【福建省政府采购网】莆田学院面向人工智能的工业互联网和边缘计算科研平台建设项目货物类采购项目
莆田学院面向人工智能的工业互联网和边缘计算科研平台建设项目货物类采购项目
竞争性磋商公告
项目概况
受莆田学院委托，福建省莆田市佳佳招标有限公司对[350300]PTJJ[CS]2022001、莆田学院面向人工智能的工业互联网和边缘计算科研平台建设项目货物类采购项目组织竞争性磋商，现欢迎国内合格的供应商前来参加。
莆田学院面向人工智能的工业互联网和边缘计算科研平台建设项目货物类采购项目的潜在供应商应在福建省政府采购网(zfcg.czt.fujian.gov.cn)免费申请账号在福建省政府采购网上公开信息系统按项目获取采购文件，并于2022-09-26 09:30（北京时间）前提交响应文件。
一、项目基本情况
项目编号：[350300]PTJJ[CS]2022001
项目名称：莆田学院面向人工智能的工业互联网和边缘计算科研平台建设项目货物类采购项目
采购方式：竞争性磋商
预算金额：498000元
包1：
采购包预算金额：498000元
采购包最高限价：498000元
磋商保证金：0元
采购需求：（包括但不限于标的的名称、数量、简要技术需求或服务要求等）
| 品目号 | 品目编码及品目名称 | 采购标的 | 数量（单位） | 允许进口 | 简要需求或要求 | 品目预算（元） | 中小企业划分标准所属行业 |
| 1-1 | A021099-其他仪器仪表 | 边缘信息采集计算模块 | 2（套） | 否 | 一、处理器性能要求不低于以下技术参数：1、内核：≥RISC-V双核64位；主频：≥400MHz。2、SRAM：≥8MB。3、FPU，满足IEEE754-2008标准。4、包含神经网络处理器（KPU）、音频处理器（APU）、快速傅里叶变换加速器（FFT）、高级加密硬件加速器（AES）、一次性只读存储器（OPT）SHA256、外设接口（FPIOA、UART、GPIO、SPI、IIC、IIS、WDT、TIMER、RTC）等。5、支持QVGA@60fps/VGA@30fps。6、支持麦克风阵列（8 mics）、支持TensorFlow/Keras/Darknet等主流框架、支持YOLOv3、Mobilenetv2、TinyYOLOv2等。二、板载资源：按键、RGB灯、麦克风、USB转UART、≥128Mbit Flash。三、板载接口：USB Type-C接口、DVP摄像头接口、LCD接口、MicroSD卡槽、音频接口、GPIO接口。四、供电电源：DC5.0V@300mA。五、操作系统：FreeRTOS、RT-Thread等。六、开发环境：MaixPy IDE、PlatformIO IDE、Arduino IDE等。七、编程语言：C、C++、MicroPython。八、标准配件：≥2.4寸显示屏、DVP摄像头接口（200W）、MicroSD卡（≥64G）、Type-C数据线。九、功能要求，不少于支持以下实验内容：（1）基于CNN的目标检测和图像分类；（2）目标测距和定位、人脸检测和识别；（3）声源定向、波束形成；（4）语音识别、语音唤醒。 | 6000 | 工业 |
| 1-2 | A020199-其他计算机设备及软件 | 图像识别数据标注软件 | 1（套） | 否 | 一、功能需求1、位置标注:需要进行位置标注的对象包括行人、机动车、非机动车、规定的交通设施4个一级分类。根据场景要素对一级分类进行细化，得到二级分类，说明如下：1.1、行人：包括一般行人、交通警察、环卫工人。1.2、机动车：包括小汽车、货车、普通客车（非公交大巴）、公交车、卡车、警车、救护车、消防车、校车、洒水车、其他。1.3、非机动车包括：包括三轮车、自行车、电动自行车、摩托车、其他。