NVIDIA Orin Nano 4GB 硬件平台实现高效的缺陷检测功能。通过一对一部署检测模型支持 Orin Nano 利用摄像头进行自主缺陷检测，适用于工业生产场景中的质量控制。 主要功能 1.Orin 连接与数据库设置支持配置 Orin Nano 的数据库连接，确保检测数据实时存储与管理。 2.摄像头与视频上传提供摄像头选择功能，支持上传测试视频以进行缺陷检测。 3.模型选择与管理允许用户选择预训练的缺陷检测模型，灵活适配不同检测需求。 4.实时画面监控实时显示 Orin Nano 摄像头捕获的检测画面，便于用户监控检测过程。 5.数据库内容查看提供直观的界面，方便用户查询和分析存储在数据库中的检测结果。 应用场景 •制造业：用于生产线上的零件、产品表面缺陷检测。 •自动化质检：结合 Orin Nano 的边缘计算能力，实现高效、低延迟的实时检测。 •工业物联网：通过数据库管理检测数据，支持后续分析与优化。 技术亮点 •高效部署：与 Orin Nano 4GB 硬件紧密集成，充分发挥其边缘计算能力。 •用户友好：PyQt5 打造的图形化界面，操作简单直观。 •灵活扩展：支持多

项目描述： 整合多支付渠道（微信、支付宝、银联、第三方支付）统一管理，解决支付分散、对账复杂、风控能力不足等问题。构 建高可用、高扩展的支付中台，支持日均千万级交易量，提供统一的支付接入、路由、风控、对账能力。 技术架构： 接入层：Nginx+API Gateway（限流、鉴权、路由） 服务层：Spring Cloud Alibaba微服务（支付服务、风控服务、对账服务独立部署） 数据层：MySQL（分库分表）+ Redis（分布式锁、热点数据）+ Elasticsearch（日志检索） 开发框架：Spring Boot 2.7 + MyBatis-Plus + Spring Cloud Gateway 分布式事务：Seata + 事务消息（RocketMQ） 高并发设计：本地缓存（Caffeine）+ 分布式缓存（Redis Cluster） 风控引擎：Drools规则引擎 + Flink实时计算（复杂规则场景） 部署架构： Kubernetes集群（Pod自动扩缩容）+ Docker容器化 多机房部署（基于DNS的流量切分，故障自动切换） 数据库主从分离（Proxy

基于selenium的抖音无水印批量视频爬取，可以记录cookie，支持自定义位置保存，设置好需要爬取的数量后，通过用户分享的博主主页链接从最新的视频开始爬取，自动识别主页分享中的链接部分，操作期间模拟了真人鼠标操作与停留，直接获取到主播主页信息和所有视频，适用于想要博主批量无水印视频内容自行进行洗稿的人。

本系统专为中小企业打造，聚焦核心业务场景，提供覆盖销售、采购、生产计划、制造执行、仓储物流的一站式数字化管理解决方案。通过智能化引擎实现全链路闭环管理：销售订单自动驱动生产排程，精准协调物料需求；生产过程实时监控进度与质量，支持扫码报工与设备数据集成；仓储模块结合条码/RFID技术，实现出入库高效追踪与库存动态预警。系统优势在于打破部门信息孤岛，以数据互通驱动决策协同，帮助企业降低采购成本15%以上、库存周转率提升30%、订单交付周期缩短20%。支持云端部署与移动端应用，助力中小企业以轻量化投入实现生产透明化、运营精益化，快速响应市场变化。

1.完善公司级报表可视化系统，面向业务运营和管理层用户，支持各种汇报报表 2.使用fineBI/finereport工具，支持多维度灵活查询报表 3.相较于传统Java技术，投入人员少（独立完成），优化和迭代容易

简记是一款笔记应用，为用户提供了轻松、便捷的笔记体验。 无论您是学生、专业人士还是创作者，都能通过我们的应用随时随地记录灵感、 安排任务，并确保数据安全同步 笔记本 app , 实现编辑，同步，ai 对话功能

DLLInject是windows下的DLL注入工具，使用的是创建远程线程调用Loadlibrary的方式给指定运行中的进程注入指定调试dll。 note:DllInject运行需要权限不低于被注入进程，不然会打开进程失败 DLLInject目录是注入工具的源码。 DebugProj目录下是调试dll的源码，目前提供了两个演示工程: TestAddDll: 注入TestApp.exe（TestApp目录），可以拦截和打印TestApp每一次调用Add的结果。 SymbolLoadDLL： 演示了如何在一个指定进程中查找符号对应的地址。

