(一) 申報單位為廣東省內注冊創新主體(包括企業、科研院所、高校、其他事業單位和行業組織等)的，應注重產學研結合、整合省內外優勢資源;申報單位為港澳地區高校院所的，按照《廣東省科學技術廳 廣東省財政廳關于香港特別行政區、澳門特別行政區高等院校和科研機構參與廣東省財政科技計劃(專項、基金等)組織實施的若干規定(試行)》(粵科規范字〔2019〕1號)文件精神納入相應范圍;申報單位為省外地區的，項目評審與立項過程按照相關規定與廣東省內單位平等對待。

　　省外單位牽頭申報的，經競爭性評審，擇優納入科技計劃項目庫管理;入庫項目在滿足科研機構、科研活動、主要團隊到廣東落地，且項目知識產權在廣東申報、項目成果在廣東轉化等條件后，將給予立項支持。

　　(二) 堅持需求導向和應用導向。鼓勵產學研聯合申報，牽頭申報單位為企業的，原則上應為高新技術企業或龍頭骨干企業，建有研發機構，在本領域擁有國家級、省部級重大創新平臺，且以本領域領軍人物作為項目負責人。鼓勵加大配套資金投入，企業牽頭申報的，項目總投入中自籌經費原則上不少于70%;非企業牽頭申報的，項目總投入中自籌經費原則上不少于50%(自籌經費主要由參與申報的企業出資)。

　　(三) 省重點領域研發計劃申報單位總體不受在研項目數的限項申報約束，項目應依托在該領域具有顯著優勢的創新單位，加強資源統籌和要素整合，集中力量開展技術攻關。不鼓勵同一單位或同一研究團隊分散力量、在同一專項中既牽頭又參與多個項目申報，否則納入科研誠信記錄并進行相應處理。

　　(四) 項目負責人應起到統籌領導作用，能實質性參與項目的組織實施，防止出現拉本領域高端知名專家掛名現象。

　　(五) 項目內容須真實可信，不得夸大自身實力與技術、經濟指標。各申報單位須對申報材料的真實性負責，要落實《關于進一步加強科研誠信建設的若干意見》(廳字〔2018〕23號)要求，加強對申報材料審核把關，杜絕夸大不實，甚至弄虛作假。各申報單位、項目負責人須簽署《申報材料真實性承諾函》(模板可在陽光政務平臺系統下載，須加蓋單位公章)。項目一經立項，技術、產品、經濟等考核指標無正當理由不予修改調整。

　　(六) 申報單位應認真做好經費預算，按實申報，且應符合申報指南有關要求。

　　(七) 有以下情形之一的項目負責人或申報單位不得進行申報或通過資格審查：

　　1.項目負責人有廣東省級科技計劃項目3項以上(含3項)未完成結題或有項目逾期一年未結題(平臺類、普惠性政策類、后補助類項目除外);

　　2.項目負責人有在研廣東省重大科技專項項目、重點領域研發計劃項目未完成驗收結題(此類情形下該負責人仍可作為主要參與人參與項目申報);

　　3.在省級財政專項資金審計、檢查過程中發現重大違規行為;

　　4.同一項目通過變換課題名稱等方式進行多頭或重復申報;

　　5.項目主要內容已由該單位單獨或聯合其他單位申報并已獲得省科技計劃立項;

　　6.省內單位項目未經科技主管部門組織推薦;

　　7.有尚在懲戒執行期內的科研嚴重失信行為記錄和相關社會領域信用“黑名單”記錄;

　　8.違背科研倫理道德。

　　(八) 申報項目還須符合申報指南各專題方向的具體申報條件。

　　二、專題內容

　　專題一：關鍵基礎體系研究及驗證(專題編號： 20190153)

