缺陷识别与定量评定系统成果，并在典型场景完成示范验证。

1. 标志性成果指标

（1）建成1套基于深度学习的高端装备铸件射线探伤缺陷智能检测与定量评定系统，实现“胶片数字化、智能预评、人工复核、评定输出、报告生成、结果归档”的一体化应用。

（2）形成1套适用于安徽应流典型产品场景的智能评片业务流程、评定规则和应用规范。

（3）建成1个企业专有数字底片样本库、缺陷知识库和评定规则库，形成不少于2万张典型胶片数字样本，形成覆盖典型产品和典型缺陷类型的基础数据资源。

（4）新增申请知识产权不少于5项，其中发明专利不少于2项；形成企业技术规范、操作规程或应用标准不少于1项。

（5）引进或培养AI+无损检测复合型人才不少于3人，推动形成产学研协同创新机制。

2. 可考核的关键技术指标

（1）在企业典型射线底片测试集上，典型缺陷辅助检出率不低于90%，综合识别准确率不低于85%。

（2）AI建议等级与人工最终复核结论一致率不低于85%，重点缺陷漏检率不高于5%。

（3）单张底片智能预评时间不高于5秒，检测评定整体效率较现状提升100%以上。

（4）在示范场景中实现评片规则统一、过程留痕完整、结果可追溯，跨人员评定一致性达到90%以上。

（5）系统应具备缺陷识别、辅助评级、人工复核、报告自动生成和结果归档等完整功能，满足企业实际应用要求。

3. 应用成效指标

（1）显著提升射线探伤业务处理效率，减少重复性人工评片、记录和流转工作量，提升检测业务组织效率。

（2）推动评片规则和质量标准统一实施，提升复杂铸件射线评定的一致性和稳定性，降低因人员经验差异造成的质量波动。

（3）实现检测数据规范化沉淀和归档管理，支撑缺陷追溯分析、工艺问题定位和质量持续优化。

（4）形成可复制、可推广的智能评片应用模式，为高端装备关键部件射线检测数字化、智能化升级提供示范。

1. 对揭榜单位的要求

（1）揭榜单位企业或高校院所应拥有制造业或人工智能领域重点实验室、工程研究中心、制造业创新中心等国家级科创平台，具备开展智能感知、智能计算、大数据分析、智能系统设计等关键技术攻关的软硬件基础设施，有牵头承担国家科研项目的经验，牵头或参与获得省级及以上科技进步一等奖者优先。

（2）揭榜单位须在工业智能、人工智能、大数据分析及智能制造领域具备核心技术实力的企业，拥有成熟的工业AI研发应用经验，并熟悉精密器件生产、质量控制等流程，能够提供软件系统开发、数据处理与工业现场集成服务。具备完整的研发和工程实施能力，能够支撑全流程的开发、测试与工程化应用，同时有能力参与技术标准制定、软件平台维护和系统迭代优化。

（3）揭榜单位应具备工业数据采集、清洗、标注等数据管理能力，建有行业高质量数据集者优先。

2. 对揭榜团队的要求

（1）项目团队须具备扎实的工业AI理论研究功底与丰富的产业实践融合经验，跨学科协同攻关与系统集成能力，团队核心成员应具有博士学位、高级技术职称或省级B类及以上高层次人才，主持过省部级及以上重大科研或产业化项目。

（2）在智能化无损检测领域具有行业成功应用经验，具备AI算法、深度学习、工业大模型等人工智能技术研发和工程化应用经验。能够将成果快速转化为可实施的工业应用方案，在生产现场实现端到端的数据采集、分析、优化与闭环控制。

3.诚信与合作要求

（1）良好信誉：揭榜方单位及团队成员应恪守科研诚信，无不良信用记录。

（2）合作精神：具备强烈的合作意愿和高效的协同能力，能够与我方建立紧密的沟通机制，共同推进技术攻关与成果落地。

一、成果形式指标

1.人工智能+灭火救援场景。完成多智能体与消防救援从接警调度、跟踪提醒、途中管控、现场处置、复盘总结等全流程的辅助跟踪，实现处置全流程闭环管理成果。实现智能体输出询警清单、初步力量调派方案、初步处置方案、事故处置要点、安全提示要点、最优行驶路线等提示索引。内攻人员状态、环境危险信号、建筑结构安全的自动化等不少于 15 项 AI 视觉识别能力；实现安全风险识别、预警推送、撤离指令生成全流程闭环；形成 1 套灭火救援现场安全管控 AI 辅助决策技术方案。

2.人工智能+执勤执法场景。完成监督执法智能体建设（含不同应用场景识别、消防设施与隐患识别、法律法规条款适配、法律文书辅助填写生成）；研发完成1套轻量化高防护便携消防监督执法智能终端，符合人体工学设计，满足户外及复杂场景执法需求，形成标准化硬件生产方案及检测报告；智能体及算法成果：完成智能体建设（含执法知识库、应用场景识别、消防设施与隐患识别、法律法规条款适配、法律文书辅助填写生成），实现多端数据交互模块开发，形成1套完整的软件系统及算法模型包，配套操作手册及维护指南；解决方案成果：整合硬件终端、软件系统及算法模型，形成1套可复制、可推广的消防监督执法智能辅助解决方案，为行业应用提供参考。完成防消联勤与联训联动智能辅助终端的研发与部署，实现熟悉演练、隐患排查、设施测试等勤务任务的流程化指引与数据自动采集。具体成果包括：构建消防车道占用、安全出口锁闭、消防设施外观异常等不少于5类常见隐患的AI识别能力；形成防消联勤数字化记录模板1套，实现“发现—记录—上报—整改”数据闭环；完成联训联动多机位视频同步采集与智能回放系统1套，支持安全风险行为自动识别与训练复盘关键节点定位；形成防消联勤智能辅助技术方案1套。

3.人工智能+无人化值守场景。消控室自动化值守智能体（含智能感知、自动巡检、远程复核、自动报警四大核心模块）、配套具身智能载体（含智能巡检机器人、自动操作终端等，具备自主移动、精准定位、设备自动操控能力，可与值守智能体、任务调度软件深度适配，实现巡检、操作、反馈全流程自动化衔接）、设备状态智能诊断与自愈模型（含故障诊断算法、自愈处置指令库）、智能任务调度软件（含多模式巡检、操作逻辑校验、指令下发执行，可精准调度具身智能载体完成现场操作）、可视化远程监管平台（含一屏总览、双视频融合、虚拟远程操控，可实时监控具身智能载体运行状态与作业进度）、日志与数据管理系统（含自动归档、可追溯查询、数据统计分析，同步记录具身智能载体作业数据与设备交互信息）、AI算法自学习迭代模块（含模型优化、场景适配、持续迭代，可根据具身智能载体反馈的现场数据优化算法，提升适配性）。

4.人工智能+火灾调查场景。完成火灾事故调查智能辅助系统原型1套，申请发明专利1项、软著3项，在1家市级消防机构试点应用，形成火灾事故调查领域AI应用技术方案1项，形成装备改造/升级成果报告1份、性能检测报告1份、智能化升级装备清单1份。助力“双招双引”，形成可复制推广的消防AI应用模式。

5.人工智能+消防技术服务监管场景。形成试点应用报告，覆盖淮南市不少于3类重点单位（养老院、高层建筑等），同步形成消防服务管理智能体试点应用验证报告，明确智能体在不同重点单位场景下的适配性、运行稳定性及实战效能；形成标准化维保作业规范，形成“AI智能巡检+人工复核确认”的标准化作业流程，配套制定消防服务管理智能体操作手册，明确智能体各模块（前端感知、中端作业、后端管控）的操作规范、协同机制及应急处置流程；编制技术标准/规范，编制《淮南市消防巡检维保数字化智能管理技术导则》，同步编制消防服务管理智能体技术参数标准、接口兼容标准及系统运维标准，明确智能体与现有消防系统的对接要求、性能指标及安全规范，为智能体的规模化推广应用提供技术支撑。

二、关键绩效指标

1.人工智能+灭火救援场景。实时语音转写及关键信息提取准确率不低于90%；警情要素确定后调派方案生成时间≤2秒，准确率≥90%；智能判定后可人工修正，修正率≤5%；车辆定位信息在Gis上更新频率≤10秒。

2.人工智能+执勤执法场景。提质指标：执法文书错误率下降≥60%，消防设施与隐患识别准确率≥90%，执法流程引导准确率≥95%，核心参数计算准确率≥99%，确保执法规范化、精准化。增效指标：执法效率提升≥40%，单场次执法时间缩短30%，核心参数计算响应时间≤3秒；实现执法数据闭环管理，报告导出效率提升60%，完成不少于6个试点单位应用验证并顺利落地，有效提升消防监督执法效能和合规性。

3.人工智能+无人化值守场景。24小时值守合规率实现100%，解决单人值守、脱岗、漏岗、疲劳值守等问题。降低人员操作失误率，通过AI操作逻辑校验、自动化指令执行，把人为操作漏洞降低至2%以下。消防设施完好率，从当前约70%提升至≥90%。精准定位消防控制柜、报警主机等核心设备故障点，提升故障诊断准确率≥95%。从隐患发现、派单、处置到验收全流程跟踪，确保隐患整改不遗漏、不拖延，达到100%。

4.人工智能+火灾事故调查场景。智能询问支持≥5类常见火灾类型、≥8类关联角色的询问提纲自动生成，生成时间≤10秒，关键询问要点覆盖率≥95%；标准化勘查方案生成时间≤15秒，关键勘查要点覆盖率≥90%；标准化周报、月报、专项报告自动生成时间≤1分钟，支持≥10种自定义报表模板；火灾事故责任主体识别和违法违规行为识别准确率≥90%。

5.人工智能+消防技术服务监管场景。消防设施识别准确率≥85%，维保流程合规率实现95%，维保报告生成效率提升≥80%，通过多模态数据自动提取与智能生成，缩短报告编制时间。

三、提质降耗

依托智能调度与精准处置，减少火灾事故造成的财产损失30%以上；实现现有消防系统与平台无缝兼容，降低重复建设成本，设备资源利用率提升40%以上；优化救援力量配置，减少人力、装备无效投入。

四、“双招双引”

依托项目示范效应，吸引人工智能、应急技术和公共安全类企业入驻淮南，推动产业集聚；与2所及以上高校/科研院所建立联合研发机制，与5名及以上消防救援、人工智能领域专家团队开展合作。

本项目涉及灭火救援、监督执法、消防安全重点单位控制室值守、火灾调查和服务监管等多个消防实际业务的具体分支，专业性较强；业务数据整合涉及公安、应急、住建等多个职能部门；基础数据资源涉及大疆、华平、科达、佳米等多品牌多领域，因此需联动多领域优质主体开展产学研用协同合作，同时引入高水平专业专家团队提供技术支撑，具体合作对象及人才要求如下：

1.深耕人工智能、物联网、消防智能化领域的高新技术企业，须具备：1.拥有消防智能化相关产品研发、生产及运维资质，近3年有同类智能值守、AI预警相关项目落地案例；2.具备完善的技术服务体系，可保障项目落地后的系统运维、升级迭代及现场技术支持，承诺在项目期间派驻资深工程师进行现场联合开发与技术支持；3.愿意参与人才培养，共建研发平台，助力淮南消防智能化专业人才集聚。专家及团队须具备较高专业水平：1.核心技术专家：需来自人工智能、自动化控制、物联网等领域，具备中级及以上职称，拥有5年以上相关技术研发经验，主导或参与过同类智能系统研发项目，熟悉AI视频分析、多源数据融合等核心技术；2.消防领域专家：须具备消防工程相关专业背景，熟悉消防控制室值守规范、消防设施运维标准，有丰富的消防智能化项目实践经验，可指导项目贴合消防实战需求；3.团队整体要求：成员结构合理，涵盖研发、技术实施、消防专业等领域，具备较强的协同攻关能力，可保障项目按质按期完成，同时助力项目技术迭代与推广应用。在人工智能领域具备省部级以上重点实验室或工程研究中心平台支撑，拥有跨学科研发团队。

2.深耕计算机视觉、大数据融合、智能算法研发、大模型行业应用的人工智能科研院校/院所，具备复杂场景AI模型训练、语音转译学习训练、人工智能综合体训练及研发能力平台系统集成团队：拥有智能接处警系统研发、视联网、物联网系统集成经验的团队，可实现多系统软硬件兼容对接、一体化平台部署及后期运维保障。

3.应具备公共安全、火灾事故调查等领域一定科研水平。团队核心专家须具备重点研发计划项目能力，拥有火灾事故调查智能研判、垂域大模型、事故责任分析等核心技术一定积累或科研成果。具备关键技术攻关、系统集成与成果转化能力，可支撑本项目全流程研发与落地应用。

4.应具备较强的技术研发、成果转化及场景落地能力，助力淮南“双招双引”与产业升级。优先选择人工智能、物联网、消防智能化领域高新技术企业/院所，须具备相关产品研发与运维资质，近3年有同类智能化巡检维保项目落地案例，可提供适配复杂场景的智能设备（如巡检机器狗），愿意落地淮南并开展本地技术转化。

1.技术成果

形成一套具有国际先进水平的现代新型显示自动化、智能化检测整体解决方案，包括核心算法库、软件平台、关键部件及整机装备。申请发明专利不少于2项，软著权不少于1项。

2.高端装备

开发出针对OLED、TFT和Mini-LED背光等高端显示产线的自动化、智能化检测样机至少3款，并在企业完成示范应用验证，关键性能指标达到或超过国际主流竞品水平。技术指标：