1.4、规定的交通设施包括：交通标志牌、三角锥、施工隔离护栏、道路施工临时牌。2、场景标注:2.1、对场景采集环境的天气状况的标注包括4个一级分类，分别为：晴天、雨天、雪天、雾/霾/相机模糊。2.2、对场景采集环境的光照条件的标注包括2个一级分类，分别为：白天、黑夜。3、标注的保存格式:场景数据图像的标注结果统一采用JSON 格式，每一张图像的保存结果应包含但不限于“info”、“image”、“annotations”、“categories”4个部分。其中，“info”保存年代、版本、描述、贡献者、地址、数据创建日期信息；“image”包含标注图像ID、文件名、分辨率、通道数、数据来源等内容；“annotations”保存了图像中每个目标的标注结果，不同类别目标的标注结果包含不同的关键字；“categories”对应的是数据集所包含的目标类别的名 称，如果是子类的话，还应包括父类的名 称。二、性能需求4.1、修改项目目录（即图片目录）4.2、保存（快捷键CTRL+S）4.3、保存标注后开始下一个未标注图片4.4、删除图片4.5、图片放大（快捷键CTRL+Q）4.6、图片适应窗口（快捷键CTRL+W）4.7、图片缩小（快捷键CTRL+E）4.8、“创建者”内容单击修改后将保存入配置文件；4.9、“描述关键字”需对每张图片填写；4.10、场景标注“天气情况”“光照条件”在确定标注；4.11、图片时生成，单击修改类型；4.12、位置标注与图片上操作产生的矩形框一一对应。4.13、单击修改标注类型。4.14、单击预览图确定编辑图片。4.15、鼠标右键拖动图片；4.16、鼠标双击标注可更换标注类型；4.17、在标注被选中状态对标注操作。4.17.1、“CTRL+方向键”可微调位置；4.17.2、“SHIFT+方向键”可可微调大小；4.17.3、“CTRL+DEL”删除本标注。 | 50000 | 工业 |
| 1-3 | A020199-其他计算机设备及软件 | 边缘智能应用软件 | 1（套） | 否 | 一、功能需求：1、具备边缘计算系统资源分配优化模型。为了比较边缘计算系统整体性能的优劣，需要一套统一的性能评价指标。延迟和能耗在大多数情况下都是影响系统性能的提升的关键因素，所以边缘计算系统的设 计中，延迟和能耗是需要重点考虑的两个方面。因此，必须建立了边缘计算系统功耗模型、延时模型以及面向功耗和延时的多目标优化模型。2、具有延迟感知边缘计算动态任务调度策略该策略通过在边缘计算网络中动态地创建虚拟机，来实现对边缘计算系统中的资源的充分利用，在保证了系统低延迟的基础上，降低了网络的使用。 3、具有多目标优化的边缘计算应用模块映射策略，该策略面向边缘计算系统中的低延迟、低功耗的需求，结合了模拟退火算法的资源分配方案 SAP。该策略以低延迟、低功耗为优化目标，凭借模拟退火算法能够跳过局部最优解，寻找到近似的全局最优解的优势，实现在保持系统低延迟的前提下最大程度地降低系统整体能耗。 二、性能需求1、算法支持用户随机到达，将将随机任务切分成可迁移组件和不可迁移组件，在算法训练阶段，利用Q学习生成该任务的最优迁移策略作为训练样本来训练深度前馈神经网络，完成最优策略的学习.在算法使用阶段，新的随机任务到达时仅经过一次神经网络前向传播就可以生成该任务的近似最优分配策略，速了最优策略的生成。2、采用时隙策略优化算法，提出了使用强化学习资源分配的基础上加入时隙，目标优化的边缘计算资源分配与任务调度策时使用移动时隙管理。将时隙问题建模为马尔科夫决策问题。3、采用DDPG算法卸载计算任务。DDPG使用一种称为行为者评论家的新架构，其中包括两个网络：行为者网络和评论家网络。行为者评论家架构是将策略梯度和状态行为值函数相结合。行为者网络的作用是通过调节参数θ来确定状态下的最佳行为，评论家网络的作用是评估行为者网络产生的行为。评论家网络是通过计算时间差分误差来评估行为者网络产生的行为的效率。三、要求至少能满足以下经典案例1、无人机集群通信资源优化。2、仓库搬运机器人计算资源优化。 | 48000 | 工业 |
