揭榜挂帅！江西面向全国发布人工智能交互终端设备、高端智能传感器榜单

10月25日，江西省科技厅面向发布2022年度重大科技研发专项“揭榜挂帅”（人工智能交互终端设备、高端智能传感器）榜单。

榜单项目主要采取前资助的方式，原则上支持强度每项500-1000万元，具体额度根据揭榜方的申请以及项目研究的实际需要和专家论证意见确定。榜单选题包括：1. 人工智能交互终端设备榜单选题：深度智能化的高精度表面贴装缺陷检测系统的关键技术研究；2. 高端智能传感器：基于单光子效应的X射线智能选矿探测器研究。

国内具有研发能力的高校、科研院所、企业、新型研发机构皆可申报，申报人无年龄、学历和职称等门槛要求，鼓励青年科学家积极申报。

链接：江西省科技厅关于发布2022年度重大科技研发专项“揭榜挂帅”（人工智能交互终端设备、高端智能传感器）榜单的通知

附件：

人工智能交互终端设备、高端智能传感器榜单 

一、资助方式及支持强度

项目主要采取前资助的方式，原则上支持强度每项500-1000万元，具体额度根据揭榜方的申请以及项目研究的实际需要和专家论证意见确定。资助经费根据项目实施情况分年度拨付，当年拨付30%，中期评估通过后拨付30%，验收通过后再拨付40%。项目实施成效好且需持续研究的可以按照进度要求分年度支持；效果不好的，终止实施并按规定追回相关财政资金。

揭榜单位需明确一名首席科学家作为项目负责人，对揭榜任务的技术路线、人员选配、经费使用等方面全权主导。

项目实施从合同签订之日起开始，执行期不超过3年，签订任务书时揭榜方须提交“军令状”，明确中期目标和综合绩效评估的时间节点和考核指标，并按照要求及时组织评估。

二、榜单选题

1.人工智能交互终端设备榜单选题：深度智能化的高精度表面贴装缺陷检测系统的关键技术研究

 研究内容：为了突破传统视觉测量技术中系统与算法的时序性限制，降低智能工业检测中人工智能技术的不可解释性，开展基于视觉测量与人工智能深度结合的表面贴装缺陷检测系统关键技术研究。

研究基于深度学习的全链路可微分计算测量系统模型构建技术以及硬件结构和算法参数联动优化技术，实现面向2D+3D的多维感知测量；研究测量驱动的缺陷特征库构建技术，实现具备弱监督特性、易移植能力、小样本学习能力的智能化检测；研究任务导向的人工智能模型构建技术，实现面向高亮度动态范围等复杂环境的高精度缺陷检测；研究结构光投影测量技术，拼接测量后满足大视场、高效率、高精度的缺陷检测需求； 建立多类型缺陷样本库，实现差异化缺陷的混合检测；开发多样化缺陷检测软件与计算测量硬件系统，集成软硬件形成一套深度智能化高精度表面贴装缺陷检测装备，实现智能制造核心工业软件和装备的自主可控。

考核指标：

（1）缺陷检测方式：2D+3D；

（2）深度智能化：

——以单缺陷人工标注方式，用于人工智能深度学习模型训练、验证及测试构建缺陷库所包含的样本数量不少于10000；

——所能识别的缺陷种类不低于10种，单次单任务中可检出的混合缺陷种类不少于2类；

——测量系统具备小样本弱监督特性、易移植能力；

——硬件系统参数支持与算法实时联动优化调节。

（3）支持高亮度动态范围检测；

（4）针对室内标准件，可一次性完成不小于100mm×200mm测量视场的测量，可检测深度方向的最大测量范围达到10mm，单场深度精度优于8μm，拼接深度精度优于15μm；

（5）针对室内标准件，通过多次扫描测量评价，可完成每秒不少于30cm2测量范围的缺陷检测；

（6）针对单一缺陷检测任务，系统在多次重复检测中，平均误报率不高于5‰；

（7）发表SCI/EI论文≥4篇；申请发明专利≥6项、软件著作权≥3项；

（8）实现项目产品产业化，应用于自动驾驶车载摄像模组、车载激光雷达、汽车照明等表面贴装缺陷检测，服务于江西省以汽车电子为核心的电子信息产业。

2. 高端智能传感器：基于单光子效应的X射线智能选矿探测器研究

研究内容：由单个细小光电传感器构成的X射线选矿探测器及组件，是整套基于人工智能矿石分选装备的关键核心部件，其性能的提升将大幅提高检测信噪比，提高分选准确率，同时降低辐射剂量。目前国内外X射线选矿装备普遍采用前端为传统的闪烁晶体（如CsI）+PD组合探测器，结合后端人工智能分选算法的技术路线。这类探测器存在灵敏度低、响应速度慢等缺陷，限制了后端智能算法的性能，无法满足极低含量金属选矿的要求。江西省内铜矿、钨矿和铀矿开采的原矿平均品位分别在0.4%、0.2%和0.8‰左右，均为较低品位矿。

针对上述低品位金属矿智能化选矿的迫切需求，采用基于单光子效应的硅光电倍增器件（SiPM）研究开发X射线选矿探测器及专用组件，攻克探测器设计、封装、测试等核心工艺，完成探测器高速前放读出、数据采集与接口等电路的研发，大幅提升探测器及组件检测效率。同时开展X射线源特征光谱的优化调整研究，构建与探测器、X射线源紧密耦合的深度学习智能分选算法，从多方面系统性地提升智能选矿的准确度，满足多种类型低品位复杂难选金属矿的工业化选矿需求。

考核指标：从单光子探测器像素、选矿探测器组件及智能化选矿应用三个层面进行技术指标考核。单光子探测器指标：像素间距（Pixel Pitch）≤3mm；光子探测效率（PDE）≥ 40%；增益（Gain）≥ 1.5×105，耐辐照剂量≥100Gy。选矿探测器组件指标：采样精度≥16位；采样时间1~1000us；单采集板通道数≥32；高低能输出，阈值可调；单采集板功耗≤12V/450mA；数据接口千兆以太网/TCP协议；RS485/TTL信号同步。智能化X射线成像选矿应用指标：在智能化选矿设备上实现对多种金属矿石中目标矿物元素的有效分辨，保证预选抛废后的铜矿废石品位低于0.08%，钨矿废石品位低于0.03%，硬岩铀矿废石品位低于0.2‰，并实现工业化应用。发表SCI/EI论文不少于4篇；申请专利不少于15项，其中发明专利不少于6项，授权专利数量不少于5项；获批软件著作权不少于5件。