（1）核心技术指标

Box精确率：≥90%

Box召回率：≥90%

Mask精确率：≥90%

Mask召回率：≥90%

mIoU（平均交并比）：≥50%（适用于计算机视觉任务）

响应时间：单次推理≤80毫秒（P95）

（2）泛化能力指标

测试集与训练集性能差距：≤10%

（3）资源与效率指标

模型大小：≤500M

显卡配置：最低为英伟达3060系列、最高不超过4070系列（推理环境下）

推理延迟（P99）：≤200毫秒

（4）上机实测过杀率与检出率

Mura缺陷过杀率：≤6%（现有水平≥12%）

Mura缺陷检出率：≥90%（现有水平≤46%）

背光缺陷过杀率：≤6%（现有水平≥10%）

背光缺陷检出率：≥90%（现有水平≤60%）

外观缺陷过杀率：≤10%（现有水平≥15%）

外观缺陷检出率：≥90%（现有水平≤70%）

（5）设备综合效率

OEE≥80%

（6）设备生产节拍

3~6英寸≤3.5s/pcs

7~11英寸≤8s/pcs

12~18英寸≤10s/pcs

（7）合规与安全指标

数据合规性：训练数据须具备合法授权来源

内容安全：输出内容须符合相关法律法规要求

可解释性：对于关键决策场景，须提供推理逻辑说明

3.经济与社会效益

实现高端自动化、智能化检测装备的国产化替代，预计可为应用企业提升相关环节良率0.5%-2%，降低检测成本20%以上。通过技术突破和装备国产化，降低对进口设备的依赖，提升产业链供应链韧性和安全水平。

4.人才与平台

培养一支涵盖光学、算法、软件、机械的跨学科高端研发团队，巩固和提升我省在新型显示检测领域的技术创新平台能力。

揭榜团队必须拥有仪器科学与技术、光学工程领域高层次人才，拥有在现代成像与显示技术领域国家级或省部级的重点实验室、工程中心、新型研发机构等科研平台。在精密光学测试理论、光电传感技术、机器视觉与图像处理、显示质量评估等方面拥有深厚的学术积淀和突出的技术优势。

团队核心成员应具备承担过国家重大科学仪器设备开发专项、国家重点研发计划项目、国家自然科学基金重点项目的经历。团队需长期与国内主要面板企业保持稳定合作，在显示缺陷检测、光学特性测量等应用基础研究方面成果丰硕，具备从实验室技术到工程化应用、规模化量产的全链条能力。

项目需在2年内攻克光学成像系统设计、核心检测算法、量化评价模型等底层共性关键技术并完成工程化应用，需在3年内实现全面量产并对同行业起到示范和带动作用。揭榜方应能够与场景机会业主单位紧密协同，共同开展技术攻关和产线验证，确保项目成果可落地、可复制、可推广。

（1）成果形式

①建成2个AI应用场景的系统部署与闭环验证；

②申请发明专利不少于6项，登记软件著作权不少于5项，发表论文不少于2篇；

③申报1-2项相关标准，形成企业内部AI应用规范和数据标准2项；

④培养“AI+压铸”复合型人才不少于15名，其中镁合金方向不少于5名，形成25人以上跨学科高水平研发团队。

（2）关键绩效指标

（3）“双招双引”情况

计划引进含AI人才、镁合金工艺专家、安全工程师等高端技术人才5-7名，预计带动相关产业链投资超8000万元，吸引AI算法公司、工业软件开发商形成行业生态圈。

（1）联合体组成与基本要求

揭榜方须以联合体形式申报，联合体应由企业类单位和高校或科研院所类单位共同组成，成员不少于2家。联合体内部须签订具有法律效力的合作协议，明确各方权责分工、资金投入与分配、知识产权归属及成果转化收益分配方案。牵头单位须为企业类单位，负责项目的整体统筹协调和产业化落地推进工作。

（2）企业类揭榜方要求

企业类揭榜方须为在安徽省内注册的具有独立法人资格的高新技术企业或新型研发机构，应建有安徽省科技成果转化中试基地，且相关软件产品入选安徽省首版次软件，能够为项目提供技术成果的中试验证和产业化落地提供支撑。

（3）高校或科研院所类揭榜方要求

高校或科研院所类揭榜方须为国内具有智能制造工程、车辆工程、机械电子工程、自动化、计算机科学与技术等学科优势的高等院校或科研机构，能深刻理解铝合金压铸工艺机理，熟悉压铸设备、模具、材料特性，能够将业务需求转化为技术问题，并对企业AI项目实施提供全流程专业指导。项目团队中应拥有博士学位人员不少于10名，其中具有高级职称的不少于6名，研究方向涵盖压铸工艺、材料成形、人工智能、智能制造、车辆工程等。

高校类揭榜方应拥有与铝合金/镁合金压铸、半固态成型等相关的知识产权不少于3项。拥有智能制造、先进材料成形、压铸工艺、车辆工程等相关领域的省部级以上重点实验室或工程研究中心不少于1个；近五年内承担过国家级或省部级智能制造、新材料、人工智能相关科研项目不少于3项。

高校或科研院所类揭榜方须与压铸类企业有长期稳定的产学研合作关系，熟悉压铸工艺，优先考虑与压铸类企业联合承担过科研项目或共建过实习基地、联合实验室等合作平台，或已有联合申报项目、共同培养研究生等合作成果的单位。

1.成果形式

2.关键绩效指标

1.合作单位类型要求

软件企业：本项目所需软件企业能够在工业人工智能平台、无代码AI开发、智能体操作系统及新型显示制造领域具备核心技术实力。企业须具备深厚的制造现场经验与AI工程化能力，能够提供从数据治理、模型开发到系统集成的工业AI全栈闭环服务，具备支撑新型显示行业全流程智能体开发、测试与工业化应用的完整能力。须具备行业客户成功经验，沉淀大量可复用的数字资产与模型成果，拥有完善的知识产权布局、资质荣誉与体系认证，具备深度参与技术标准制定、平台维护与系统迭代优化的能力。

硬件企业：本项目所需硬件企业须具备独立法人资格，成立满五年，注册资金不低于300万元，依法取得相关营业资质。企业应履行社会及环保责任，通过持续有效的质量与安全管理体系认证，流动资金充足，信用状况良好。企业需为安徽省专精特新企业或者安徽省首台套企业，具备面向新型显示行业生产制造场景的智能硬件设备研发与供应能力，硬件设备需支持数据采集和与上层AI平台的对接能力，满足新型显示行业对高精度、高稳定性、高洁净度的生产要求。企业能深度理解并精准响应发榜方个性化技术需求与场景约束，提供定制化技术方案与实施路径，有为行业龙头/大型企业提供定制化技术服务的成功案例。

高校：高校须具备人工智能、化工新材料、电气工程、集成电路等相关学科方向的科研团队，同时具备前沿材料研发能力、新理论研究能力和模型算法创新能力，能够为智能体设计提供核心技术支撑，包括深度学习、多目标优化、知识图谱构建及工业数据挖掘方法。具备产学研结合经验和成功案例，能够在项目中参与技术攻关、方案论证、实验验证及成果转化工作。

2.团队与专家能力要求

团队须具备跨学科背景，覆盖人工智能、化工新材料、电气工程、集成电路等专业领域。

团队需至少1人拥有省部级以上科研项目负责经验（如国家自然科学基金、科技攻关计划、重大专项等项目），相应的科技成果转化不少于2项。

团队须具备项目落地与协作能力，过往有与企业成功合作的案例，能根据项目实际需求制定研发与应用方案，确保合作项目高效推进、成果落地。

1.成果形式：

（1）建成四类智能化应用场景并在公司范围内推广使用；

（2）完成与MES、ERP、WMS、数字孪生等系统的集成对接，数据互通，实现系统化应用，数据传输成功率≥99.5%，延迟≤1s；

（3）形成适用于锂电池隔膜行业的标准化应用案例。

2.关键绩效指标：

（1）提质：缺陷漏检率≤1%，误检率≤2%；

（2）降本：年节约能耗成本≥100万元；设备维护成本降低≥15%；实现生产综合能耗降低≥10%，能耗管理效率提升≥50%，符合绿色工厂要求。

（3）增效：①月均非计划停机次数≤3次；换型时间缩短至3-4小时；设备非计划停机时间减少≥30%，设备综合利用率OEE提升≥20%，产能利用率提升≥15%。②解决隔膜生产“参数凭经验、性能波动大”的行业痛点，将产品性能一致性提升≥90%，原料损耗率降低≥12%，技术人员调试时间减少≥50%；原料损耗率降低≥12%。

（4）“双招双引”：项目实施期内，培养内部AI应用人才不少于10人，开发人才不少于3人。申请软件著作权2 项，与高校联合开展技术攻关1 项。

（一）揭榜单位资质要求

1.企业：希望揭榜方能够在人工智能、大数据分析及智能制造领域具备核心技术实力的企业，企业需拥有成熟的工业AI应用经验，可提供智能化生产检测设备，并熟悉锂电池隔膜生产、质量控制、设备管理等流程，能够提供软件系统开发、数据处理与工业现场集成服务。

2.高校：鼓励与国内重点高校开展合作，特别是先进材料制造、工艺流程开发、人工智能计算机科学、工业大数据等相关学科方向的科研团队。高校团队应具备前沿理论研究能力和模型算法创新能力，能够为智能体设计提供核心技术支撑，包括深度学习、模型优化及工业数据挖掘方法。具备产学研结合经验，能够在项目中参与技术攻关、方案论证、实验验证及成果转化工作。

（二）专家与团队要求

团队成员应涵盖人工智能算法、工业自动化控制、工艺流程建模、数据采集与处理、系统集成及工程应用等多个学科领域。核心技术专家须具备深厚的学术积累和工业应用经验，能够从算法设计到系统部署提供全面指导。

（三）诚信与合作要求

1.良好信誉：揭榜方单位及团队成员应恪守科研诚信，无不良信用记录。

2.合作精神：具备强烈的合作意愿和高效的协同能力，能够与我方建立紧密的沟通机制，共同推进技术攻关与成果落地。

一、总体目标：通过全方位重构“感-知-控”智能闭环，开发基于非侵入式脑机接口的“AI+康复”创新场景，研制完成面向5类典型功能障碍人群的智能康复垂类模型以及软硬件一体化的配套应用，打造安徽省乃至全国智能康复新标杆。

二、成果形式

1.技术成果

（1）研制完成1套非侵入式脑电采集与分析系统：脑电信号识别准确率≥75%，集成解码算法≥3种，运动意图解码准确率≥90%，训练反馈延迟≤500ms，可控制外部设备≥4种，可有效消除的噪声干扰≥3类，抗干扰能力达工业级标准（适应≤80dB噪声环境）。验收依据为系统集成报告、测试记录。

（2）研制完成面向5类功能障碍人群康复的AI垂类算法模型及配套应用系统。多模态数据融合精度≥90%，验收依据为系统集成报告、测试记录。

①面向运动功能障碍康复（如脑卒中、脊髓损伤）：交付1套非侵入式脑机接口康复机器人训练系统，含4台非侵入式脑机接口设备、1台上肢外骨骼康复机器人、1台下肢外骨骼康复机器人、1台肢体主被动康复机器人、1台床旁肢体主被动康复机器人。

②面向认知行为功能障碍康复（ADHD）：交付1套多通道非侵入式脑机接口ADHD评估系统、1套基于脑电信号的儿童团体生物反馈训练系统，建成1个基于行为-生信-医学影像多模态融合的儿童注意力缺陷与多动障碍智能筛查平台。

③面向精神障碍康复（焦虑、抑郁）：交付1套基于非侵入式脑机接口的精神障碍评估系统，该系统可依据评估结果生成≥2种无创神经调控技术干预方案，为临床诊疗工作提供科学指导。

④面向认知障碍康复（MCI、AD）：交付1套融合量表、语音、脑电等多模态的非侵入式脑机接口认知障碍评估系统。可基于评估结果提供针对性认知康复干预建议，指导临床开展认知功能恢复训练。

⑤面向意识障碍康复（颅脑损伤、脑血管疾病术后）：交付1套基于非侵入式脑机接口技术的意识障碍分级评估系统（≥2种模态），结合评估数据制定个性化意识唤醒干预方案，辅助临床开展意识障碍康复诊疗。

2.知识产权

（1）学术成果：发表相关论文≥6篇。验收依据为录用通知书、期刊原文。

（2）专利：申请发明专利≥2项、实用新型专利≥5项。验收依据为受理、授权通知书。

（3）软著：软件著作权累计≥5项。验收依据为受理、授权通知书。

（4）标准与规范：编制完成1项非侵入式脑机接口技术康复应用方向团体标准。验收依据为标准草案、发布通知。

三、关键绩效指标

1.临床成效：

（1）临床验证：完成前述五类功能障碍人群的非侵入式脑机接口康复临床验证，每类人群验证数量不低于50例。临床验证通过率≥98%，无严重不良事件。验收依据为患者康复评估记录。