| 1-4 | A020199-其他计算机设备及软件 | 图像分类应用软件与算法 | 1（套） | 否 | 一、功能需求1、人脸/行人图像分析：行人ReID、行人属性、有人/无人分类、安全帽佩戴分类训练。2、车辆图像分析：有车/无车分类、车辆属性、车辆ReID、交通标志分类。3、文字图像分析：文字图像整图方向分类、语种分类、文本行方向分类。二、性能需求1、超轻量图像分类方案9个超轻量图像分类场景模型，覆盖人、车、OCR等高频应用。CPU预测3ms，精度比Swin-Transformer等大模型。4个核心优化策略，1行命令启动训练。2、PP系列骨干网络模型CPU 预测速度、精度方面均远超如MobileNetV3等同体量算法。高精度骨干网络PP-HGNet，GPU预测速度、精度超越ResNet、Swin-Transformer等经典模型，精度85%。3、PP-ShiTu 轻量图像识别系统：18MB超轻量，CPU上0.2s即可完成10W+库的图像识别。集成了目标检测、特征学习、图像检索等模块，能够广泛适用于各类图像识别任务。特征库自定义修改，增加或修改类别无需重新训练。4、SSLD∶半监督知识蒸馏算法。大模型指导小模型训练，融合无标签数据的高精度知识蒸馏方案，提供23个图像分类预训练模型，平均精度较原始网络提升3%，其中ResNet50_vd精度83%，MobileNetV3_large1.0x精度79%。三、要求至少能满足以下经典案例1、瓶装饮料识别。2、商品识别。3、动漫人物识别。4、logo识别。5、有人/无人分类模型。6、人体属性识别模型。7、佩戴安全帽分类模型。8、交通标志分类模型。9、车辆属性识别模型。10、有车/无车分类模型。11、含文字图像方向分类模型。12、文本行方向分类模型。13、车辆识别。 | 50000 | 工业 |
| 1-5 | A020199-其他计算机设备及软件 | 高性能边缘计算工作站 | 1（台） | 否 | 1、CPU：2 X Intel Xeon Silver 4216Processor/2.1GHz/16.5 MB/12C/24T/85 W/2UPI/2400 MHz/。2 、内 存 ： 2 X 32GB/DDR4/2666MHz 或 2933MHz 或 3200MHz/ECC/REG。 3、硬盘：4TB/SATA/7200RPM/3.5寸。3.1 前置：可支持6个/3.5英寸 SAS/SATA/SSD 硬盘。 3.2 内置：可支持 2 个 2.5 英寸 SAS/SATA/SSD 硬盘，或 2 个 2.5 英寸 U.2 SSD 硬盘，和 1 个 PCI-E M.2 SSD。 4、SSD： SSD/512GB/SATA 6Gb/2.5 寸/ 读取型 ＜1DWPD。 5、阵列卡：主板集成RAID / 支 持 RAID 0,1,5,6,10,50,60,JBOD。6、GPU 加速卡：2 X NVIDIA 3080/10GB。 7、板载网络：集成 2 个 千兆 RJ45 网口；可选配千兆网卡。 8、Raid 支持：支持 SATA RAID0、1、10，可 选配支持 SAS RAID0、1、10、5、50、60 等，RAID 无缓存/1GB/2GB 缓存，可选缓存掉电保护。9、PCIE 扩展：提供 6 个 PCI-E3.0 标准插槽，1个专用插槽（PCI-E3.0）。 10、端口：5 个 USB3.0 接口。操作系统：支持 Windows Server 2012 R2；Red Hat* Enterprise Advanced Server 7.5；电源：1 X 1000W 电源；电源模块可选900W/1000W 白金交流电源模块。11、配服务器操作系统。 | 40000 | 工业 |
