（一）项目简介 项目背景：与人类视觉感知机制相比，当前视觉感知技术缺乏针对广域动 态复杂环境的普遍性和适应性，需要新的技术创新和突破 创新点：1）根据“偏向竞争理论”，提出自顶而下感知神经网络和多尺 34 度局部精细检测强化学习算法，实现可形变目标的精细检测识别；2）根据 “集成竞争假设”理论，提出了自底而上注意力感知网络以及隐空间稀疏特征 无监督式学习算法，实现了非特定环境的异常目标检测；3）基于感知完整性理 论和Hebbian 学习理论，提出基于形状先验和在线自主更新的目标跟踪算法。 应用场景：电力系统、服务机器人、国防无人系统等领域。 

（二）应用技术成果 技术优势：相比国际基准算法，在目标检测、识别和跟踪精度上有显著提升。 产业化前景：1.目标市场规模及潜在经济效益：已应用于电力系统、服务 机器人、国防无人系统等领域，累计创造销售额11.11亿元，产生利润2.79亿 元，增收节支总额1.35亿元；2.技术推广的可行性和预期效益：可促进电力系 统提质增效，增强电力智能系统的可靠性，节约人力成本和存储成本；提升服 务机器人和国防无人系统在复杂场景的智能水平。 意向合作方式：如知识产权转让（许可）、技术服务、合作开发等。 

（三）已合作情况 是否已实现转化；是 社会效益：促进了电力系统提质增效，增强了电力智能系统的可靠性，节 约了人力成本和存储成本；提升了服务机器人和国防无人系统在复杂场景的智 能水平，推进了人工智能技术与机器人生态圈的融合发展