　　項目1：面向自主智能體感知與協作的計算架構和驗證

　　(一)研究內容

　　針對自主智能體感知與協作的新型深度計算架構開展研究。針對實時感知與識別、自主控制與協作、動態環境下的自適應任務重構等難題，突破實時目標檢測算法、多智能體協作、智能計算智能處理器系統結構設計等關鍵技術。研 究低功耗、強實時的軟硬件協同解決方案;研究基于語義地 圖的情境理解和多智能體協作等核心技術;完成基于認知計 算模型的人工智能原型處理器設計，面向多智能協同任務的 原理驗證系統。可支持智慧物流、智慧社區、智慧安防等領域。

　　(二)考核指標

　　項目完成時，須基于自主智能理論計算架構完成一款新型處理器原型設計，并建成面向物流、無人駕駛等領域技術驗證系統，可與原有自主智能體感知、協作、任務執行效率直接比對。其中，處理器峰值算力不低于12.8TOPs， 執行效率不低于70%，部分網絡不低于80%;單處理器支持不低于8路的1080P@60Hz目標檢測任務;基于該原型處理器構建自主智能體數目≥10個、種類≥2類的多智能體協同驗證系統;驗證系統圍繞混合增強智能、機載實時處理、空地聯合感知協作、動態環境任務自適應重構等關鍵技術開展集成驗證，達到低能耗、高實時、強適應的要求;項目執行期內在廣東省內自主智能體領域進行不少于3處應用，完成新申請發明專利大于等于20項(其中至少包含5項PCT專利)， 研制并發布實施團體標準2項，集成電路保護布圖1項。

　　項目2：基于混合增強智能的平行智能理論研究及驗證

　　(一)研究內容

　　本方向針對平行智能理論體系下的機器智能進行系統性研究。研究提升機器理解并適應真實世界環境、完成復雜時空關聯任務的能力;研究基于認知計算的混合增強智能，探索直覺推理與因果模型、記憶和知識演化的可計算框架;研究人機協同的感知與執行一體化模型、智能計算前移的新型邊緣節點等核心技術;構建包含人工系統、計算實驗、平行控制與管理等功能的混合增強智能平行智能系統平臺;在制造、交通或健康等行業建立驗證系統予以驗證。

　　(二)考核指標

　　項目完成時，須基于平行智能理論建立具有人機物要素10萬個以上、可接入2類以上智能系統API、具備10種以上接口的驗證系統及軟硬件平臺，并在實際場景中應用、驗證、效率比對。該驗證系統包含人機混合增強智能基礎模型與核心技術算法不少于15個，以上模型和算法能夠支 持語音、圖像、意圖理解等多模態人機交互手段，將人機交互、感知和認知計算的運行效率比現有水平提升30%以上; 所構建的平行智能系統平臺對典型場景的感知精度超過95%，實現人工工作量降低40%以上;項目執行期內完成新申請發明專利大于等于20項(其中至少包含5項PCT專利)，研制并發布實施團體標準2項。項目執行期內在廣東省內制造、交通或健康等領域完成不少于3類應用示范。

　　項目3：面向數據智能標注的弱監督與自學習方法及系統驗證

　　(一)研究內容

　　本方向針對大數據智能的關鍵基礎體系進行建設。研究多機構協同的系統性結構化標注策略，結合深度學習算法針對影像數據(如圖片、視頻)、文本數據(如語音、文字)研究自動生成結構化數據的智能標注系統，開發半監督/無監督學習算法支持下的集數據收集、數據處理和自動標注為一體的智能標注云平臺。通過從海量未標注的數據中自動挖掘有價值的目標信息，實現(極)弱監督下的特征與模型學習，并大幅度地提升模型的精簡性、通用性和適應性。通過推理、匹配與迭代優化，研究無標注樣本下的深度特征預學習;研究結合遷移學習與主動學習的增量學習方法，并通過漸進式模型訓練將其應用到實體目標增量標注任務中，通過迭代學習有效地提升模型性能。建立高效通用的數據標簽與結構化標注標準體系，并完成標準化的標注數據庫建設。