| 1-6 | A021099-其他仪器仪表 | 智能移动机器人 | 2（套） | 否 | 一、AI开发模组 1、Nvidia Jetson模组。二、底盘驱动板 1、STM32控制板。三、运动学模型 （1）两轮差分运动学模型。（2）25GA-370直流减速电机*2。（3）霍尔编码器*2。（4）65mm轮胎*2 + 万向轮*1。四、激光雷达 1、EAI YDLIDAR-X4。五、相机 1、CSI接口摄像头模组。六、无线网卡 （1）双模无线网卡。（2）支持2.4GHz/5GHz双频WIFI。（2）支持蓝牙4.2。七、电池 1、12V/6000mAh带充电保护锂电池。八、配件 1（1）5V/2A充电器*1。（2）2.4GHz高增益棒状天线*2。（3）Jetson Nano散热风扇（PWM调速）*1。（4）无线遥控手柄。九、底盘材料 1、黑色高强度铝合金板。十、车身重量：约1.7Kg。十一、车身体积： 1、约22cm(L)*20cm(W)*12.5cm(H)。十二、功能要求，不少于支持以下实验内容：1、ROS基础实验： IMU数据融合、扩展卡尔曼滤波、电机PID控制、机器人校准、机器人控制Gazebo仿真实验 构建仿真环境、建图导航仿真、自动驾驶仿真。2、激光雷达SLAM实验：Gamapping SLAM、Hector SLAM、Karto SLAM、Cartographer SLAM、自动探索建图。3、Navigation导航实验：AMCL自适应蒙特卡洛定位、全局路径规划、局部路径规划、单点导航、多点巡航、自主避障。4、人工智能实验：自主避障、目标追踪、自动驾驶 RGBD深度相机实验 VSLAM三维地图构建、ORB_SLAM视觉定位、模拟激光雷达导航。5、OpenCV机器视觉实验：人脸检测、边缘检测、二维码扫描跟踪。 | 60000 | 工业 |
| 1-7 | A021099-其他仪器仪表 | 边缘计算算力卡 | 2（套） | 否 | 一、性能要求不低于以下技术参数：1、核心频率： 基础频率：1365MHz。2、CUDA核心： 10240个。3、显存频率： 19000MHz。4、显存类型： GDDR6X。5、显存容量： 12GB。6、显存位宽： 384bit。7、最大分辨率： 7680×4320。8、接口类型： PCI Express 4.0 16X。9、I/O接口： 1×HDMI接口，3×DisplayPort接口。10、电源接口： 8pin+8pin。11、显卡设计： 公版。 | 24000 | 工业 |
| 1-8 | A020199-其他计算机设备及软件 | 自动泊车控制软件与算法 | 1（套） | 否 | 一、功能需求1、自主规划停车路径。自主规划停车路径是一种智能化的自动控制系统。在车辆停车过程中，安装在车辆前部的车距传感器持续扫描车辆前方道路，同时轮速传感器采集车速信号。当与前车之间的距离过小时，ACC控制单元可以通过与自动防抱死系统、发动机控制系统协调动作，使车轮适当制动，并使发动机的输出功率下降，以使车辆停车保持安全。2、自动紧急制动（AEB）。在停车过程中，难免有突然情况发生。AEB功能一般是与前碰撞预警（Forward Collision Warning，FCW）功能配合一起使用。具体实现由毫米波雷达、激光、声纳、红外线、摄像头等同步实时监测前方障碍物，包括移动的车辆、行人以及自行车等，然后将前面这些传感器测出的本车速度、前方障碍物速度以及它们之间的距离传到数据处理系统，进而判断它们的安全距离，若小于安全距离，数据处理系统就会发出警报，提醒驾驶员刹车，如果驾驶员未对可能发生的碰撞做出反应或采取的制动力不足，则该系统将对车辆主动进行制动。