（2）康复效果：

①面向运动功能障碍康复（如脑卒中、脊髓损伤）：Fugl-Meyer量表评分平均提升≥20分；

②面向认知行为功能障碍康复（ADHD）：诊断分型评估效率平均提升≥20%，与传统评估结果一致性≥80%；

③面向精神障碍康复（焦虑、抑郁）：汉密尔顿抑郁量表（HAMD-17）得分平均下降≥10分，汉密尔顿焦虑量表（HAMA）得分平均下降≥7分；

④面向认知障碍康复（MCI、AD）：筛查评估效率平均提升≥30%，与传统评估结果一致性≥90%；

⑤面向意识障碍康复（颅脑损伤、脑血管疾病术后）：建立精细化昏迷程度分级评估标准，与传统评估结果一致性≥85%；

⑥患者整体康复满意度≥90%。验收依据为患者康复评估记录、问卷统计。

（3）服务能力：拓展脑机接口特色门诊以及专业化病房，日均康复服务人次提升≥20%；通过直属托管的灵璧县人民医院等，下沉延展部分场景至县级医院，提升基层医院康复诊疗能力，拓展基层脑机接口康复试点≥3个。验收依据为服务患者记录统计。

2.专业技术人才培养

在院内完成对相关科室医护人员的脑机接口素养能力培训≥1500人次。依托本院场景接待参观交流≥50次，学术会议≥1次，完成≥30位基层康复工作人员培训，考核通过率100%。验收依据为培训、会议和考核记录。

3.产业协同与“双招双引”

（1）经济效益：以本项目带动省内创新医疗器械研发、AI算法迭代与BCI技术转化协同发展。新增脑机接口康复产品医疗器械注册证≥2张，参与相关产品研发及生产制造的本省配套企业（单位）≥3家，带动企业研发投入不少于1000万元，打造皖产标杆产品，长期拉动产值超过1个亿。验收依据为食品药品监督局医疗器械申请受理证明、审计报告。

（2）与≥3家单位签订战略合作协议，共建并挂牌临床科研合作示范基地≥1个。验收依据为合作协议、挂牌证明材料。

（3）引进康复工程、神经工程、物理医学、人工智能方向硕博人才≥2名。验收依据为聘书、学历证明。

为高效推进本项目落地，突破基于非侵入式脑机接口的“AI+康复”场景创新的关键技术瓶颈，本项目拟采用“揭榜挂帅”模式，面向具备人工智能、脑机接口、康复机器人等相关技术优势的企业，开展联合攻关与协同创新，具体要求如下：

1.企业资质方面：优先遴选具备医疗器械注册证与规模化交付经验的AI企业作为唯一揭榜主体，要求企业获得高新技术企业认定，注册资本≥4000万元；单位无违法犯罪等不良记录。

2.技术能力方面：揭榜单位须具备成熟的脑机接口系统研发、人工智能算法开发及医疗设备集成能力，拥有下肢康复外骨骼机器人或脑机接口产品Ⅱ类医疗器械注册证，可提供稳定可靠的脑信号采集设备、康复外骨骼机器人设备等，保障技术实用性与可行性；针对儿童ADHD场景，已有相关评估及训练设备及知识产权；针对职业健康场景，已有在特定人群情绪评估及干预设备。有效保障项目技术的创新性与安全性，降低研发风险。

3.产学研用经验方面：须具备脑机接口和康复机器人相关方向省级及国家级科研项目参与经验，拥有创新处理脑电等多模态信息以及构建垂类模型经验，拥有与相关单位共建省级及国家级联合实验室或其他相关科研平台的经历；拥有科研项目转化为医疗器械产品、取得注册证并产业化的完整案例。

4.合作模式方面：揭榜单位需与申报单位深度协同，组建结构合理的跨学科技术团队，核心成员应涵盖人工智能算法工程师、临床/康复专业人员、研发工程技术人员、医疗器械注册以及体系人员等，具备丰富的人工智能医疗项目研发、系统集成及临床落地经验，共同开展技术研发、系统集成、临床验证及成果优化，聚焦脑机接口技术在康复医学领域的应用转化，联合推动科研成果市场化、产业化落地，实现产学研用深度融合。

本项目通过建立航空装备维修智能体，在航空维修全过程实施智能化应用，打造航空装备智能运维与决策标杆系统，推动行业从“经验驱动”向“数据驱动”转型，形成可复制推广的智能保障新范式，推动航空装备维修低成本、高质量、短周期、可持续发展，为我国高端装备制造业智能化升级提供示范。

（一）项目成果形式

1.技术成果：通过对航空装备维修全过程与人工智能相结合，形成一套高效保障的航空装备维修智能体系统，实现技术资料自动化寻优生成、维修资源预测性储备和维修决策智能化评判。

2.应用成果：在试点航空装备生产线实施部署，实现对装备维修全过程智能化管理，有效降低对个人经验的依赖，提高修理质量一致性，缩短装备修理周期，显著增强军事效益。同时，成果具备良好的可扩展性，可向航空装备其他系统以及直升机、运输机等其他机型复制推广，形成覆盖更广泛装备类型的智能化维修保障能力。

3.标准成果：基于项目技术和应用成果，总结归纳形成通用性方法论和标准规范，预计可形成发明专利不少于10 项，企业或行业标准不少于5 份。

4.人才成果：本项目在实施过程中，将形成一支专业横跨航空装备维修、智能化应用的融合性专业团队。培养和引进硕士以上专业技术人员不少于20 人。

（二）项目关键绩效指标

1.低成本

基于维修智能体对航空装备状态评估，预测装备故障情况，科学制定库存计划，降低成本。预计管理成本降低40%，库存损失由2000万/年降低至1200万/年。

2.短周期

随着维修智能体的深入建设，在技术资料整理和生产过程实现对周期的压缩，技术资料解析和转化预计由2年压缩至0.5年，修理实施周期由280天/架次，减少至240天/架次。

3.高质量

以深度检测和评估为抓手，减少人为差错，精准提升修理后装备质量。通过维修大数据挖掘、仿真和实物验证、可靠性评估，精准判断修前航空装备质量弱点和缺陷，将工厂资源主要布局到重点维修区域，恢复装备可靠性，各项性能指标满足军用需求。

本项目以装备维修企业为主要牵头单位，负责业务流程、解决方案和成果落地工作，需与相关单位开展合作，负责AI基础平台建设和软件代码编写等工作，为通用性工作。为确保项目顺利实施、技术突破和成果落地，对揭榜方提出以下综合性要求。

（一）揭榜方资格性和符合性要求

1.资格条件

具备独立法人资格，具有有效的营业执照（或事业单位法人证书）；须具备涉密信息系统集成乙级资质及以上（业务类别为总体集成）或武器装备科研生产保密资质（一级或二级）。

2.信用要求，揭榜方不得存在失信行为。

（二）合作单位类型要求

1.揭榜企业

企业应具备完整的研发和工程实施能力，能够支撑航空装备维修保障全流程智能体的开发、测试与工业化应用，同时有能力参与技术标准制定、软件平台维护和系统迭代优化，推动故障分析处置能力的智能化升级。希望揭榜方能够联合在工业智能、人工智能、大数据分析及智能制造领域，拥有成熟的工业AI 应用经验，并熟悉航空装备维修保障、航空装备生产制造、质量控制等流程，能够提供软件系统开发、数据处理与工业现场集成服务，具备核心技术实力的头部企业。

2 揭榜国内高校

鼓励与国内重点高校开展合作，特别是控制科学与工程、系统工程、人工智能、计算机科学、工业大数据、航空宇航科学与技术等相关方向的A 类学科科研团队。高校团队应具备前沿理论研究能力和模型算法创新能力，能够为航空装备维修保障智能体设计提供核心技术支撑，包括深度学习、多目标优化、知识图谱构建、故障诊断与预测性维护等关键技术。具备产学研结合经验，能够在项目中参与技术攻关、方案论证、实验验证及成果转化工作，推动航空装备维修保障与故障分析处置的智能化、系统化发展。

3.科研院所及行业技术中心

支持与科研院所或行业技术中心开展合作，充分利用其在航空装备维修保障领域的技术研究、标准制定、试验验证、流程优化等方面的优势。科研院所应具备工程化能力，能够将研究成果与企业维修保障需求相结合，实现理论模型在航空装备维修现场的有效落地与验证。通过产学研用协同，形成完整的技术创新闭环，为航空装备维修保障技术的示范应用与推广提供有力支撑。

（三）专家及团队构成要求

1.多学科背景

团队成员应涵盖人工智能算法、工业自动化控制、维修流程建模、数据采集与处理、系统集成及工程应用等多个学科领域。核心技术专家须具备深厚的学术积累和工业应用经验，能够从算法设计到系统部署提供全面指导。核心专家应在智能制造、工业AI、维修优化或航空装备维修保障相关领域拥有标志性成果或知识产权，具有独立完成复杂算法开发和工业验证的能力。能够统筹项目技术方向，指导团队在智能体算法开发、维修数据建模、多目标优化与协同控制等方面取得突破。熟悉航空装备维修保障的工艺流程及约束条件，能够将理论模型与工程实践有效结合。

2.专业能力与技术水平要求

能够独立研发航空装备维修保障全流程协同寻优智能体的核心算法与系统，涵盖数据预处理、预测建模、优化决策与控制执行。在多目标优化、智能决策、工业AI 模型训练等领域具有前沿技术水平。能够将研究成果快速转化为可实施的维修保障应用方案，在维修现场实现端到端的数据采集、分析、优化与闭环控制。具备跨维修环节、跨性能指标协同优化能力，确保保障方案、维修效率、设备可靠性、维修成本、安全性和保障能力等指标的动态平衡。

（一）成果形式

软件成果：①棉浆在线高精度检测系统1套；③半成品与成品多指标智能高效监测系统1套；④多模态感知融合算法模型库1个；⑤ “端-边-云”一体化协同管理平台1个，实现数据存贮、追溯等功能，并构建数字档案，具备为工艺联动调控提供数据支撑能力。

硬件成果：①生物基纤维杂质多模态AI感知在线智能剔除设备1套；②棉浆半成品理化指标连续式智能检测设备2套。

文档与数据成果：①技术标准3项以上；② 缺陷样本行业数据库1个（覆盖1000+缺陷样本）；③系统技术手册、测试报告、验收报告各1份；④ 项目总结与推广方案1份。

（二）关键绩效指标

降本提质指标：棉浆缺陷识别精度达0.2mm，漏检率≤1%，原人工抠拣岗位减少用工50%以上；实现溶液配置/投放、液位检测、流洗、物料装夹以及工序流转等功能智能化，整体检测效率提高20%，产品关键理化指标检测准确率≥98%；质量合格率提升至99.5%，替代原岗位人数≥50%。

产业与社会效益指标：申请相关专利/数据知识产权≥4项，软件著作权1项；形成行业或企业标准≥2项；形成可复制推广方案，培养或引进数字化领域高级专业人才≥1人。

（一）合作单位类型要求

企业类：①具备“人工智能+工业制造”领域成熟项目案例，近3年完成过至少2 流程型制造业AI应用项目；②掌握多模态感知融合、边缘 AI、数字孪生等核心技术，具备“端-边-云”一体化系统开发与集成能力；③可提供本地化技术服务，响应时间≤2小时，能快速解决项目实施与运维中的问题；④与国内主流工业互联网平台有合作经验，具备系统适配与数据对接能力者优先。

高校/科研院所类：① 聚焦人工智能、工业智能等领域，拥有不低于10人的技术研发团队；②近3年在多模态感知融合、故障诊断、智能检测等方向发表过高水平论文或获得过相关专利；③具备产学研合作经验，能提供技术理论支撑与高端人才支持，协助开展技术攻关与成果转化；④在工业互联网、“智改数转”等领域，具有相关荣誉资质、项目承接经验。

（二）专家及团队要求

1.核心专家：① 核心专家需拥有博士学位或高级职称（具有正高级职称的优先考虑）。在人工智能+工业制造领域从业≥3年，在国内外主流期刊发表过相关领域高水平论文。②熟悉制浆造纸或生物基纤维制造工艺，或具备制造业AI应用深度实践经验者优先。

2.团队配置：① 团队规模不少于10人，核心成员涵盖算法开发、系统集成、工艺对接、结构设计、控制开发、项目管理等专业方向；②算法开发人员须具备多模态融合、深度学习等技术研发能力，系统集成人员需有工业软件对接与部署经验；工艺对接需包含机自动化技术研发的人员；结构设计/控制开发，具备智能装备、自动化产线、专机设计能力；配备专职项目经理，具备全流程管控能力。③团队需保障充足驻场时间，确保与企业精准对接需求，高效推进项目实施；④具备完善的项目管理体系，能按计划完成系统开发、测试、部署与验收。

（三）其他要求

揭榜方需承诺项目成果知识产权清晰，与企业共享应用权，无知识产权纠纷；需协助企业开展技术培训，确保企业团队能独立操作与维护系统；项目验收后需提供至少1年的免费技术支持，包括系统优化、故障处理、模型迭代等服务。

1.成果形式

（1）示范产线：建成1条“基于数字孪生的废钢调温冷料 AI 全流程智能化示范产线”，整合边丝球卷料、宽幅大卷废料、废钢厚料三类加工单元，实现从原料开卷、智能检测、矫直限位到定长裁切、成品归集的全流程AI管控，关键工序无人化作业工位覆盖率100%，形成可复制推广的废钢加工智能制造新模式。

（2）知识产权：申请专利10件，其中发明专利不少于7项、软件著作权2项、PCT专利1项，构建自主知识产权核心技术体系；发表论文不少于5篇，其中SCI/EI等高水平论文不少于2篇。

（3）新技术或模式：形成面向废钢调温冷料加工的人工智能驱动新技术/新模式≥2 项，包括但不限于基于深度学习的卷料形态识别与卡卷预警技术、基于多源数据融合的加工参数智能优化系统等。

