2025 Regeneron ISEF大奖-EBED嵌入式系统获奖作品汇总-2

最新官方消息！全球科创天花板赛事——国际科学与工程大奖赛（Regeneron ISEF），现已正式公布了2026年总决赛的举办时间和地点。这场汇聚全球青年创新力量的科技盛宴，将于2026年5月9日至15日，在美国亚利桑那州凤凰城会议中心（Phoenix Convention Center, Arizona）璀璨启幕。

2026ISEF赛事安排

参赛资格

年龄与年级：9-12年级学生（或同等学历），参赛时年龄不超过20岁。

地区选拔：必须通过附属赛（Affiliated Fair）晋级，无法直接报名。中国学生需先参加国内选拔赛（如青创赛、明天小小科学家等）。

团队项目：最多3人，所有成员需满足资格且共同参赛。

项目要求

原创性：项目必须由学生独立完成，允许在专家指导下进行，但不得代劳。

学科范围：涵盖21个学科类别，包括工程、生物、化学、计算机、环境科学等。

伦理限制：涉及人类、脊椎动物、病原体等研究需提前提交额外审查表（如ISEF Forms）。

关键文件与截止时间

ISEF表格：根据研究类型提交相应表格（如1C、2、3等），需在地区赛前完成审核。

摘要与研究论文：英文撰写，清晰描述研究目的、方法、结论。

地区赛截止：2026年3-4月

其他注意事项

展示材料：展板需符合ISEF尺寸要求（通常宽48英寸、深30英寸、高108英寸），禁止活体样本或危险品。

知识产权：部分研究可能需申请专利后再参赛，避免披露风险。

为了方便同学们更好的备赛，特别整理了ISEF-EBED嵌入式系统2025的获奖作品方便学习

EBED嵌入式系统获奖作品集合

EBED012T - 地理围栏 H2S 无人机

硫化氢 (H2S) 是一种剧毒气体，对石油和天然气行业构成重大健康危害。传统的 H2S 气体泄漏检测方法通常耗时、耗力且危险。本研究提出了一种将无人机技术与地理围栏算法相结合的创新方法，以增强 H2S 气体泄漏检测能力并保障工人安全。配备 H2S 传感器的无人机被派往潜在泄漏点，向中央控制系统提供 4K 实时画面，并通过机载 GPS 标记泄漏位置。地理围栏功能可在检测到的 H2S 浓度周围创建安全边界，配备“毒夹”的工人在接近这些危险区域时，地理围栏机制还会发出预警。

EBED021 - VoltMatrix：模拟计算AI芯片架构

人工智能 (AI) 已成为全球创新的基石。然而，随着下一代大型 AI 模型的蓬勃发展，当前的数字硬件（例如 GPU）面临着严峻的计算瓶颈。这些限制主要源于过高的功耗和散热限制，制约了芯片密度和性能的增长。模拟计算提供了一种极具潜力的高效替代方案，但现有的纯模拟 AI 解决方案（例如忆阻器）存在内存更新缓慢、噪声敏感和制造工艺差异大等问题，限制了其大规模应用。本项目引入了一种新颖的混合模数计算 AI 芯片架构，该架构结合数字控制，从根本上解决了纯模拟计算的挑战：数据存储在移位寄存器中，通过 DAC 和定时器转换为模拟电压和 PWM，并由模拟开关执行乘法运算。该架构已通过数学建模、电路仿真和 PCB 原型验证实验进行了验证。原型结果显示平均乘法误差为 1.7%，比忆阻器低约四倍。在 MNIST 手写数字识别任务中，该原型的准确率高达 94.8%，展现出其实际应用的潜力。此外，我们还使用 Skywater 180nm 工艺设计了一个包含 100 个乘法单元的近制造芯片版图以供验证。该版图在半导体层面进行了仿真，结果表明其功率效率比采用同类半导体工艺的已发表数字设计高出约三倍，精度是忆阻器的两倍。总而言之，该版图提供了一种极具前景的可扩展且高效的解决方案，以满足机器人、交通运输等领域对大型 AI 模型日益增长的需求。

EBED027T - 一种新型基于磁场的无人机探测系统

俄乌冲突表明，光纤控制无人机可以绕过传统的探测系统。雷达无法探测到雷达截面较小的低空目标；射频探测无法抵御不发射信号的光纤控制；光学方法在恶劣条件下也会失效。我们提出了利用电动无人机产生的电磁特征来探测这些难以捉摸的威胁的唯一可行解决方案。\n\n我们的被动探测阵列使用圆形阵列中校准的线圈传感器来识别五个光谱带（75-309 kHz）上无人机特定的频率特征。通过分析不同角度线圈上的感应电压模式，我们可以精确确定无人机的位置。通过快速傅里叶变换 (FFT) 分析，我们发现无人机会产生具有独特振幅关系的特征谐波模式，从而形成“电磁指纹”，无论采用何种通信方式，都能实现识别。\n\n我们的系统采用基于毕奥-萨伐尔定律的物理模型，通过测量感应电压分布的变化，高精度（方位角误差 <0.5%）计算目标距离和方位角。这代表着首次能够有效探测传统系统无法探测到的光纤控制无人机，并且适用于任何电动无人机，无论其尺寸或控制机制如何。\n\n通过工业线圈绕制、高分辨率 ADC 和提高磁导率的铁磁芯，可以扩大探测范围。该系统的无源特性使其能够以最小功率运行，同时不发射辐射，保持无线电静默，同时免受干扰。

EBED032 - 使用边缘 AI 进行早期野火检测

野火响应链中最显著的弱点和脆弱性在于早期检测/反应阶段。野火增长的物理规律是指数级的。任何响应时间的缩短都能带来类似的指数级效益。在这项工作中，我专注于在野火初期进行检测。现有的野火检测技术侧重于检测“火焰”或“烟雾”，而这些在野火发展的早期阶段往往被遮挡或缺失。我开发了一种新型传感器网络，利用透明介质中的折射率梯度来检测小型野火的“热”特征。该系统采用摄像头，并配备互相关滤波器，用于突出显示由热羽流引起的折射光变化所导致的场景差异。然后，这些提取的特征被输入到一个人工智能模型中，该模型使用概率分类来确定检测到的热羽流是否预示着火灾。该系统包含一个张量处理单元 (TPU)，允许在部署后在我们的边缘设备上重新训练一个 50 层的神经网络，从而大大增强了其鲁棒性。在不同距离进行了大量的现场测试，包括火焰长度小于 6 英寸且无法在视线范围内观察到火焰的小火。为了评估在野火初期感知其能力，研究人员点燃了直径小于 ¼ 英寸的真实、完全固化的死燃料。当视频帧率约为 5fps 时，在 300 英尺以内可实现 84% 以上的检测准确率；当帧率约为 50fps 时，在 600 英尺以内可实现 71% 以上的检测准确率。这项研究代表了人工智能野火探测领域的重大进步，并为缩短早期响应时间和减轻野火的破坏性影响提供了良好的机会。

ISEF历年获奖作品集&解析&资料免费下载⬇️