3、车道偏离预警系统（Lane Departure Warning，LDW）。车辆停车的时候，实际路径与规划路径总存在偏差。车道偏离预警系统主要由HUD、摄像头、控制器等组成，当车道偏离系统开启时，摄像头（一般安置在车身侧面或后视镜位置）会时刻采集行驶车道的标识线，通过图像处理获得汽车在当前车道中的位置参数，当检测到汽车偏离车道时，传感器会及时收集车辆数据，调整规划路径。二、性能需求1、在仿真环境carla建立泊车车辆运动学模型与碰撞约束模型。对低速泊车工况的有关参数进行了分析，并建立了车辆运动学模型作为泊车轨迹规划算法的参考模型，基于 carla软件在不同车速下进行了运动学模型精度验证。为泊车轨迹规划与跟踪控制提供了理论基础。2、支持基于分层规划的泊车轨迹规划算法。针对日常中的平行泊车与垂直泊车场景，采用与基于 Reeds-Shepp 曲线改进的 RRT*算法的分层规划算法，提高路径规划效率与提升路径规划平滑性。3、支持深度强化学习算法的自动泊车运动控制。为实现泊车轨迹的跟踪控制，分别对纵向跟踪控制器与横向跟踪控制器进行了研究与对比分析，建立基于DDPG算法的纵向速度控制器与基于纯跟踪和运动学 MPC 的横向跟踪控制器。三、算法至少满足以下要求：1、采用单一车辆前置摄像头作为关键传感器，降低了所需车辆传感系统的复杂性；2、基于评论者执行者深度强化学习方案的自动泊车训练方案，避免了传统方案中对图像特征的人工提取并且也避免了深度学习方法中的大量数据集建立的相关工作，实现端到端神经网络的自主训练3、基于自动泊车课题的强化学习环境规则，包括停车环境的构建、状态的定义、动作空间的设计以及奖励函数的制定，设计适用于自动泊车任务的神经网络结构，采用残差网络模块作为深度网络的主要结构特征，满足了自动泊车任务对于安全性可靠性的要求。4、对于新的驾驶环境，算法在1000次尝试后，泊车正确率不低于95%。 | 50000 | 工业 |
| 1-9 | A020199-其他计算机设备及软件 | 深度强化学习应用软件与算法 | 1（套） | 否 | 一、功能需求1、可复现性保证。要求提供了高质量的主流强化学习算法实现。2、大规模并行支持。框架最高可支持上万个CPU的同时并发计算，并且支持多GPU强化学习模型的训练。3、可复用性要强。要求通过复用框架提供的算法能把经典强化学习算法应用到具体的场景中。4、具务良好的扩展性。二、性能要求1、采用模型、算法、智能体三级框架，模型用来定义前向 (Forward)网络，通常是一个策略网络 (Policy Network)或者一个值函数网络 (Value Function)，输入是当前环境状态 (State)。算法定义了具体的算法来更新前向网络 (Model)，也就是通过定义损失函数来更新Model。一个Algorithm包含至少一个Model。智能体负责算法与环境的交互，在交互过程中把生成的数据提供给Algorithm来更新模型 (Model)，数据的预处理流程也一般定义在这里。2、支持a2c、cql、ddqn、maddpg、policy_gradient、ddpg、dqn、ppo、sac算法。3、在多机并行计算的时候，深度强化学习开发库在启动集群的时候提供了web服务，用户可以通过这个页面查看每台机器上的内存、CPU使用率等，同时也可以查看每个任务占用了多少集群资源。4、深度强化学习开发库可以自动分发当前目录下的代码文件，实现无缝的多机并行。三、要求能满足以下深度强化学习库案例1、案例背景，在5G网络中，移动用户任务卸载及资源优化。2、案例参数仿真用户数量Ｋ： 20-80小基站数量Ｍ： ４用户卸载链路带宽：１ＭＨｚ小基站发送功率：23dBm强移动用户占比：10dBm用户发送功率： 10dBm最大用户接入数量： 20基站自干扰功率：-40dBm服务器计算能力： 50Gcycles本地计算能力：0.8-1.4（Gcycles）3、案例性能，采用深度强化学习应用软件，计算延时至少降低65%，功耗至少降低45%。 | 50000 | 工业 |