　　(二)考核指標

　　項目完成時，須建成一個智能標注開放平臺，接入的開發者不少于300個，平臺上通用和專用智能標注小程序不少于100個，活躍用戶不少于3000個。項目形成的平臺可完成面向影像、文本數據自動標注任務，提出20個以上的弱監督與自主學習模型與算法，實現標注準確率不低于92%， 對于其中任一個子任務分類的準確率、靈敏度、特異度均不低于90%。開發海量數據自動標注系統，建立起包括億級數量和PB級存儲的各類影像數據(圖片、視頻)、文本數據(語音、文字)庫。項目執行期內完成新申請發明專利大于等于20項(其中至少包含5項PCT專利)，研制并發布 實施團體標準2項。驗證應用需覆蓋廣東省內無人駕駛、智 能安防、智慧醫療等領域。

　　申報要求：本專題的項目3須企業牽頭申報。

　　支持強度：本專題每個項目擬支持1-2項，資助額度3000 萬元左右/項。

　　專題二：關鍵共性技術研究及應用(專題編號： 20190154)

　　項目1：基于跨媒體感知的人機交互關鍵技術研究與應用

　　(一)研究內容

　　開展多模態的人機交互技術研究，重點解決以視覺感知、語音理解、動作交互為主的人機交互核心問題。研究面向開放環境的自適應場景及交互對象的視覺感知與建模，提升智能系統對多樣化場景的適應能力;開展高層語義理解與融合的人機語音交互技術研究，提升語音系統在開放交互場景中的模糊理解與泛化推理能力;研究跨模態的機器人情感認知技術，包含表情、對話語音情感理解等;研究融合認知理解的高自由度人機動作交互，實現多模態與多樣化的人機交互方式;研制面向通用邊緣計算的智能實時推理平臺，形成端云一體化的多模態人機交互系統，實現感知、理解、交互一體的智能設備;在多模態人機交互上形成核心技術，并在服務、教育、工業等人機交互與機器人方向形成示范性應用。

　　(二)考核指標

　　項目完成時，須開發完成具備多模態感知能力，具備高自由度并可自主執行動作的智能機器人不少于3款。項目 需建立環境自適應的場景感知系統，實現高精度的場景感知和理解，并滿足10個以上場景的自適應感知需求;完成交互語音理解系統，中文語音識別準確率超過90%，中文問答準確率高于85%;開發完成高自由度的實時動作交互系統， 機器人動作交互姿態超過15個自由度;多模態情感識別準確度>90%;構建面向多模態人機交互的端云一體化的實時 動作交互平臺，其邊緣計算滿足大于5幀/秒的實時處理能力;形成多模態感知與人機動作交互相融合的交互應用不少于3項。在廣東省內服務、教育、工業等智能機器領域應用。項目執行期內完成新申請發明專利大于等于20項(其中至少包含5項PCT專利)，提交國際或國家標準標準草案≥1項。

　　項目2：工業級多模智能感知系統關鍵技術與邊云協同應用

　　(一)研究內容

　　開展基于聲和超聲感知的智能感知認知理論和關鍵技術研究。研究基于工業聲成像的產品或零部件故障辨識和故障定位技術;基于聲像的對抗學習、遷移學習和強化學習融合算法，研究基于深度學習的時序/空間/時頻多維信息 融合推理算法。研究基于超聲感知的高精度定位技術，基于機器學習、流形學習、深度學習的多維信號特征提取算法。研究基于自組織神經網絡、記憶回放機制的在線增量學習算法，實現基于人機互動的新故障自動標注。建立面向制造感知的可重構異構智能計算邊緣節點定制化軟硬件協同設計，研究高效、靈活的深度神經網絡加速單元和信號處理加速單元設計，為多框架深度學習以及信號處理構建易于編程與應用的集成編譯開發與運行時管理軟件，完成自主邊緣智能計算節點構建。建立多模態感知融合云平臺并實現多廠區邊云部署，建成同類產品在不同區域產線的多模態感知智能學習與計算系統。形成算法、系統與平臺的完整軟硬件設計與快速的算法模型可迭代設計評估、驗證。