2. 关键绩效指标

（1）产量提升指标：边丝球卷料裁切频率≥5次/秒，宽幅大卷废料裁切频率≥1次/秒，厚料切割无卷边、漏料缺陷，产量≥7000吨/年。

（2）降本增效指标：综合生产成本降低≥15%（通过提升材料利用率、节能降耗实现）；产线综合设备效率提升≥20%；单条产线仅需1名操作人员；设备快速换型时间缩短≥30%，提升多规格原料适配能力。

（3）经济效益指标：项目建成后两年内，通过产能释放与品质提升，实现新增销售收入不低于5000万元；形成的智能加工解决方案具备跨行业复制能力，为公司拓展智能装备业务奠定基础。

（4）“双招双引”指标：引进博士及以上高层次人才≥1 人，人工智能、智能制造相关工程技术人才≥6人，打造复合型创新团队；带动上下游智能装备、工业软件企业在皖合作≥2 家，引入外部技术或产业合作伙伴≥5 家，助力安徽省钢铁行业智能绿色转型。

1. 合作单位类型

本项目优先选择与马钢集团同处本地区、具备良好地缘优势和长期合作基础的高校及科研企业，重点面向本地具有冶金工程行业背景的科研团队。我们欢迎具备以下条件的高校、科研院所或高新技术企业参与揭榜：

高校/科研院所：优先选择在人工智能、机械结构优化设计、机电液一体化控制、运动控制与伺服驱动、机器视觉与智能检测等领域具有深厚研究积累，拥有省部级以上科研平台（如重点实验室、工程研究中心），且具备机械工程、电气工程及控制科学与工程等相关学科硕士/博士点的高校。

企业：在废钢加工装备、智能检测与控制、机器视觉系统开发等领域具有自主研发能力和工程化应用经验，具备较强技术研发团队和试验验证条件，能够与马钢集团形成产学研用协同创新。

2. 合作团队要求

专业背景：合作团队应长期从事机械结构设计与优化、机电液一体化系统集成、运动控制与伺服驱动、数字孪生、机器视觉检测算法与系统开发等方向的研究。具备废钢卷料矫直、切断、输送等关键工艺装备的研发能力，熟悉废钢加工装备整机开发流程。

实践经验：在关键零部件结构优化设计、液压系统动态特性分析、多轴运动控制算法开发、基于深度学习的视觉检测模型构建等方面具有扎实的理论基础和工程实践能力。

合作基础： 优先考虑与钢铁企业有长期产学研合作基础的团队，熟悉钢铁生产现场环境与工艺流程，能够快速理解企业实际需求并提出切实可行的技术解决方案。

3. 合作基础与意愿

合作单位应具备良好的科研诚信记录，承诺投入充足的科研力量，组建专职研发团队驻企开展联合攻关，确保项目按期保质完成。

鼓励揭榜方联合上下游企业形成产学研用协同创新联合体，共同推动废钢冷料再加工智能装备的工程化应用与产业化推广。

1. 成果形式

知识产权成果：申请发明专利≥3项，获得软件著作权≥1项。

产品成果：完成琼脂糖琼脂糖凝胶电泳AI智能分析系统1 套，实现公司内部本地化部署，配套适配公司生产流程的标准化操作SOP与合规化审计手册。

AI 应用场景落地与验证成果：完成两大核心场景的落地验证，一是生物医药工业化生产AI标杆应用场景，在通用生物（安徽）股份有限公司基因合成、质粒质控、测序前样本质控等核心生产环节，完成琼脂糖琼脂糖凝胶电泳AI智能分析系统的全流程落地部署，针对规模化、高通量生产场景开展系统稳定性、适配性及提质降本增效效果的全维度验证。二是AI 技术性能验证场景，针对系统在公司生产场景下的核心性能指标开展内部全项验证，形成完整的内部性能验证报告与应用效果评估报告。

2. 关键绩效指标

技术性能指标：系统泳道自动识别准确率与条带自动识别准确率≥95%。定量误差≤±3%，漏检率≤3%，误检率≤2%。单张图像全流程分析响应时间≤1秒。

系统对接。AI 分析结果采用标准化数据格式，可直接对接现有业务系统。

软件功能。输入要求：支持格式：JPG、PNG、BMP、TIFF、GIF。图像规范：分辨率＞2K（1944×2592）、清晰度≥90%、遮挡面积≤10%。核心输出：识别明细：Marker 位置、泳道位置、条带分子量。异常提示：含原因与处理建议（图像、算力、设备类）。标注图像：PNG/JPG 格式，保留原图清晰度。统计报告：支持 Excel、PDF 导出。运行日志：TXT 格式，含时间、过程、结果、异常。

软件功能评价指标：准确性：≥95%。定量误差≤±3%，漏检率≤3%，误检率≤2%。实时性：单帧图像分析延迟≤1秒，批量100 帧处理：平均速度≥1帧/秒。完整性：复杂场景完整识别，无重复、无遗漏，输入格式兼容率100%，输出结果完整，文件导出成功率100%。稳定性：每日连续运行10小时，无崩溃、无闪退，高负载运行无内存泄漏，性能波动≤1%，异常可自动恢复，识别数据不丢失、不重复。

3. 降本、增效指标

项目落地后，通用生物琼脂糖凝胶图像分析环节人工成本降低80%以上，单批次样本处理效率提升90%以上；消除人工判读主观误差，实验数据可重复性提升35%以上，相关项目交付周期缩短30%以上；摆脱进口商业软件依赖，单套系统年软件服务成本降低60%以上。

4. “双招双引”与产业落地指标

项目实施期内，引进1-2名技术研究人员，负责系统在公司内部的落地适配、运行维护与产学研技术对接工作。

项目聚焦AI计算机视觉与生物医药交叉领域，拟与具备相关技术能力的单位开展产学研合作，协同完成核心技术攻关与公司内部生产场景的落地验证。

合作方团队须同时配备AI计算机视觉、生物医药两大专业方向的核心研发人员，具备跨领域融合的技术研发与场景落地能力。能够针对公司真实生产场景的需求，完成算法优化、系统开发、适配部署与性能验证工作。

专家及团队要求方面，揭榜团队须具备AI计算机视觉与生物医药交叉领域的扎实研发能力，并拥有丰富的产学研协同与成果转化经验。

核心团队负责人须具有高级职称，主持过国家级或国际重要科研项目，在计算机视觉、医学图像分析或多模态智能感知方向发表高水平论文，具备突出的算法创新能力与工程落地能力。其他核心成员需具有副高级及以上职称，并在分子生物学、生物检测技术、实验标准化或生物医药合规化等领域拥有5年以上研发或技术服务经验，能够有效支撑技术在生命科学产业场景中的验证与迭代。

（一）成果形式

设备故障预测与诊断平台：实现关键核心设备的故障预测与诊断。

AI模型库：形成设备故障诊断、良率预测、质量检测、智能排班等场景化AI模型库、数据库、知识库，具备可迭代优化、可推广复用能力。

设备与硬件：根据以上场景模式，提供关键设备及现有设备的改造升级服务，实现软硬件一体化的场景落地。

智能管控平台：建成一体化生产智能管控平台，涵盖设备监控、工艺优化、质量分析、计划调度、供应链协同、仓储管理六大核心模块，功能完整、运行稳定。

论文：发表相关学术论文2篇，有关设备故障预测与诊断的论文至少1篇。

专利：四大核心业务需求分别申请发明专利1项，共计申请发明专利4项。

软著：申请软著1项。

（二）关键绩效指标

1.可实现不少于20台关键核心设备的故障预测与诊断。

2.POL良率统计全流程缩短至10分钟内

排班班表自动生成时间缩短至10分钟内

3.建立治具数据库、知识库1个

4.产品质量检测，视觉检测部分准确率≥98%，过检率≤1.5%，漏检率≤=0.5%。

1.揭榜主体的需求

（1）优先企业+高校联合体申报，鼓励产学研用协同，由1家牵头单位联合最多不超过2家合作单位共同揭榜。

（2）高校方须为国内正规高等院校，在模式识别、深度学习、机器视觉、工业图像检测、知识工程、多模态大模型等研究方向有稳定科研团队与国家级项目经验。

（3）企业方须为智能制造/AI解决方案服务商，具备工业软件、MES、智能检测、产线数字化交付能力，熟悉显示面板/半导体制造场景优先。

（4）企业方长期深耕电子信息、智能装备及半导体智能制造设备领域，拥有与本攻关方向紧密相关的自主授权发明专利。

2.所属领域及技术水平的要求

（1）项目团队需包含正高级/副高级职称专家，主持或承担过国家自然科学基金、省级AI/视觉类、多源异构数据处理、知识工程等项目，在小目标检测、图像分类、缺陷识别、图像超分和去噪方面有核心成果与发明专利。

（2）技术团队需同时具备视觉检测、知识工程、多模态大模型等AI算法研发与工业场景工程化落地双能力，能完成从算法模型→软件系统→产线及设备集成全流程交付。

（3）具备产品缺陷AI检测、工业视觉质检、生产数据挖掘、智能运维同类项目案例，可快速适配惠科光电生产场景。

（4）拥有两类及以上半导体设备的成熟应用案例与市场化推广经验。

3.技术方向与交付要求

（1）聚焦AI+显示面板智能制造，重点支持：AI视觉高精度检测、小目标缺陷识别、产线数据智能分析、质量预测与生产优化、设备故障预测与分析。

（2）解决方案需算法自主可控，提供可验证、可落地、可量产的工业级系统，满足车间现场稳定性、实时性、精度指标。

（3）承诺项目周期内完成部署调试与验收，提供培训、运维、迭代优化全周期服务。

4.其他说明

本次项目总投资规模约2000万元，要求申报单位可统筹承接软件技术开发与硬件设备供应一体化任务，确保方案落地性与成本可控。我方将综合科研实力、设备供应能力、技术方案及产业匹配度等因素，择优确定揭榜单位。

需求一考核指标：

开发AI驱动的车身覆盖件工艺数模智能设计系统，完成10款车型50件覆盖件工艺数模设计，申请专利2件，其中发明专利1件，授权软件著作权1项，招引培育专业人才2人。项目研究技术应用于场景设计、制造全流程，帮助企业新增销售收入≥500万。

需求二考核指标：

开发AI驱动的车身覆盖件模具结构智能设计系统，完成5款车型10套覆盖件模具质量设计，申请专利2件，其中发明专利1件，授权软件著作权1项，招引培育专业人才2人。项目研究技术应用于场景设计、制造全流程，帮助企业新增销售收入≥2000万元。

需求三考核指标：

购置大型服务器，本地化部署开源LLM大模型，建成私域AI的车身设计制造知识重用知识生成和自学习系统，辅助工程师完成100款产品塑性成形工艺及模具设计。获得软件著作权登记1项，招引培育专业人才1人。项目研究技术应用于场景设计、制造全流程，帮助企业新增销售收入≥500万。

需求四考核指标：

（1）车身覆盖件开裂、起皱、回弹等典型成形缺陷预判准确率≥95%， 设计阶段质量风险前置解决率≥90%，实现车身成形质量从“事后整改”向“事前预防”核心转型。

（2）车身覆盖件冲压成形一次合格率提升至98%以上，稳定保障产品外观与整车性能品质。

（3）完成车身成形质量缺陷历史案例入库≥500套，构建质量因果推理规则≥200条，建成完善的私域质量知识图谱。

（4）系统覆盖5款车型车身覆盖件全流程质量管控。

（5）获得软件著作权登记1项，招引培育专业人才1人。项目研究技术应用于场景设计、制造全流程，帮助企业新增销售收入≥1500万元。

需求五考核指标：

（1）排程响应时间缩短80%以上，排程精度提升至95%。

（2）生产品种切换时间缩短70%以上，订单交付准时率提升至98%，生产效率提升30%。

（3）制造资源（设备、人力、物料）的动态优化配置，资源利用率提升25%。

（4）形成“Agent智能排程+全流程无人化生产+数字化管控”的新型生产模式。

（5）获得软件著作权登记1项，招引培育专业人才1人。项目研究技术应用于场景设计、制造全流程，帮助企业新增销售收入≥1500万元。

本项目涉及计算机科学、车身塑性成形、汽车模具设计、人工智能、智能制造等多学科交叉领域，需产业链上下游企业、高校、科研院所开展产学研联合攻关，具体要求如下：

一、合作单位要求

1.  高校及科研院所：需在材料加工工程（车身塑性成形方向）、机械工程（汽车模具设计方向）、人工智能（生成式AI、工业大模型、智能体研发方向）、智能制造（柔性制造排程方向）领域具备深厚研究积累，拥有省部级及以上相关科研平台，主持过汽车模具智能化设计、工业大模型研发相关省部级及以上科研项目，具备核心算法研发与理论创新能力，可为项目提供技术攻关与理论支撑。

2.  企业单位：优先新能源汽车整车制造、汽车模具头部企业，具备车身覆盖件设计制造全流程产业化落地能力，拥有成熟的生产场景与工程验证条件，可提供项目研发所需的海量工艺案例、生产数据与应用场景，保障技术成果快速完成产业化验证与市场转化。

二、专家及团队要求

1.  团队需覆盖车身塑性成形、生成式AI、工业大模型、模具设计、智能制造等多学科专业背景，核心成员须具备副高级及以上职称或同等行业资深从业经验，拥有3年以上相关领域研发经历，具备丰富的产学研协同项目实施经验。

