开启全网商机
登录/注册
深圳大学 - 竞价结果公告（CF105902026000499）
招标详情
下文中****为隐藏内容，仅对千里马会员开放，如需查看完整内容请
「注册/登录」或 拨打咨询热线：
400-688-2000
相关单位：
***********公司企业信息
***********公司企业信息
**** - 竞价结果公告（****）
发布时间：2026-09-10 14:17:39
申购单号： ****
申购主题： 光场成像图像的深度学习模型测试
采购单位： ****
竞价开始时间： 2026-08-25 14:31:05
竞价截至时间： 2026-09-09 14:52:58
币种： 人民币
付款方式： 本合同服务项目验收合格后，乙方收到甲方通知后提供对应金额的合规有效发票，甲方在收到乙方开具的合规有效发票后十个工作日内整理付款资料，经付款审批流程向乙方支付100%的合同款。
备注说明：
质疑说明： 如果对成交结果有异议，请在发布成交结果之日起三个工作日内向采购单位提出质疑
成交总额： 78000.00
送货时间： 本合同签订之日起2个月内完成服务。
安装要求： 免费上门安装（含材料费）
收货地址：
| 光场成像图像的深度学习模型测试 | 95000.00 | 78000.00 | 质保期:1年;质保服务:一、售后服务 项目验收后，供应商提供壹年免费测试质保服务，含7×24小时应急响应及定期现场巡检。 （一）缺陷及优化处理 缺陷修复：接报后2个工作日内完成根因分析及代码修复。 性能优化：响应超3秒或批量处理异常时，3个工作日内完成代码级调优并发布。 （二）测试资产共建 协助采购人维护测试用例库；针对核心流程提供自动化回归脚本；对典型缺陷输出缺陷分析报告，防止同类问题复发。 （三）技术支持标准 响应机制：5×8小时线上支撑，责任工程师手机7×24小时畅通；非紧急问题1个工作日内回复。 现场介入：远程无法定位的复杂问题，承诺3个自然日内派遣高级测试工程师到场协同解决。; | 1. 基于深度特征学习的光场目标识别及检测算法 1.1 具备多场景、多画质光场图像输入适配能力，可同时兼容仿真数据与实验实测数据，适配多特征分布的复杂光场样本；要求对信噪比 SNR≤15dB 的低质量、强干扰图像样本完成稳定输入适配。算法前端具备融合深度学习光场偏振斯托克斯矢量成像识别模块的能力，可引入偏振维度信息抬升目标背景对比度，实现强散射、弱信号环境下特征提取能力增强。 1.2 具备光场图像关键特征目标、有效信号区域、特殊拓扑结构区域的多类别智能检测与分类能力，能够自动识别光学自旋结构等目标特征差异，判定图像状态属性，满足差异化微纳光场样本智能识别需求。具备深度学习高精度散射场手性识别辅助判别能力，完成目标手性几何特征与偏振响应联合编码；要求手性目标与本征对称目标区分误检率≤5%。 1.3 具备图像杂点、模糊、背景冗**扰的抑制消除能力，要求在输入图像 SNR≥8dB 低信噪比、低清晰度条件下，目标检测准确率≥92%，整体算法鲁棒性满足微纳光场实验测试场景使用要求。可通过偏振斯托克斯矢量分解、散射场手性特征先验进行联合约束，具备自适应抑制非目标偏振噪声的能力；即使处于浑浊介质、强反射干扰实验工况下，亦可维持检测精度稳定。 2. 基于深度学习先验的光场超分辨算法 2.1 具备对低分辨率、欠采样、细节缺失光场图像开展深度学习上采样超分辨重构的能力，可解决光场图像采样不足、细节模糊的技术难题。重建过程具备引入偏振斯托克斯矢量通道作为物理约束信息的能力，可依托偏振角度、偏振度高频细节引导网络捕捉纹理走向，实现重建结果方向性精度提升。 2.2 具备接收低分辨率、欠采样、弱光模糊、高频信息缺失原始光场图像作为输入的能力，完成高清超分辨重建输出，实现图像分辨率提升、高频纹理细节恢复，能够精准补全原始图像丢失的微细特征。针对散射环境采集图像，具备结合散射场手性识别网络提取手性梯度特征的能力；可优先恢复对手性判别起关键作用的边缘、相位信息。 2.3 具备输出高 PSNR、高 SSIM 高精度超分辨图像的能力，要求超分辨输出图像 PSNR≥32dB，SSIM≥0.94，实现分辨率提升与高频物理特征还原；具备规避超分伪影、细节过度修复、特征扭曲问题的能力，为光场目标检测、图像分割输出高质量前置数据。依托偏振手性先验协同约束，可有效抑制超分过程各向异性伪影。 3. 基于像素特征聚类的光场分割算法 3.1 具备像素级高精度图像分割能力，可精准区分图像主体区域、有效自旋特征区域、背景区域以及各类细分目标区域，分割精度细腻，边缘贴合度高。具备融合偏振斯托克斯矢量多维物理特征（偏振度、偏振角）作为聚类输入维度的能力，要求针对灰度差异微弱、偏振响应存在差异的不同区域，分割 IoU≥0.88，实现分割结果物理语义一致性显著提升。 3.2 具备依托图像纹理、灰度差异、特征分布差异完成智能区域划分的能力，可解决目标粘连、边界模糊、特征重叠的分割难点，实现不同属性微纳光场区域精准区分。引入散射场手性识别特征后，具备手性区域、非手性区域区分能力；即使常规光强图像下二者灰度分布高度近似，亦可依托手性响应差异完成精准边界定位。 3.3 具备多目标、多区域叠加、多特征耦合复杂光场图像分割能力，完成重叠特征分层拆分、多目标独立分割输出，适配复杂****处理场景。可依托偏振斯托克斯矢量与手性响应联合特征空间，将物理属性不同的重叠目标映射至可分特征子空间，从而有效解耦空间重叠、物理属性异质的目标区域。 3.4 具备分割区域量化统计能力，可自动统计分割区域面积、像素占比、有效区域范围等量化指标，支持结构化数据导出，为光场图像量化分析、数据统计提供支撑。具备输出各分割区域偏振统计量（平均偏振度、主偏振角）、手性响应强度结构化数据的能力。 | 1.0项 | 78000.00 | **** |
招标进度跟踪
2026-09-10
中标通知
深圳大学 - 竞价结果公告（CF105902026000499）
当前信息
2026-08-25
招标项目商机
暂无推荐数据
400-688-2000
欢迎来电咨询～