| 1-10 | A020199-其他计算机设备及软件 | 图分割开发算法 | 1（套） | 否 | 一、功能需求 1、高精度模型：基于半监督标签知识蒸馏方案(SSLD)训练得到高精度骨干网络，结合前沿的分割技术，要提供不少于80+的高质量预训练模型，效果优于其他开源实现。2、模块化设 计：支持40+主流分割网络 ，结合模块化设 计的 数据增强策略 、骨干网络、损失函数 等不同组件，开发者可以基于实际应用场景出发，组装多样化的训练配置，满足不同性能和精度的要求。3、 高性能：支持多进程异步I/O、多卡并行训练、评估等加速策略，结合飞桨核心框架的显存优化功能，可大幅度减少分割模型的训练开销，让开发者更低成本、更高效地完成图像分割训练。二、性能需求1、提供了配置化驱动和API调用两种应用方式，帮助开发者更便捷地完成从训练到部署的全流程图像分割应用。2、提供语义分割、交互式分割、全景分割、Matting四大图像分割能力。3、提供ANN 、BiSeNetV2、DANet、DeepLabV3、DeepLabV3P、Fast-SCNN、HRNet-FCN、GCNet、GSCNN等分割模型。4、支持HRNet、MobileNetV2、MobileNetV3、ResNet、STDCNet、XCeption、VIT、MixVIT、Swin Transformer等骨干网络。三、要求能满足以下经典案例1、交互式分割，首先用户以某种交互手段指 定图像的部分前景与部分背景，然后算法以用户的输入作为分割的约束条件自动地计算出满足约束条件下的最佳分割，交并比＞=90%。2、人像分割，输入一段包含人像的视频，算法能正确分割人像，交并比＞=90%。3、3D医疗分割，输入3D医疗影像（X-ray，彩超，CT,MRI），正确分割人体器官，如果骨骼、内脏等，交并比＞=90%。 | 60000 | 工业 |
| 1-11 | A020199-其他计算机设备及软件 | 目标检测应用软件与算法 | 1（套） | 否 | 一、功能需求1、训练模型: 包含目标检测、实例分割、人脸检测、关键点检测、多目标跟踪等预训练模型。2、要求软件简洁：模块化设 计，解耦各个网络组件，能够轻松搭建、试用各种检测模型及优化策略，快速得到高性能、定制化的算法。3、端到端打通: 从数据增强、组网、训练、压缩、部署端到端打通，并完备支持云端/边缘端多架构、多设备部署。4、高性能: 基于飞桨的高性能内核，模型训练速度及显存占用优势明显。要求支持FP16训练, 支持多机训练。二、性能要求1、提供了基于PaddleSlim进行模型压缩的benchmark。支持的模型压缩方法：剪裁、量化、离线量化、蒸馏、联合策略。2、支持服务端、移动端、嵌入式等多种平台，提供了完善的Python和C++部署方案。3、支持训练可视化，用户实时查看训练过程中状态，可查看数据包括loss变化趋势、mAP变化趋势等。三、要求至少能满足以下经典案例1、路面垃圾检测，通过在市政环卫车辆上安装摄像头对路面垃圾检测并分析，实现对路面遗撒的垃圾进行监控，记录并通知环卫人员清理。2、通信塔识别及Android端部署，通信塔主要用于运营商、广播电视等部门架设信号发射天线或微波传输设备，对通信塔及时正确的维护是保障无线通信系统正常运行的必要手段。3、PCB瑕疵检测，利用RCNN系列算法完成印刷电路板瑕疵检测。评估方法是使用IoU=0.5，area=all的mAP作为评价指标，得分=mAP * 100，范围[0，100]。4、基于人体关键点的合规检测，合规检测是一个在基础AI应用中比较广泛的需求. 比如:安防场景: 安全帽，工装，反光衣，安全穿戴识别等安全生产： 护耳，手套，专业防护设备等；规范场景: 防尘车间防护服,防疫卫生中防护服等。要求漏检率＜=1%,误检率＜=5%。 | 60000 | 工业 |