2.  核心专家需在汽车模具智能化设计或工业AI领域有突出成果，主持过省部级及以上相关科研项目，具备工业大模型本地化部署、智能体系统开发、车身成形工艺算法研发的实操能力，拥有相关发明专利、软件著作权等自主知识产权成果，可带领团队完成核心技术突破与产业化落地。

1.技术与平台建设指标

（1）计算设计与候选分子生成能力：建成农药候选虚拟化合物库，规模达到千万级。建立分子设计与合成路径关联机制，具备明确可合成路径的候选分子占比不低于70%。构建基于可合成性评估的分子设计模型，开发不少于5个具有自主知识产权、且具备规模化量产潜力的高活性候选化合物。

（2）候选分子合成工艺开发：建成从间歇反应向连续流工艺转化的微反应优化平台1套。针对核心化合物打通连续流合成工艺，核心反应环节的收率较传统工艺提升10%以上，反应停留时间缩短50%以上。

（3）晶型筛选与结晶生产指标：建成具备实操价值的晶型开发与制备体系1套。完成5个以上目标分子的多晶型的高效筛选，开发出具备产业化优势（如高溶解度、抗结块等）的新晶型不少于2个，并对于至少1个新晶型依托结晶系统实现百克级别工艺的放大验证，验证原药晶型纯度达到98%以上，批次间的质量差异（RSD）稳定控制在5%以内。

2.提质、降本与增效指标

显著提升原药产品的一致性与稳定性。通过放大过程中的转晶控制与连续流工艺的杂质抑制，有效解决下游制剂加工中常见的结块、沉降和有效成分降解等产业痛点，提升产品终端药效。

将车间生产约束前置到设计阶段，直接规避“无法低成本量产”的废路线，整体研发试错成本降低30%以上。依托连续流工艺，相关车间能耗预期降低20%，溶剂及原材料消耗大幅减少。

打通“实验室-中试-量产”的转化堵点，使新化合物从设计到完成中试工艺验证的整体周期缩短30%以上，大幅加快高端绿色植保产品的上市步伐。

3.成果产出与产业化指标

（1）新分子与新成果产出

项目实施期内，完成不少于5个新型农药候选分子的设计、验证与合成路线开发，形成具有进一步开发潜力的研究成果。针对1-2个极具潜力的新型绿色农药产品，完成室内活性、田间药效、毒理学及环境相容性等系统评价。

（2）知识产权

形成一批自主知识产权成果，重点围绕新分子、新晶型及关键工艺等申请10个以上国家发明专利，形成相关专利申请与知识产权布局，提升重点品种的自主开发能力和市场竞争力。

4.“双招双引”与社会服务指标

（1）招才引智

依托本平台，引进或培育具备农药研发、连续流工程转化、晶体工程及数据计算交叉背景的高层次技术专家或团队1-2个；联合行业重点企业和科研单位共建联合研发平台，培养和引进一批具备人工智能、自动化控制、农药学等交叉背景的青年科研骨干，提升团队协同攻关能力。

（2）产业带动

依托本项目突破的量产技术，带动企业新增连续流微反应器、结晶工艺筛选及放大等设备投资及产线升级改造投入；吸引上下游产业链合作伙伴建立联合工艺开发合作。

揭榜方应优先联合以下几类单位共同申报或协同实施：一是具有较强农药创制、农药学、晶体工程、制剂工程等研究基础的高校和科研院所，能够为项目提供分子设计、晶型开发、制剂评价及机理研究等方面的技术支撑；二是具有农药研发、登记申报、中试放大和产业化经验的农化企业，能够推动项目成果在产品开发和产业应用中的转化落地；三是具备人工智能、计算化学、自动化控制、高通量实验平台建设等技术优势的科研单位或科技企业，能够支撑项目在数据整合、模型构建、自动化合成和智能筛选等方面的技术实现。鼓励产学研用联合组建创新联合体，形成任务清晰、分工明确、优势互补的协同攻关机制。

揭榜方应具有稳定的研究队伍和良好的跨学科协作基础，核心团队应覆盖农药学、有机合成、晶体工程、制剂学、计算化学、人工智能、自动化控制等相关领域。项目负责人应在绿色农药研发、智能化设计、自动化实验或晶型开发等方向具有较高学术水平和较强组织协调能力，主持或承担过国家级、省部级科研项目或重大产业化项目，具备统筹推进多单位协同攻关的经验。团队骨干成员应在相关领域具有较好的研究积累和代表性成果，能够承担关键技术攻关、平台建设和成果转化等任务。

揭榜方应具备较好的项目实施条件，包括但不限于多源数据整合与管理基础、分子设计与计算分析能力、自动化合成与高通量筛选实验条件，以及农药活性评价、晶型表征和制剂开发等配套研发能力。对于拟开展产业化应用的单位，还应具备较强的成果转化、知识产权布局和产业协同能力，能够推动项目形成的新分子、新晶型及相关技术成果向登记、放大和产业化环节延伸。

1.核心成果

（1）本项目拟形成面向装配式木结构墙体生产的人工智能场景化智能制造解决方案，围绕图纸解析、木料智能识别与抓取、多机器人协同组框与打钉质量闭环控制、产线物流智能调度与设备预测性维护等关键环节，建设1套贯通设计、生产、物流与运维全过程的示范应用系统，推动装配式木结构墙体生产由传统经验驱动向数据驱动、智能协同和闭环优化转变。该示范应用系统主要包括三方面内容：

①形成四大AI场景核心算法模型，涵盖图纸智能解析模型、木料视觉识别与抓取模型、多机器人协同控制与打钉质量监测模型、AGV智能调度与设备预测性维护模型；

②建设五大智能化应用系统，包括图纸智能解析与工艺任务自动生成子系统、AI视觉引导机器人抓取子系统、多机器人协同组框与打钉质量控制子系统、AGV集群智能调度子系统和设备预测性维护子系统；

③构建1套算力支撑平台，实现模型集中训练、现场推理应用与端侧数据采集的闭环管理。项目实施完成后，将形成较为完整的成果体系。

（2）除建设完成1套示范应用系统外，还将形成技术报告1份、测试报告1份、应用验证报告1份，系统总结项目建设路径、关键技术实现方式、测试验证结果和示范应用成效；同时，围绕项目实施过程中形成的关键技术与应用成果，计划申请专利3项、取得软件著作权2项，进一步固化项目创新成果，增强项目的技术输出能力和成果转化价值。

2.关键绩效指标

（1）在建设成效方面，项目实施后预期实现装配式木结构墙体柔性定制订单任务响应效率提升20%以上，上料作业效率提升15%以上，组框作业效率提升15%以上，产线物流调度与设备运维综合效率提升15%以上。通过图纸智能解析、木料智能识别与抓取、多机器人协同组框与打钉质量控制，以及物流智能调度与设备预测性维护等应用，可有效提升设计制造协同效率、物料供给稳定性、组框作业一致性和产线连续运行能力。

（2）在人工智能特色能力方面，项目将建立1套基于生产数据的模型持续优化机制，形成面向图纸解析、视觉识别、协同控制和调度维护等核心场景的模型迭代更新能力，具备规则迭代、自学习优化、复杂工况自适应调整和异常场景局部自恢复能力，并完成示范应用验证。

（3）经济效益方面，预计年节省人工成本约300万元，减少物料浪费约200万元。

（4）在行业引领方面，项目建成后将填补国内木结构行业AI全流程智能化空白，形成可复制推广的智能制造示范样板，吸引AI算法开发、工业软件集成等相关企业等产业链上下游协同创新，助力“双招双引”工作，推动区域智能制造产业升级。

揭榜方须承诺组建现场实施团队，包含算法、控制和软件工程师，累计驻场时间不少于6个月，负责模型训练数据采集、产线联调、现场试运行及操作培训，并自备必要的调试终端、传感器标定工具及安全防护装备。具体合作对象条件如下：

1.企业类合作对象：优先选择具备工业视觉与机器人技术研发能力的科技企业，尤其是在视觉识别、点云处理、机器人抓取规划等领域有成熟产品和落地经验的企业；具备CAD/BIM二次开发、MES/WMS系统开发经验的工业软件企业；熟悉KUKA机器人系统集成、多机器人协同控制的企业；具备AGV调度系统、设备预测性维护开发经验的工业互联网企业。

2.高校与科研院所：优先选择在计算机视觉、深度学习、点云处理领域有较强研究实力的高校，在机器人控制、多机器人协同、运动规划方向有科研积累的科研单位，以及在工业大数据、时序分析、故障诊断领域有研究基础的学术机构。合作单位应在相关领域拥有省部级以上实验室或工程中心，具备将学术成果转化为工程应用的能力。

3.专家团队要求：揭榜方应组建跨学科协作团队，涵盖AI算法、机器人控制、工业软件、装配式木结构工艺四大专业领域。核心专家应在各自领域具有较高的学术影响力或工程实践能力，承担过国家级或省部级科研项目，拥有智能制造、工业AI项目的落地案例。团队应具备产学研合作经验，了解生产现场实际需求，能够将先进算法与木结构生产工艺深度融合，具备跨单位、跨学科的协作管理能力。

4.合作模式：优先采用“企业+高校”联合揭榜模式，形成“基础研究+技术开发+工程应用”的完整链条。企业类合作方负责系统集成、工程化落地和产业化推广，高校类合作方负责核心算法研发和技术攻关。揭榜方应承诺提供不低于项目总投入30%的配套资金或技术资源，确保项目顺利实施。

一、约束条件

实施与交付地：瑞尔竞达智能装备基地特异形大块定形制品产线现场；

适用产品：高炉陶瓷杯、风口组合砖、主沟永久层特异形大块制品；

产品尺寸范围：300mm-1500mm；

环境温度、相对湿度：-10℃~50℃、40%~80%；

环境照度：实施场景现有照度。

二、性能指标

（1）尺寸检测精度：各边长度、对角线、平整度、弧线半径等，检测误差≤1mm；

（2）表面缺陷检出率：对裂纹（宽度≥3mm）、缺棱掉角（单边尺寸≥5mm）、坑洞（直径≥5mm）、异常色斑等表面缺陷的综合检出率≥98%；

（3）误报率：≤1%；

（4）检测节拍：单块制品全自动在线检测周期≤60秒，匹配智能产线运行节拍；

（5）三维空间适配能力：系统能够完成平面与弧面、多角度空间结构的尺寸测量与表面缺陷联合检测；

（6）算法鲁棒性：在复杂光照、多纹理、形态差异等工况条件下，检测精度波动≤5%，具备小样本学习与增量学习能力。

三、功能性指标

（1）多维感知检测功能：具备尺寸偏差检测、缺棱掉角三维尺寸测量、裂纹识别（含宽度、长度、深度及跨面判定）、坑洞识别（含分布位置、直径、深度）、异常色斑识别功能；

（2）智能质量评估功能：针对不同检测项目数据，按产品质量规范分类智能评估单项与综合质量，生成质量报告；

（3）模型优化功能：根据累积的检测数据，采用自主学习或人工辅助等形式对模型进行优化，提升检测精度与鲁棒性；

（4）数据管理与报表输出功能：建立检测结果数据库，支持数据存储、查询、分类统计与表单输出；

（5）工艺协同优化功能：协同利用上游生产工艺参数、模具质量数据，形成“检测—分析—反馈”数据闭环，智能寻优质量提升方案；

（6）超重制品适配功能：支持单重≥100kg特异形制品的位置识别与智能测量器空间匹配。

（7）解析质量规范文件：能够解析质量规范文件（表单或CAD、CAE格式），通过文件获取检测项目的要求数据，用于产品结果判定并可上传。

（8）接口对接要求：在工业网络环境下，与已部署的MES、WMS实现数据对接。

四、经济指标

（1）替代人工抽检，检测人力成本节约≥50%；

（2）由人工抽检转为全自动在线全检，检测效率提升≥200%；

（3）通过全检替代抽检及工艺闭环优化，产品出厂合格率提升≥3%。

五、成果形式

（1）软件系统：1套（含外观检测模块、深度学习算法模块、智能质量评估模块、数据管理与工艺协同优化模块）；

（2）硬件样机：1套（含外观检测装置、异形与超重制品识别测量装置）；

（3）知识产权：≥2项；

（4）技术标准草案：1项。

一、团队要求

拥有计算机视觉、三维重建、深度学习等相关领域的高水平研发团队；

团队成员具备工业视觉检测项目落地经验，特别是复杂形状物体检测场景；

项目负责人应具有省级以上AI相关项目主持经验。

二、技术能力要求

掌握多视角三维重建、点云处理、图像融合等核心技术；

具备小样本学习、增量学习等AI算法研发能力；

熟悉工业现场部署环境，具备软硬件一体化集成能力。

三、产品核心竞争力（人工智能场景）：

多模态融合能力：融合2D/3D视觉、结构光等多维感知手段，实现对特异形砖体全方位检测；

工艺反演能力：通过检测数据反推工艺参数异常，辅助生产优化，形成“检测+诊断+优化”闭环；

场景泛化能力：具备跨产线、跨产品类型快速部署能力，支持多品种小批量生产模式。

合作意愿与机制：

愿意以“揭榜挂帅”方式联合攻关，签订合作协议，明确知识产权归属与利益分配；

支持项目成果在安徽省内乃至全国示范推广，并配合“双招双引”政策落地。

一、新技术新产品指标

1.非侵入式脑—脊髓闭环脑机接口系统：基于脑电（EEG）信号实时解码运动意图，驱动脊髓或外周电刺激。

2.半侵入式皮层信号脑—脊髓接口系统：采用皮层表面/微创植入电极获取高信噪比信号，实现精确解码与闭环刺激。

3.多模态运动功能评估与分层决策系统：融合影像、电生理数据，实现智能分型与治疗路径选择。

4.自适应深部脑刺激治疗系统（闭环DBS系统）：集成神经信号反馈模块，可根据神经活动自动调整刺激参数。

5.精神疾病脑网络精准靶向植入与调控系统：结合多模态影像与电生理评估，实现个体化靶点选择与精准植入。

6.围绕低强度聚焦超声神经调控与多模态脑机接口融合应用，构建“多模态读脑—智能解码—精准调控—闭环优化”的核心技术体系。

7.超声换能器结构优化、便携式fNIRS-EEG一体化采集设备及临床应用装置，脑状态解码算法平台、闭环调控控制系统及多模态数据处理软件。

二、验证具体规则/标准指标

1.脑卒中运动功能重建的侵入-非侵入一体化脑机接口系统临床试验操作与评估规范。

2.脑卒中多模态神经信息融合与迁移学习的非侵入式脑机接口语言解码和康复系统临床试验操作与评估规范。

3.多模态脑信号采集标准、聚焦超声神经调控安全规范及闭环脑机接口临床应用流程。

三、场景建设指标

四大场景全部建成运营，运营达标率≥90%；形成3项可复制脑机接口场景示范案例；建成三级康复网络；建成概念验证+临床验证一体化平台，支撑植入式脑机接口技术快速转化。