　　(二)考核指標

　　項目完成時，須完成基于非接觸超聲感知及聲感知等先進感知的工業智能診斷系統，并實現邊云部署。其中， 非接觸超聲感知系統可實現掃查檢測3m/s以上，工作距離范 圍0.35m～2m時檢出點定位精度小于1cm，成像點間距小于1mm，故障檢出率≥95%。工業聲像的故障、定位感知認知模型10種以上，系統可分離故障聲源6個以上，故障聲定位精度±1cm，故障識別10種以上，判斷時間小于1s，故障檢出率≥99.99%，故障辨識準確率≥95%(包括在線新增故障，背景噪聲強度70db~90db)。需構建易于多模態感知計算的自研算法庫，自研管理平臺可兼容多種主流計算框架，實現深度學習以及信號處理等算法融合的混合模型壓縮、集 成仿真與在線評測;為自主硬件設計單元設計定制硬件接 口抽象與高層次綜合庫，完成國產應用處理器+FPGA的邊緣智能節點設計，節點功耗<15W。系統需在5個以上不同區域廠區聯合調試部署，部署上線軟硬件系統不少于100套， 產線覆蓋不少于80條，覆蓋產線產值不少于25億/年。項目 執行期內完成新申請發明專利大于等于20項(其中至少包含5項PCT專利)。

　　項目3：基于端云融合的網聯協同控制關鍵技術研究及應用

　　(一)研究內容

　　面向AIOT場景下復雜不確定性端云融合模式下的跨域業務協同控制問題，開展邊緣計算網關及智能網聯協同控制系統的關鍵技術研究。包括面向處理器級網聯端側設備 數據采集融合的端云協同智能計算模型、低功耗邊緣計算 網關體系架構、端云融合網聯大數據全周期閉環智能管理 模型。研制具備低功耗、輕量級人工智能算法邊緣執行框架的網關設備，研究支持終端網聯節點國產操作系統的自 主可控軟件集成開發環境和開源工具鏈。支持TensorFlow等框架下訓練完成的神經網絡模型到算子的翻譯、算子到AI 芯片的指令集編譯，研發面向AIOT的軟件集成開發環境和編譯工具鏈，搭建開源計算平臺，提高邊緣計算網關的AI 支持，面向城市交通管理、無人駕駛、安全生產應急管理、 企業風險預警分析管控等熱點的城市大腦協同控制場景建 立示范應用。

　　(二)考核指標

　　項目完成時，須完成一個開源開放邊緣計算網關系統開發，該邊緣計算網關可支持采用基于RISC-V的超低功耗多核并行架構并支持不少于5種擴展指令集的處理器，支持 離線運行卷積神經網絡等主流人工智能推理算法。支持不少于5種國產MCU或嵌入式處理器，支持NCNN和MNN兩種國內主導的主流神經網絡推理算法框架，以及Yolo V3等10 種以上嵌入式領域常用神經網絡類型的模型編譯轉化。自研形成集成開發環境，性能不低于手寫匯編效率的70%，比開源工具開發效率提升一個數量級，性能提升2倍以上，支持不少于兩種主流開源操作系統。支持100萬級邊緣節點在線智能協同管理，以及不少于10種制式通信協議、不少于5 類多屬性異構數據預處理。形成端云融合智能協同控制系統可支持PB級數據處理能力，并面向廣東省內交通管控、無人駕駛、安全生產等復雜不確定性跨域業務場景，提升總體協調控制效率20%以上。項目執行期內完成新申請發明 專利大于等于20項(其中至少包含5項PCT專利)，申請軟 件著作權≥20項，提交國際或國家標準標準草案≥1項。項目實施三年內相關產品與服務累計涉及用戶規模(企業/個人)到達100萬級。