本采购包：不接受联合体投标
二、申请人的资格要求：
1.满足《中华人民共和国政府采购法》第二十二条规定；
2.落实政府采购政策需满足的资格要求：
包1
(1)明细：落实政府采购政策的证明材料（专门面向中小企业采购） 描述：本项目为专门面向中小企业采购，投标人应按以下要求提供相关证明材料：1、根据《政府采购促进中小企业发展管理办法》（财库〔2020〕46号）文件，本项目专门面向中小企业采购（中小微企业、监狱企业、残疾人福利性单位），投标人须提供《中小企业声明函》。2、投标人为监狱企业的，可不提供《中小企业声明函》，根据其提供的由省级以上监狱管理局、戒毒管理局（含新疆生产建设兵团）出具的属于监狱企业的证明文件进行认定，监狱企业视同小型、微型企业。3、投标人为残疾人福利性单位的，可不提供《中小企业声明函》，根据其提供的《残疾人福利性单位声明函》进行认定，残疾人福利性单位视同小型、微型企业。※投标人应按照磋商文件第五章规定提供。4、本项目为货物类采购项目，采购标的对应的中小企业划分标准所属行业为“工业”。
（如属于专门面向中小企业采购的项目,供应商应为中小微企业、监狱企业、残疾人福利性单位)
3.本项目的特定资格要求：
包1
（如项目接受联合体投标，对联合体应提出相关资格要求；如属于特定行业项目,供应商应当具备特定行业法定准入要求。)
三、获取采购文件
时间：2022-09-14至2022-09-21 23:59:59（提供期限自本公告发布之日起不得少于5个工作日），每天上午00:00:00至11:59:59，下午12:00:00至23:59:59（北京时间，法定节假日除外)
地点：招标文件随同本项目招标公告一并发布；投标人应先在福建省政府采购网(zfcg.czt.fujian.gov.cn)注册会员，再通过会员账号在福建省政府采购网上公开信息系统按项目下载招标文件(请根据项目所在地，登录对应的(省本级/市级/区县)）福建省政府采购网上公开信息系统操作)，否则投标将被拒绝。
方式：在线获取
售价：免费
四、响应文件提交
截止时间：2022-09-26 09:30（北京时间）（从磋商文件开始发出之日起至供应商提交首次响应文件截止之日止不得少于10日；从谈判文件开始发出之日起至供应商提交首次响应文件截止之日止不得少于3个工作日；从询价通知书开始发出之日起至供应商提交响应文件截止之日止不得少于3个工作日）
地点：
五、开启（竞争性磋商方式必须填写）
时间：2022-09-26 09:30（北京时间）
地点：
六、公告期限
自本公告发布之日起3个工作日。
七、其他补充事宜
无
八、凡对本次采购提出询问，请按以下方式联系。
1.采购人信息
名 称：莆田学院
地 址：莆田市城厢区学园路兴安新村36号
联系方式：18250533168
2.采购代理机构信息（如有）
名 称：福建省莆田市佳佳招标有限公司
地 址：莆田市涵江区江口镇赤港东港街188号
联系方式：13860977525
3.项目联系方式
项目联系人：黄志
电 话：13860977525
网址：zfcg.czt.fujian.gov.cn
开户名：福建省莆田市佳佳招标有限公司
福建省莆田市佳佳招标有限公司
2022-09-14