四、基础研究指标

攻克侵入式/半侵入式解码、闭环神经调控等1-3键技术；申请发明专利 10 项、实用新型 8 项、软著 6 项，发表高水平论文 5-10篇。

五、临床转化指标

完成临床验证≥100例、年服务神经/精神疾病患者≥300人次，特殊困难群体服务覆盖率≥80%。

六、产业与经济指标

引入2-3家核心配套企业，核心器件国产化率≥60%；核心产品量产，年产能≥200 台套，侵入式成本降低 30%；培育高新技术企业 1-2 家。

七、“双招双引”指标

引育高端团队3个以上，培养复合型人才 10-20名；联合3-5家顶尖机构开展多中心验证，建成长三角产业创新联盟。

八、效益与科普指标。

年降低患者医疗相关支出≥100万元，带动就业岗位≥10个；建成脑机接口科普体验中心，年接待访客≥1万人次，公众脑健康认知率显著提升，形成第三方评估报告1份。

一、高校与科研院所。要求具备脑科学、神经工程、人工智能、生物医学工程、神经信息学等领域深厚研发积累，科研实力国内先进；拥有高场强 MRI、多模态神经信号采集平台、超算中心、生物相容性测试平台等亿元级高端科研设施，具备开放共享条件；近五年主持国家自然科学基金重点项目、国家重点研发计划、脑科学与类脑研究重大项目等脑机接口相关国家级科研项目，在神经信号解码、闭环调控、植入材料、算法优化等方向取得标志性成果；能够深度参与植入式脑机接口基础研究、关键技术攻关、临床前验证、标准规范研制等工作，提供科研资源、实验平台、技术方案与人才团队支撑，推动医工深度交叉融合。

二、企业。要求聚焦植入式脑机接口核心产业链，重点包括低噪声放大芯片、柔性微型电极、植入式脉冲发生器、闭环调控器械、高端康复装备、人工智能算法软件开发等方向；具备ISO13485医疗器械质量管理体系认证，拥有医疗器械研发、设计、生产、质量管控完整能力，年产能≥1000台套，具备中试放大与规模化生产条件；拥有核心技术专利与自主知识产权，在信号处理、电极材料、封装工艺、生物相容性等方面具备技术优势；优先选择安徽省内及长三角地区高新技术企业、专精特新企业，能够参与产品中试、量产制造、产业链配套、成本控制、市场推广、商业运营等全流程工作，协同推进技术产业化与场景落地。

三、医疗机构。要求具备神经外科、康复医学科、精神医学科等重点专科优势，拥有国家区域医疗中心、三甲医院或省级临床重点专科资质；近三年累计开展脑机接口、神经调控、功能神经外科相关临床病例≥50例，具备临床试验管理、伦理审查、患者招募、数据采集、疗效评估能力；能够提供标准化临床验证场景、专属病房、手术条件、患者资源与高质量临床数据，参与临床路径设计、诊疗规范制定、多中心临床验证、基层技术推广等工作；具备多学科协作能力，能够联合工程、科研、产业团队，推动植入式脑机接口快速、安全、规范走向临床应用，服务广大患者。

（1）技术成果：

形成自主可控的工业视觉大模型与多模态协同检测核心技术体系1套；

项目期内申报发明专利≥3项以上，授权≥1项，登记软件著作权≥3项；

牵头或参与制定相关国家/行业标准1项。

（2）应用效果：

缺陷检测结果自动标注准确率≥95%，缺陷类型语音提示成功率≥90%。

铝合金铸件外观缺陷漏检率≤0.6%、良品误检率≤2%；内部微缺陷（直径＜0.2mm）漏检率≤1%，良品误检率≤3%。

产品综合成品率提升至96%以上。

建成1条新能源汽车铝合金铸件缺陷多模态智能检测的人工智能场景示范生产线，实现产品检测全流程自动化、缺陷识别智能化、信息追溯云端化。

（3）产业价值：

单条产线年节约质量成本30万元以上，减少检测人员4人。

形成可复制推广的智能化质检方案，带动铝合金铸造产业链协同创新，助力安徽省新能源汽车产业链智能化升级与高质量发展。

（4）人才培养：

培养工业智能检测与铝合金压铸质量管控方向硕士研究生2～3名，引进博士1名，打造一支兼具算法研发与工程落地能力的专业技术团队。

（一）主体资质要求

揭榜方应为国内依法注册、具有独立法人资格的高校、科研院所或科技型企业，单位运营规范、信用良好，无不良科研诚信记录、失信被执行人记录及重大违法违规行为，具备开展产学研合作的基本条件与履约能力。

本项目面向新能源汽车关键零部件制造领域，技术攻关难度大、产业化要求高，为保障项目顺利实施与成果落地，揭榜方应具备以下资质：制造业单项冠军企业、专精特新“小巨人”企业等行业龙头企业，或本省拥有省部级以上重点实验室/工程技术研究中心的高校院所。具备上述资质的单位在产学研合作、技术研发、产业化落地等方面具有更强的综合实力，能够更好匹配本项目的攻关需求与产业化目标。

（二）团队与技术能力要求

揭榜方应拥有稳定的技术研发团队，核心成员具备工业视觉、人工智能大模型、机器视觉检测、X光/光场成像检测等相关领域的研发基础与相关发明专利、软件著作权等知识产权技术积累。我们期望合作团队在以下一个或多个方向具有显著优势：

1.算法与模型研发能力：在工业视觉、深度学习、大模型压缩与部署等方向有深厚积累，具备工业缺陷检测、小样本学习、多模态特征融合等领域的研究基础，有工业质检类项目研发或落地经验者优先。

2.5G与工业互联网集成能力：具备5G专网建设、边缘计算节点部署、工业数据安全传输与系统集成的工程化能力，拥有在制造业场景落地“5G+MES”项目的实践经验。

3.产学研协同与工程落地能力：具备与制造业企业深度协同的意愿与机制，能够确保研发成果在真实生产环境中落地。团队可匹配项目研发周期内的技术人员投入，具备与牵头单位协同开展技术攻关的能力。

（三）合作履约要求

1.揭榜方需配合牵头单位完成项目核心技术研发、模型开发、产线现场调试与示范应用全流程工作，按项目进度要求交付相关技术成果，配合完成项目验收相关工作。

2.揭榜方需指派固定技术负责人及对接人员，及时响应项目实施过程中的技术需求，协同解决研发与落地过程中的各类问题。

3.揭榜方应共享研发过程中的非涉密技术数据与成果，共同推进技术迭代与行业推广，形成可持续的产学研协同创新机制。

（一）桥式卸船机

1.安庆公司

1.1考核指标：

（1）全自动模式下船舱清空率达到80%以上。

（2）全自动模式下抓斗卸船机的作业效率达到人工效率的85%以上。

1.2项目成果：

（1）申请并受理发明专利2项。

（2）发表或录用科技论文6篇，其中1篇为国家级期刊。

2.合肥公司

2.1考核指标：

（1）全自动模式下船舱清空率达到75%以上。

（2）全自动模式下抓斗卸船机的作业效率达到同工况人工效率的80%以上。

2.2项目成果：

（1）申报并受理发明专利1项、授权实用新型专利1项。

（2）发表科技论文3篇。

3.马鞍山公司

3.1考核指标：

（1）全自动模式下船舱清空率达到75%以上。

（2）全自动模式下抓斗卸船机的作业效率达到同工况人工效率的80%以上。

3.2项目成果：

（1）申报并受理发明专利2项、授权实用新型专利2项。

（2）发表科技论文2篇。

4.铜陵公司

见（二）

（二）门式卸船机

1.  蚌埠公司

1.1考核指标：

（1）全自动模式下船舱清空率达到65%以上。

（2）全自动模式下抓斗卸船机的作业效率达到人工效率的80%以上。

1.2项目成果：

（1）申请并受理发明专利3项、授权实用新型专利2项。

（2）获得软件著作权1项。

（3）发表或录用科技论文3篇，其中1篇为国家级期刊。

2.  铜陵公司

2.1考核指标：

（1）全自动模式下船舱清空率达到80%以上。

（2）全自动模式下门机、桥机作业效率达到人工效率的80%以上。

2.2项目成果：

（2）申请并受理发明专利3项、授权实用新型专利2项。

（2）获得软件著作权1项。

（3）发表或录用科技论文3篇，其中1篇为国家级期刊。

（三）斗轮堆取料机

1.  安庆公司

1.1考核指标：

（1）无人值守系统投用率不低于95%。

（2）定位精度≤0.1米，俯仰角度定位≤0.2度，回转角度定位≤0.2度。

1.2项目成果：

授权实用新型专利4项。

2.  池州公司

2.1考核指标：

（1）无人值守系统投用率不低于95%。

（2）关键机构状态监测点位数量不低于15个。

（3）定位精度≤0.1米，俯仰角度定位≤0.2度，回转角度定位≤0.2度。

2.2项目成果：

（1）完成1项发明专利受理。

（2）授权1项实用新型专利。

（3）发表科技论文1篇。

（四）火车接卸设备

1.  蚌埠公司

1.1考核指标：

（1）拔销装置作业成功率≥95%。

（2）摘钩装置作业成功率≥96%。

（3）正钩装置作业成功率≥99%。

（4）复钩装置作业成功率≥96%。

（5）整体作业成功率≥80%。

（6）自动化作业效率不低于人工作业效率的90%。

1.2项目成果：

（1）申请并受理发明专利1项、授权实用新型专利1项。

（2）发表科技论文1篇。

卸船机、斗轮堆取料机、翻车机是火电厂燃料接卸、储存及供给系统的三大核心设备，对火电厂安全、经济、稳定运行起着关键支撑作用。为保障本项目无人值守智能化改造高质量实施，揭榜单位应满足以下条件：

（一）有卸船机、堆取料机或翻车机等大型机械设备无人驾驶智能化研究案例，提供项目视频资料、运行验收报告、业主证明等佐证材料。有掌握图像识别、机器学习、机器视觉、三维建模、3D智能检测、运动轨迹建模等核心人工智能技术研究及开发能力的专业团队，且担任过人工智能项目经理的人数不少于7人。

（二）需持有电子与智能化工程专业承包贰级及以上资质、软件能力成熟度CMMI3级及以上认证；其中卸船机属特种起重设备，揭榜单位还须具备特种设备生产许可证（许可范围含安装或修理）。

（三）组建专业配置完整的项目实施团队，配备机械工程师、自动化控制工程师、机器视觉/算法工程师、现场调试工程师等专业技术人员；核心成员应具备高级职称及同类项目实施经验，熟悉高粉尘、高湿度、大温差、连续作业等散货码头和煤场极端工业环境。项目实施前须赴电厂现场实地踏勘，详细记录设备运行工况，并与电厂运维人员开展技术交流。

（四）本项目要求揭榜方在成果交付阶段，须形成知识产权归发榜方所有的技术成果。项目实施完成后，发明专利的受理、实用新型专利的授权或软件著作权认定数量须达到各联合申报单位的要求，鼓励申报相关行业科技进步奖。所有核心技术、算法及系统平台须为自主可控，无知识产权纠纷，相关专利、软著需在项目周期内完成申请或授权。完成科学技术成果鉴定，至少达到国际先进水平。确保项目技术成果可转化、可推广，为火电厂燃料系统无人值守智能化改造提供示范支撑。

（五）鉴于本项目涉及场景机会多、研发工作量大，桥式卸船机、门式卸船机、斗轮堆取料机（斗轮取料机）和翻车机的智能化研发及应用实施不能由同一家单位揭榜，桥式卸船机和翻车机为一个揭榜单位、门式卸船机和斗轮堆取料机（斗轮取料机）为另一个不同的揭榜单位。另外，为便于项目协调，发榜时将铜陵公司码头的2台门式卸船机和1台桥式卸船机都放到门式卸船机和斗轮堆取料机（斗轮取料机）这一组；相应地，桥式卸船机和翻车机这一组少1台桥式卸船机。