　　項目4：預測性決策控制模型研發與人工智能開放平臺構建

　　(一)研究內容

　　研究面向制造的預測性決策控制模型及基礎算法庫， 研究支撐高維度性能衰退指標提取的高穩定性和敏感性算 法;研究根據特征數據庫和運行數據庫構建設備健康混合 模型，研究支持模型重合度評估系統或其部件健康度的算法;研究設備性能退化程度的算法及反饋補償控制技術，研發軟硬件協同計算系統。研究支撐高速在線動態補償智能決策模型算法。研究支撐柔性件roll to roll和連續加工過程產品測量與和面向過程的誤差源識別算法，構建基 于制造質量預測可拓模型，研發柔性件制造預測性決策控 制深度學習人工智能算法開放平臺系統，研發可視化虛擬 設備屬性數據建模與映射關系建立技術，研發拖拽式可視 化、圖形化的數據建模、數據探索、深度分析、規則聯動 與預運行及自主數據模型構建技術。

　　(二)考核指標

　　項目完成時，須完成一個預測性決策人工智能開放平 臺建設。該平臺可連接運行設備不少于10萬臺，并發數據 上報吞吐量單機QPS>8W，數據存儲吞吐日均數據承載>30T，可提供包括特征提取、性能衰退預測、健康評估等預測性維護深度學習算法模型不少于200種，算法模型須支持Spark ML、Python等主流人工智能算法開發語言。系統支持拖拽式可視化數據建模，提供可視化虛擬設備屬性數據建模并建立映射關系以及圖形化、拖拽式的規則建模、規則聯動與預運行，支持軟件開發語言Java、Ruby、PHP、C#、Golang、NodeJS、Python，項目執行期間需接入平臺活躍用戶不少于10萬個，開發者數大于6000個。針對可roll to roll和連續生產的柔性材料類制造系統，實現人工智能維護算法穩定性邊界差異指標<5%，誤判率<20%，實現早于基準的預測預報，裝備運行持續時間在原基礎上提高5%， 柔性件核心加工部件實際使用時間提高1倍，原材料使用率比在項目實施前提升5%，覆蓋產能總體良率提升1.5%以上。項目完成時，基于上述創新成果，實現在廣東省內6家以上不同行業柔性件制造企業形成智能化示范應用。新申請發明專利大于等于20項(其中至少包含5項PCT專利)。

　　申報要求：本專題的所有項目均須企業牽頭申報。

　　支持強度：本專題每個項目擬支持1-2項，資助額度3000 萬元左右/項。

　　專題三：關鍵處理與感知器件(專題編號：20190155)

　　項目1：可敏捷定制的智能視覺處理器及系統應用

　　(一)研究內容

　　研究面向智能視覺應用的可靈活調整的處理器體系架構和部署工具，解決現有深度學習處理器固定體系結構與靈 活應用數據流之間的矛盾，針對不同應用場景中的深度學習 算法，研究處理器在算法特定的體系結構中的配置方法，研 究處理器在稠密網絡與稀疏網絡間切換模式，研究處理器動 態調整數據流和數據位寬的方法。研究面向智能視覺的神經 網絡模型壓縮技術，制定統一的網絡壓縮標準。研究高保真 度光感成像技術、超大圖像數據的快速壓縮與傳輸技術、亞像素級超高清圖像特征提取、分割、匹配與識別技術。開展基于端云協同的應用示范。

　　(二)考核指標

　　項目完成時，須實現智能視覺終端ASIC處理器流片。該處理器在65nm制程下，最高功耗控制在2W以內，峰值8bit定點最高性能達到10TOPS和最高能效達到5TOPs/W量級。處理器可支持不同數據位寬(4, 8, 16, 32)的神經網絡, 卷積層平均資源利用率達到75%以上，處理器具備可以靈活配置成不同網絡層和面向不同場景的能力。基于該敏捷定制視覺處理器開發的“端云系統”，可在智能交通或高精度智能檢測等領域應用，須在具體場景中驗證敏捷定制處理器數據流 與數據位寬動態調整效果。項目執行期間，新申請發明專利 大于等于20項(其中至少包含5項PCT專利)，研制并發布實施團體標準2項。

