本项目针对多节变角度特种车辆开发了一套创新的全景环视系统，通过多摄像头协同采集与智能图像处理技术，实现了车辆周边环境的实时全景监测。系统采用独特的动态拼接算法，能够自适应车厢间的相对位置变化，解决了传统环视系统无法适应多节车辆的行业难题。研发团队在车载视觉系统领域具有丰富经验，已完成原型开发和技术验证。该方案为全球首个专为多车厢变角度车辆设计的全景系统，在特种车辆安全驾驶领域具有重要应用价值，目前正推进产业化落地和市场拓展。

本项目致力于研发基于深度学习的卷积神经网络（CNN）自动化焊接缺陷检测系统，旨在实现对焊接过程中出现的裂纹、气孔、未熔合等缺陷的实时识别。技术实现涵盖了数据采集、数据预处理、模型训练与优化，并提供实时结果展示与反馈。团队成员来自柏林自由大学计算机专业以及德国BAM研究所机械专业，拥有扎实的技术研发与相关理论基础。目前系统已完成实验室测试，检测准确率超过95%，具备初步产业化潜力，适用于汽车和航空等高标准制造行业。数据采集所使用的设备来自于德国BAM实验室，模型训练则在NVIDIA Tesla P100机器上进行。

基于先进制造的方法，将传统光学薄膜基于真空环境的制造方式转变为由增材制造直接生产，即直接通过打印的方式实现光学薄膜的生产。技术的难点与突破性在于通过系统性工艺方案有效实现薄膜厚度纳米级的精度控制，从而实现对于薄膜光学性能的精确控制。本技术可服务于广泛的光学电子设备，建筑玻璃镀膜，及高端光学检测设备。本技术除带来成本优势之外，还带来了基于真空技术难以实现的技术优势。技术本身已经成功通过概念验证阶段，正在开始原型阶段验证。本团队核心成员包括光学及材料背景博士，能源材料背景博士，以及光电半导体材料背景教授。本项目已受德国联邦政府资金等支持，总额超为 150 万欧元，明年即将进入融资阶段。