1.智能安全监管：

成果形式：智能安全监管平台。

关键绩效指标：有效预警及制止人员“三违”行为、危险区域人员进入等安全事件，预警准确率不低于95%

2.智能灾害预警：

成果形式：智能灾害预警平台。

关键绩效指标：水、瓦斯异常预警召回率≥99%。

3.智能打钻作业：

成果形式：智能打钻应用系统。

关键绩效指标：实现远程控制打钻，现场人员干预降低60%以上，验收效率提升60%以上，打钻质量不低于应用前。

4.智能洗选：

成果形式：智能洗选系统。

关键绩效指标：实现重介、浮选关键参数自动智能调控，降低精煤灰分波动，保障生产稳定，精煤产率提升0.05%。

5.设备预测性维护：

成果形式：设备预测性维护系统。

关键绩效指标：在选定的试验设备为基准，在一定周期内，设备异常预测准确率达到85%以上。

6.知识产权：

（1）申请发明专利2件；

（2）编制技术标准2两项，其中国标一项、行标一项，项目结束时完成技术标准起草；

（3）登记软件著作权2项。

7.  “双招双引”成果：

（1）推动场景招商：以AI赋能煤矿智能化升级场景为基础，推动与至少3家省内外企业、高校或科研机构开展技术合作或产业合作。

（2）人才招引：引进技术人才5-10人

（3）技术应用推广：通过项目实践，推广大模型、数字人等前沿技术在煤炭安全生产领域的应用，形成可复制的技术应用模式，为保障国家能源安全提供技术支撑。

（一）合作单位类型与能力要求

优先联合产学研用深度融合的创新主体，鼓励企业牵头、高校与科研院所协同攻关。

企业：应聚焦矿山智慧化运营服务，深耕矿区智慧化转型产品研发、推广及运营全链条，拥有矿山企业数智化、人工智能等项目经验；拥有自主研发实力及自主知识产权相关产品，能提供适配矿山复杂工况及作业场景的成熟技术支撑与规模化工程化实施能力；

高校：应在矿业工程、安全科学与工程、人工智能、控制科学、地质工程等学科优势突出，拥有省部级及以上重点实验室、工程研究中心等科研平台，具备大模型训练、钻探智能控制、井下多源数据融合等理论与技术基础。

科研院所：应聚焦煤炭智能采矿、矿山安全、工业AI检测与装备智能化研究，熟悉煤矿安全规程、井下工况条件与行业标准，具备技术试验、检测验证、标准编制及成果转化能力。

（二）专家及团队领域与水平要求

团队结构合理、稳定可靠，覆盖矿业工程、智能钻探、人工智能大模型、自动控制、地质探测、井下通信等领域。

项目负责人：须具备煤矿主体专业、计算机、人工智能等相关专业本科及以上学历，拥有5年以上矿山数智化或人工智能项目主持或核心研发经历，熟悉矿山复杂工况及智慧化技术应用场景；具备统筹项目研发、落地的组织协调能力，无不良信用及项目违约记录，能全程主导项目实施并保障成果达标。

核心团队：核心团队需覆盖矿业工程、智能控制、计算机等相关专业，成员均具备3年以上矿山数字化/智能化项目实操经历，熟悉矿方作业规范与智慧化技术落地流程；团队结构合理、分工明确，具备研发攻关、工程实施、现场适配的协同作战能力，拥有相关核心技术专利或项目成果，无不良信用记录，能高效支撑项目全周期推进。

技术水平：在行业大模型轻量化部署、钻孔智能决策、复杂地质自适应控制、井下无人作业等方向具备技术积累，能够实现技术成果在井下真实场景示范应用。

（三）综合要求

揭榜方须具备项目实施所需的研发条件、现场试验条件、数据安全与井下安全保障能力，能够按期完成技术开发、系统集成、现场示范与验收交付，形成可复制、可推广的数智化解决方案。

（一）成果形式

1. 硬件

完成中药材切片智能检测系统样机1套。

2. 软件与数据

构建规范化中药材图像数据集1个，覆盖至少10种以上根茎类药材；开发基于注意力机制的中药识别网络模型软件1套；开发基于自适应注意力机制的中药特征描述系统软件1套；获得计算机软件著作权1-2项。

3. 知识产权

获授权发明或实用新型专利2项以上；发表学术论文1篇以上；主导或参与制定企业标准1项（力争升级为行业标准或国家标准）。

4. 技术文档

撰写完整技术研发报告1项，包含设计图纸、算法模型参数、控制软件说明及测试验证报告；编制产品使用说明书与维护手册。

5. 人才培养

通过项目实施，为企业培养掌握机器视觉、人工智能与自动化控制技术的技术骨干3-5人。

（二）关键绩效指标

1. 技术性能指标

外形轮廓及缺陷识别精度不低于0.04mm

本项目0.04mm的识别精度处于国内先进水平。国际领先企业最小识别范围可达0.0004 mm²，在光学分选领域处于顶尖水平。国内智能制造领域已有0.01mm级精度检测的应用案例。国家标准对工业机器人视觉集成系统静态标定精度要求为位置误差≤0.1mm。0.04mm的指标在技术上是合理且可达的。

动态目标抓取误差范围控制在±0.5mm以内

本项目±0.5mm的抓取精度充分考虑动态环境干扰后的综合误差控制。国家标准对工业机器人视觉集成系统的静态标定精度要求为位置误差≤0.1mm；对工业机器人定位精度测试标准要求额定负载下定位误差≤±0.01mm。±0.5mm的指标低于国家标准对静态标定的精度要求，高于机器人本体的理论定位精度，是综合考虑动态场景下视觉定位误差、机器人运动误差、传送带运动误差和手眼标定误差叠加后的设定。

缺陷识别准确率≥99.5%

本项目99.5%的检测准确率与翼方中药及哈工大复杂结构零件检测99.5%等先进案例处于同一水平。翼方中药在实际应用中不同品种差异化的准确率水平，表明99.5%是中药检测领域切实可达的高标准。本项目要求高于TOMRA食品残次品率低于2%的水平。综合来看，99.5%的指标在国内中药检测领域处于领先水平，与国际先进水平差距已显著缩小。

单次检测-抓取周期≤1.5秒/次；可检测药材品种数量≥10种；平均无故障运行时间≥480小时

本项目1.5秒/次的检测-抓取周期与托普云农3秒/样本的分析速度相比更具挑战性，但与Key Technology每小时100万次的检测速度相比仍有较大差距。1.5秒的设定需通过优化视觉算法和机器人运动规划来实现，在技术上是有挑战性但合理可达的目标。

2. 经济效益指标

分拣速度较人工提升≥50%；替代人工数量 3-5人/产线；年新增销售收入≥2000万元；项目总投资 810万元；投资回报周期≤3年。

3. 社会效益与“双招双引”指标

吸引上下游配套企业关注亳州，促进智能装备产业集群发展；引进高层次科研团队建立长期合作机制，柔性引进高层次人才2-3名；开展技术培训2-3场，培训中药材加工企业技术人员50人次以上；推动亳州地区中药饮片抽检合格率提升0.5个百分点以上。

（一）合作单位类型要求

根据本项目技术特点与攻关目标，希望与省内外农业工程、机械工程及计算机视觉领域具有突出优势的高校或科研院所开展合作。欢迎具备算法开发能力或精密控制经验的国内知名理工科高校、科研院所揭榜。

（二）对揭榜方单位要求

1. 研发实力要求

拥有省部级及以上重点实验室、工程研究中心或技术创新中心，在机器视觉、深度学习、机器人控制或智能农业装备领域具有深厚积累；近五年承担过国家级或省部级科技项目，具备组织实施重大科研攻关的经验与能力；具备良好的科研条件与实验平台，能够支撑算法研究、模型训练与系统仿真验证工作。

2. 技术方案要求

能针对本项目提出的核心指标，提出切实可行的技术路线与解决方案；需掌握自主知识产权的核心算法，避免简单套用通用开源模型导致技术壁垒低；须具备将算法模型部署到嵌入式边缘计算设备的实际经验。

3. 产学研经验要求

具有良好科研业绩和成果转化经验的团队，近五年有成功实现技术转移或产学研合作项目验收的案例。

（三）对专家及团队要求

1. 团队带头人要求

在行业内具有较高学术声誉；主持承担过省部级以上科技计划项目并按期通过验收，具备良好的项目管理能力；所属领域聚焦于模式识别与智能系统、机械电子工程、农业电气化与自动化、计算机视觉等与本项目直接相关的研究方向。

2. 专业能力要求

团队需精通深度学习框架与工业机器视觉算法开发，能够有效解决中药材同物异形的识别难题。须具备机器人运动规划与视觉伺服控制经验，能够将算法与PLC、工业机器人进行系统集成。具备图像数据集构建、标注与增强的规范流程，能够保证训练数据的质量与规模。

3. 团队结构与规模

团队核心成员应不少于5人，形成合理的学术梯队，涵盖算法研究、软件开发、硬件集成、机械设计等专业方向；团队成员应具备良好的科研诚信与职业道德，作风民主、严谨务实

4. 时间投入要求

团队带头人应将主要时间和精力用于本项目的组织、协调与研究工作；核心成员需保证每年不少于6个月的实际研发投入时间。

（四）合作机制与保障措施

成立项目联合工作组，双方指定专人负责日常协调与管理；建立定期沟通制度，每季度召开项目进展交流会；明确双方技术接口与分工界面，制定详细协同研发计划；建立知识产权共同创造、共同保护的机制，确保合作成果的合法权益。

1.成果形式

（1）技术成果：

①建成化工安环专用数据中台1 套，具备数据汇聚、治理、服务、指标可视化核心能力。

②建成化工安全生产与环保风险智能管控平台1 套，覆盖多因子预警、态势评估、应急决策、环保智能报送、多级指标可视化功能。

③建成装置级与全流程智能协同优化控制系统1套，覆盖一期丁辛醇全流程关键工段；

④构建化工安全风险指数模型1 套，实现风险动态量化评估。

（2）应用成果：

在曙光化工完成示范应用，实现DCS、GDS、视频AI、人员定位、环保监测、智能优化控制等系统的数据融合与联动预警。

（3）标准成果：

形成1项企业级化工安全风险智能管控标准。

2.关键绩效指标

（1）提质指标

①多源数据融合覆盖≥5 类业务系统，接入数据点位≥5 万个，数据可用率≥99%；

②多因子关联预警准确率≥90%，气体报警误报率下降≥60%；

③风险态势评估覆盖厂区关键场景≥80%；

④环保监管数据报送准确率 100%；

⑤多级指标可视化覆盖率 100%，支持管理层实时管控；

⑥智能优化控制系统覆盖关键工艺回路≥20个，关键工艺参数波动幅度降低≥30%。

（2）降本指标

①安全环保管理人员日常工作量减少≥40%；

②误报引发的停产检查损失减少≥50%；

③环保数据报送人工成本减少≥80%；

④实现优化控制后，装置的运行经济效益提高≥0.5%。

（3）增效指标

①风险预警响应时间缩短至≤1 分钟；

②应急决策处置时间从 15 分钟缩短至≤3 分钟；

③隐患闭环管理周期缩短≥50%；

④管理决策效率提升≥60%；

⑤智能优化控制系统投用后，相关工段操作人员干预次数减少≥80%。

（4）“双招双引”指标

①引进 AI 算法、安全工程、环保监测、先进控制领域高层次人才≥3 人；

②新增就业岗位≥5个，其中技术研发岗位≥5 个；

③项目成果在省内≥2 家化工企业推广应用。

本项目期望与具备以下能力的单位开展深度合作：

1.联合牵头企业

（1）国内工业互联网、5G + 边缘计算、工业数据中台、先进过程控制（APC）领域头部企业，具有独立法人资格，社会信用与财务状况良好。

（2）拥有自主研发工业数据中台/数字孪生平台及先进过程控制（APC）软件产品，具备多源工业协议接入、数据治理、AI模型部署及多变量预测控制模型建模的全栈技术能力。

（3）近 3 年承担化工、矿山、冶金等高危行业智能安全环保项目≥5 个，有大型企业数据中台及APC完整落地案例。

（4）具备5G+MEC 边缘计算工程化部署能力，可提供低时延、高可靠工业现场网络，支撑视频、定位、传感器数据实时传输。

（5）拥有成熟工业视觉 AI 算法库，可快速适配化工人员违章、明火、液体泄漏等场景识别。

（6）具备全国一体化算力资源、技术研发与本地化运维体系，可提供驻场开发、持续迭代、长期运维保障。

（7）具备 DCMM 数据管理能力成熟度（乙方）等级证书，拥有规范的数据管理与数据治理体系能力。

（8）具备 DTSS 数字化转型服务商等级证书，拥有成熟可靠的数字化转型综合服务与实施能力。

（9）具备化工数据中台相关软件著作权，拥有数据中台自主研发、建设与落地实施能力。

2.高校/科研院所

希望与在人工智能、计算机视觉、控制科学与工程、安全工程、环境工程等领域具有深厚研究基础的高校或科研院所合作：

学科背景：优先选择在人工智能（计算机视觉、多模态融合）、安全工程（风险评估、应急管理）、环境工程（环保监测、数据分析）等方向具有省级以上重点实验室的高校；

研究团队：拥有从事工业AI、视频智能分析、安全风险评估研究的稳定团队，具备承担省部级以上科研项目的能力和经验；

产学研基础：与化工企业有良好合作基础，能够将研究成果快速转化为实际应用。

3.专家及团队水平要求

（1）团队负责人要求

具有高级职称，主持过大型化工企业数字化转型项目。

（2）核心技术团队要求

不少于 8 人，涵盖数据中台架构师、AI 算法工程师、工业网络工程师、化工安全专家、软件开发工程师；项目实施期驻场不少于 6 人。

（3）团队技术要求

①精通 OPC UA、Modbus 等工业协议，具备 DCS、GDS、PLC 等工业系统对接与数据采集经验；

②具备多模态数据融合、时序预测、知识图谱构建、多级指标可视化开发能力；

③可提供大屏驾驶舱、PC 端、移动端一体化管控界面，满足多级管理需求；

④项目方案符合化工行业安全生产规范与网络安全要求，通过网络安全等级保护三级测评。

4.合作与实施要求

①承诺项目实施期内投入专项研发资金、算力资源与核心人员，保障按期交付；

②与发榜单位共建技术创新联合实验室，推动成果在安徽本地转化与推广；

③配合发榜单位完成项目验收、成果鉴定与示范推广，助力产业生态构建。

一、核心成果指标

围绕六尺巷“礼让”文化，交付“礼让文化沉浸式展示与智慧服务平台”，实现XR大空间、AI智慧导览、数字展陈交互及智慧文旅平台的落地运营。具体包括：

1.沉浸式场景复现：⑴技术要求：基于AIGC三维建模技术，整合历史文献、地方志、口述资料等多源数据，构建六尺巷专属文化语料库，实现历史场景的高精度数字重建（建模精度≥0.1mm，场景还原度≥95%）。

