本项目聚焦于一种高精度金属增材制造表面形貌感知技术的研发，基于变焦成像原理，致力于提升复杂结构表面的拓扑还原能力。通过引入改进型伪影抑制算法，系统在提升测量分辨率与稳定性方面具备显著优势。项目采用先进的焦点变化成像方案，能够对表面干扰信息进行有效识别与过滤，实现对复杂增材制造表面的精准重构，突破了当前测量系统在高精度检测中的技术瓶颈。目前，该项目由经验丰富的技术骨干主导，聚焦于关键算法开发与实验验证，已在相关技术方向积累多年基础，投入涵盖人力与软硬件平台建设。尽管当前仍处于技术打磨阶段，但应用路径清晰，未来在高端制造与质量监控领域具有广阔的落地潜力。

由于自动驾驶功能的日益复杂及AI算法的集成，车载芯片的计算效率需要进一步优化。该团队的解决方案是专注于特定数据类型的量化，并基于FPGA进行实现。在软件方面，涉及编译器和程序库的支持；在硬件设计方面，需要针对数据类型设计基础计算库，并优化并行计算。项目目前处于原型阶段，由教授负责编译器开发，团队成员负责数据分析和平台搭建。项目的难点在于如何确保安全性，同时进行数据量化、自动化混合精度编译代码，并提供相应的硬件支持库。由于项目涉及软件开发、硬件设计及工具链的整个流程，工作量庞大且技术难度较高，团队希望通过平台寻找合作的公司和高校。

专注于研发先进的人工智能和机器人技术，以推动农业领域的智能化进程。团队开发了新一代智能农业机器人系统，能够精确地喷洒田间杂草，大幅减少除草剂的使用量。团队已建立了适用于多种作物的杂草检测模型、无人自主导航系统，并实现了机器人集群的控制，且已在小型和中型机器人平台进行实地测试。团队核心成员均具备机器人及智慧农业领域的丰富经验。目前，项目已完成高技术成熟度的概念验证，并正在寻求投资，计划在浙江地区实施。