　　項目2：高性能TOF三維感知器件研發及視覺引導自主智能系統應用

　　(一)研究內容

　　開展高性能TOF圖像傳感器、3D傳感器關鍵技術研究及處理器開發與應用。研發高感光度、高量子效率、低暗電流噪聲且體積小的背照式(BSI)iTOF像素單元及其高分辨率圖像傳感器;研發高速、高精度、低功耗ADC及其讀出電路;研究基于面陣激光器及光學器件組成的激光發射模組及其高頻調制驅動電路。基于項目開發的TOF感知器件，研究3D視覺引導的自主智能系統，研究復雜環境下對操作對 象快速三維感知的能力，重構交互場景和操作對象三維模 型，完成自主智能系統在復雜環境約束下的運動控制，研 究用于精準交互和靈巧操作、快速估計的深度網絡模型應 具備的防備對抗攻擊的魯棒性。

　　(二)考核指標

　　項目完成時，須研發出工業級TOF 3D傳感器模組，并應用于3D視覺誘導。研發采用BSI和stacking工藝的Si基TOF圖像傳感器，像素大小不超過5um x 5um，使940nm的量子效率至少達到35%，像素內的光電子傳輸<1ns;3D傳感器分辨率可達到VGA，幀速可達到150fps，對角FOV大于80°，近距離測量相對精度不超過2mm@0.5m，遠距離測量相對精 度不超過1%@20m;TOF器件應用于三維視覺引導，可重構場景和交互模型，建立場景/物體類別不少于100個，主動抓取成功率不低于90%，將重構和虛擬場景訓練所得模型用于 真實抓取的遷移學習，主動抓取成功率不低于80%。項目執行期內完成新申請發明專利大于等于20項(其中至少包含5 項PCT專利)。實現在廣東省內工業制造、安防、危險品處理、物流、數據中心等至少三個行業的示范應用。

　　申報要求：本專題的項目2須企業牽頭申報。

　　支持強度：本專題每個項目擬支持 1-2 項，資助額度 3000萬元左右/項。

　　三、評審及立項說明

　　省重點領域研發計劃項目由第三方專業機構組織評審，對申報項目的背景、依據、技術路線、科研能力、時間進度、經費預算、績效目標等進行評審論證，并進行技術就緒度和知識產權等專業化評估：

　　(一) 技術就緒度與先進性評估。本專項主要支持技術就緒度3-6級的項目，項目完成時技術就緒度一般應達到7-9級，原則上項目完成后技術就緒度應有3級以上提高(技術就緒度評價標準及細則見附件2)，各申報單位應在可行性報告中按要求對此進行闡述并提供必要的佐證支撐材料(可行性報告提綱可在陽光政務平臺系統下載)。

　　(二) 查重及技術先進性分析。將利用大數據分析技術，對照國家科技部科技計劃歷年資助項目與廣東省科技計劃歷年資助項目，對擬立項項目進行查重和先進性等分析。

　　(三) 知識產權分析評議。項目研究成果一般應有高質量的知識產權，請各申報單位按照高質量知識產權分析評議指引的有關要求加強本單位知識產權管理，提出項目的高質量知識產權目標，并在可行性報告中按要求對此進行闡述并提供必要的佐證支撐材料(可行性報告提綱可在陽光政務平臺系統下載)，勿簡單以專利數量、論文數量作為項目目標。

　　擬立項項目經領域專家和戰略咨詢專家審議，并按程序報批后納入項目庫管理，按年度財政預算及項目落地情況分批出庫支持，視項目進展分階段進行資金撥付。

　　四、聯系人及電話

　　1.高新技術發展及產業化處(專題業務咨詢)：文曉蕓，020-83163877

　　2.業務受理及技術支持：020-83163930、83163338

　　3.資源配置與管理處(綜合性業務咨詢)：司圣奇　020-83163838