⑵场景内容：复刻3类核心场景：桐城派文人治学场景；张英“让他三尺又何妨”典故实景（动态还原清代邻里矛盾调解过程）；“六尺巷工作法”互动场景（支持游客参与模拟调解流程）。

⑶体验功能：支持多人同时在线的XR大空间沉浸式交互，延迟≤20ms，动作捕捉精度≤0.5cm，实现“历史场景可进入、文化故事可参与、礼让精神可感知”。

2.智慧导览服务：⑴技术架构：融合AI视觉识别（识别准确率≥98%）、UWB空间定位（定位精度≤1m）及MR混合现实技术，开发“礼让文化智能导览系统”。

⑵服务功能：部署高拟真AI数字人，支持多语种（中、英、日）实时互动讲解，语音识别准确率≥95%；基于游客偏好（研学、党建、休闲等）智能推荐游览路线，路线规划响应时间≤3秒；通过MR技术实现静态展品（如匾额、书画）的动态活化，触发式播放历史故事动画（播放流畅度≥30fps）。

3.数字展陈体系：升级景区名人故居、文化展馆，建设AI全息数字人、互动展品系统及智能交互终端，形成沉浸式、互动化展陈环境，增强游客参与感与体验深度。

4.智慧治理平台：搭建智慧文旅数字化平台，整合游客行为数据、内容资源及运营数据，构建数据平台与智能调度体系，实现景区精细化管理与科学决策，推动全域文旅协同发展。实时统计景区及各展馆客流量，预警阈值可配置（如瞬时客流超容自动触发分流建议）；设备故障自动诊断率≥90%；生成季度运营分析报告，提供客流趋势、消费偏好、文化传播效果等可视化数据（图表更新频率≤24小时）。

5.知识产权成果：围绕核心技术与应用系统，申请发明专利≥2 项，软件著作权≥4 项，构建“技术+内容+场景+平台”融合发展的创新体系。

二、提质降本增效指标

1.服务体验提质：通过沉浸式体验与智能导览服务，提升游客参与度与文化认知深度，增强六尺巷“礼让”文化传播力与景区品牌影响力。

2.运营成本降低：以数字化系统替代部分传统人工服务与实体设施，以智能导览替代20%—30%的人工讲解服务，降低景区建设及长期运维成本，提高资源配置效率。

3.运营效率提升：年接待游客≥230万人次，依托智能推荐与多业态联动，提升游客停留时长与消费转化率，促进文创产品、文化演艺等业态协同发展。

4.数字资产沉淀：建立六尺巷历史文化数字资产库，形成标准化数据接口，为后续项目复制与扩展提供支撑。

一、基本资质要求

具有独立法人资格、持有有效营业执照、社会信用记录，财务状况良好，且无重大违法违规及失信惩戒记录的企事业单位、高等院校及科研院所。

揭榜方为企业的，应具备高新技术企业、专精特新中小企业、瞪羚企业等国家级或省级权威资质认证。

优先考虑拥有省级文旅系统重点实验室、创新工作室等创新平台的企事业单位、高等院校及科研院所。

“十四五”期间应承担过文旅数字化或信息服务领域的省级及以上重点研发项目或建设项目，须提供项目立项或结题相关凭证。

质量管理与技术服务能力：应具备ISO9001（质量管理体系认证） 与ISO20000（信息技术服务管理体系认证），以保障项目全过程的质量控制与标准化服务交付。

信息安全管理能力：应具备ISO27001（信息安全管理体系认证），确保项目涉及的软硬件系统、文旅数据资产与用户信息的安全可控。

要求相关软件著作权50项及以上，发明专利5项及以上。

二、技术能力要求

具备智慧文旅平台顶层设计与建设、人工智能场景研发与落地、数字化营销体系搭建等核心技术能力，技术架构成熟、稳定。

具备全域资源整合、个性化智能行程定制、数字展馆规划建设、文旅数据平台搭建等全链文旅数字化一体化解决方案，并拥有全流程交付能力。

具备成熟的XR/AR/MR沉浸式体验技术研发与落地应用经验，能够支撑景区实现客流智能监测、全域智能导览、文化遗产数字化传承与活化利用。

尤其应具有市级及以上全域文旅数据治理及动态运行监测项目经验或能力。

三、团队配置要求

核心团队由文旅数字化领域资深专家领衔，相关专家应具有省级及以上重点研发项目参与经历。团队成员专业结构合理、稳定性强、行业经验丰富，具备大型文旅数字化项目统筹实施能力。

四、其他要求

鼓励企事业单位、高等院校及科研院所组队揭榜。成员应签订合作协议、明确分工。揭榜方须承诺严格遵守国家及安徽省数据安全相关法律法规，确保文旅数据资产安全可控。

本项目建成空地一体化 AI 智能巡检与预测性维护系统一体化管控平台，形成包含全域智能巡检、多系统协同联动、设备预测性维护、闭环数字化管理的完整成果，输出化工场景专用 AI 隐患识别模型、设备故障预测模型、技术实施方案与应用示范案例，形成可复制、可推广的精细化工智能化运维解决方案。

成果形式指标如下：

项目实施完成后，形成可检验、可量化、可固化的科技创新与应用成果。大型机组设备监控比例99%，发表科技论文2 篇，聚焦精细化工空地一体化 AI 智能巡检、设备预测性维护关键技术研究与工程应用；计算机软件著作权2项；授权各类专利5 项，其中发明专利2 项、实用新型专利3 项，覆盖多源数据融合、无人机自主巡检、AI 隐患识别、设备故障预警等核心技术；编制并发布企业标准 1 项，规范化工行业空地一体化智能巡检与预测性维护系统建设、验收与运维要求。

所有成果与项目核心技术强相关，知识产权归属清晰，切实支撑技术创新、系统落地与行业推广，满足人工智能场景创新项目验收要求。

关键绩效指标如下：

技术层面，实现厂区装置、管廊、储罐、库区等重点区域空地协同巡检覆盖率 100%，AI 识别跑冒滴漏、设备腐蚀、人员违规等隐患准确率不低于 95%，设备关键部件故障预测准确率不低于 90%，AR 鹰眼、智能无人机、工智道系统、设备状态监测系统数据打通率 100%，平台指令响应延迟不超过 1 秒，满足工业级稳定运行要求。

安全提质方面，全面替代高空、密闭、高温等高危点位人工巡检，高危巡检作业减少 100%，安全隐患漏检率降至 0，因设备故障与巡检缺失引发的安全事件显著下降，设备非计划停机时间减少 30% 以上，持续保障连续化生产稳定。

降本增效方面，巡检人力投入降低 50% 以上，设备定期检修与事后抢修成本降低 20% 以上，设备使用寿命有效延长，生产综合效率提升 10% 以上，实现年度显著降本增效。

“双招双引”方面，项目实施期内引进人工智能、工业互联网、化工智能运维领域专业技术人才，对接省内外优质 AI 技术企业与科研院所开展联合创新，搭建产学研协同创新平台，助力企业技术升级与产业资源集聚。

示范推广方面，打造安徽省精细化工行业人工智能场景创新标杆，形成标准化解决方案与示范应用案例，具备向化工、能源、环保等领域复制推广能力，助力行业智能化转型，推动人工智能技术与实体经济深度融合。

揭榜方应为具备人工智能、工业互联网、智能装备、设备运维相关技术实力的企业、高校或科研院所，优先选择拥有精细化工/危化行业智能巡检、预测性维护落地案例，且具备空地一体化系统集成能力的单位，需拥有独立法人资格、健全研发与服务体系，无不良科研诚信与履约记录，能够提供全流程技术研发、现场实施、调试优化与运维保障服务。

希望合作单位深耕工业 AI 视觉、无人机自主巡检、AR 智能监控、工业大数据分析、设备故障预测核心技术领域，具备多系统数据打通、边缘计算部署、化工防爆场景适配能力，拥有成熟的智能巡检平台或预测性维护算法产品，且在化工、能源、危化等高阶场景有不少于 2 个成功落地案例，能够快速适配企业现有 AR 鹰眼、无人机、工智道系统与设备监测硬件，实现一体化集成与协同运行。

对专家及团队要求为，核心团队需覆盖人工智能算法、计算机视觉、无人机控制、工业自动化、设备诊断、软件工程等领域，团队负责人应具有副高级及以上职称或 5 年以上相关领域项目负责人经验，主持过同类空地一体化智能巡检、设备预测性维护省级及以上项目；团队成员结构完整，配备算法研发、硬件集成、软件开发、现场实施专职人员，具备化工行业现场实施经验，能够驻场开展需求对接、数据采集、模型训练、系统联调与验收交付。

同时要求揭榜方具备较强的产学研协同能力，愿意与我方联合开展技术攻关、成果转化与标准制定，配合完成人才培养、技术引进与 “双招双引” 相关工作，承诺在项目周期内保质保量完成系统开发、部署

上线与示范应用，确保项目通过验收，并支持后续技术迭代与行业推广，共同打造安徽省人工智能 + 化工场景创新标杆。

1.成果形式

（1）研发汽车车身拼焊产线 AI 智能感知与柔性生产管控系统1套，含全自动门环拼焊专项模块，实现与现有装备无缝对接。

（2）知识产权：申请发明专利4项，实用新型专利3项，授权软件著作权5项，编制企业标准1项。

（3）建成AI智能示范产线1条，实现产业化应用。

（4）共建汽车制造AI智能管控联合实验室1个，打造交叉领域研发团队。

2.关键绩效指标

（1）技术指标：

焊件间隙≤0.1mm，错边参数±0.3mm，咬边深度≤0.13mm，机器人焊接重复定位精度±0.01mm，自动检测准确率≥99.95%，焊接产品合格率≥98%，响应灵敏度≤5ms；

（2）降本：生产能耗降低 5% 以上；综合成本降低 6% 以上；原材料损耗降低 5% 以上；年节省人工 6 人。

（3）增效：换线时间≤30 分钟，缩短 85% 以上；设备稼动率≥92%；产能提升 18% 以上；节拍均衡率≥95%。

（4）“双招双引”：引进 AI 核心人才 3 名；共建研发平台 1 个；新增就业岗位 50个以上。

1.合作单位类型

优先选择国内知名高校、国家级科研院所及人工智能领域头部科技企业，要求合作单位在机器视觉、深度学习、数字孪生、工业互联网、汽车工程及全自动门环拼焊等领域具备深厚的技术积累与成熟的产业化案例，能够提供先进的技术方案、核心算法与工程化实施支持，重点支撑全自动门环拼焊生产线后期专项开发。

（1）高校/科研院所类：优先选择在人工智能、机械工程、车辆工程等学科排名靠前高校，或在汽车制造智能化、门环拼焊技术领域有突出研究成果的国家级科研院所，要求具备完善的科研平台、人才储备与省级以上重点实验室，能够提供核心算法研发与技术创新支持，重点开展全自动门环拼焊AI智能化技术研究，助力后期专项开发。

（2）科技企业类：优先选择专注工业人工智能、智能制造装备研发的国家级高新技术企业，要求拥有成熟的产线智能化改造案例，尤其具备全自动门环拼焊生产线智能化改造经验，能够保障系统在工业现场稳定运行，同步支撑全自动门环拼焊生产线后期专项开发与优化升级。

2.专家及团队要求

（1）团队核心专家需深耕人工智能与汽车制造交叉领域，具备3年以上相关研发经验，主持过市级及以上智能制造或人工智能类项目，在国内外核心期刊发表相关论文或拥有授权发明专利。

（2）团队须具备以下核心能力：多模态数据融合与特征提取技术能力，产线多源异构数据的高效处理与分析；基于深度学习的工业视觉检测技术能力，能开发高精度焊接缺陷识别算法；数字孪生建模与强化学习优化技术能力，能构建产线柔性调度与工艺优化模型；工业级系统集成与工程化实施能力，能保障系统在实际产线稳定运行。

（3）核心研发团队人数不少于15人，其中博士、硕士、工程师占比不低于10%，具备稳定的项目实施与技术服务能力。

3.其他要求

合作方需承诺投入相应的人力、物力资源，与公司共同完成系统开发、测试与产业化应用，确保项目按期交付并达到预期考核指标；优先考虑能提供长期技术支持、共建联合实验室或开展人才联合培养的单位。