本作品基于智能爬虫技术构建了国外期刊作者信息自动化采集系统，针对Elsevier、Springer等主流学术平台设计多维度数据抓取方案。系统采用动态IP代理和请求频率控制策略有效突破反爬限制，结合XPath与正则表达式实现作者姓名、机构等核心元数据的精准提取。创新性引入文献计量学模型，对作者学术影响力进行多维度画像，输出结构化数据集。系统日均处理数据量达20万条，准确率超过92%，为科研评价、人才引进和学术合作提供数据支撑。开发过程中严格遵循国际数据合规标准，采用加密存储与访问权限控制双重保障机制，确保符合GDPR等数据隐私法规要求。

这是一个为企业打造的智慧物流计量系统，分为分为 pc 后台，和微 信小程序，传统的计量方式和开单方式为手写，为了降低人工成本和计量误差，我们打造了一款 集预约订单，计量重量，生成电子发票为一体的系统，无需输入，只要上传图片就可以获取司机 身份证信息，行驶本信息

产品定位： 是面向企业与开发团队打造的一站式AI开发以及应用构建服务平台，提供AI应用开发全流程工具链，实时可视化管控AI软件全生命周期 解决方案： 创新性融合开源技术与商业智能解决方案，基于模块化架构设计，打造出兼具高扩展性与轻量部署优势的企业级AI平台，为企业提供全链式AI赋能解决方案

Java搭配Kotlin语言编写，代码逻辑清晰且规范，方便后期维护 接入Deepseek、Chatgpt、KimiAi可进行对话 使用MiraiQQ机器人框架，包含对话、等级管理、聊天信息获取、模型更换

1.针对低年级小学生提高口算能力 2.题型多、灵活设置时长、成绩长期保存、支持排行榜 3.移动端使用微信原生小程序开发，后台管理端使用vue3+elementPlus开发，服务端使用nodejs+mySQL开发

网络爬虫：互联网信息的隐形捕手 网络爬虫（Web Spider），又称网络蜘蛛或网络机器人，是一种自动化程序，通过模拟浏览器行为，按照预设规则从互联网上批量获取网页内容。自诞生以来，爬虫技术已成为数据获取与分析的关键工具，但其边界亦伴随技术发展与法规约束不断演变。 一、技术原理：如何编织“数据之网” 1. 工作原理 ○ URL导航：爬虫从初始URL（如网站首页）开始，解析HTML中的超链接（），递归遍历网站结构，形成“爬取路径”。 ○ 请求与响应：通过HTTP/HTTPS协议向服务器发送请求，获取网页源代码（HTML、XML等），再经解析提取文本、图片、视频等资源。 ○ 动态内容处理：现代爬虫结合JavaScript渲染引擎（如Selenium），可抓取单页应用（SPA）中的动态加载数据。 2. 核心技术组件 ○ 调度系统：管理待爬队列，优化资源分配（如分布式爬虫使用消息队列）。 ○ 反爬机制对抗：通过IP轮换、User-Agent伪装、验证码识别等技术突破网站反爬限制。 ○ 数据存储：结构化数据存入数据库（如MySQL、MongoDB），非结构化数据采用分布式文件系统（如HDFS）。

VC DF订单小程序 批量PDF 文件拆分整合 一个箱标(PO文件)对应一个面单，但是导入的FNSKU标是只有一张的（没有按件数提供的，需要根据对照关系提供的FNSKU重复抓取标签，可能PDF格式，可能GIF ，可能PNG等，支持多种格式） 3. 先找面单的对应关系 根据追踪号找到对应关系表格的无忧达SKU，同时面单变成正向并面单上下面空白位置添加上对应的无忧达SKU。

个人知识管理系统：从信息碎片到智慧沉淀的实践指南 在信息爆炸的时代，个人知识管理（Personal Knowledge Management, PKM）已成为知识工作者的核心竞争力。本文从系统架构、工具选择、管理流程三个维度，阐述如何搭建高效的知识管理系统，实现知识的获取、整合、创新与价值转化。 一、个人知识管理系统的理论基础 1. 核心定义与价值 个人知识管理是指通过系统化方法，将零散信息转化为可复用的知识资产，并支持决策与创新。美国学者Dorsey提出，PKM包含信息检索、评估、组织、表达、安全、协同六大核心技能，其本质是提升个人知识生产效率的工具集。 2. 心智模式与流程闭环 ○ 知识输入：通过多渠道（阅读、学习、社交）获取信息，需结合个人目标筛选高价值内容。 ○ 知识加工：分类存储、关联分析（如思维导图、笔记标签化），将显性知识内化为隐性认知。 ○ 知识输出：通过写作、演讲、实践等方式外化知识，形成反馈循环，驱动迭代优化。 二、工具选型：高效系统的技术支撑 1. 任务管理工具 ○ 滴答清单：聚焦短期任务与资源管理，通过「计划-执行-复盘」流程提升执行力。 ○ Notion/语雀

个人站点，各种前端分支技术Demo展示 展示最近研究成果及技术分享的个人站点 http://43.134.141.188:5000/donut 持续构思、更新中，有兴趣可关注； 最近主攻图形学方向； 打通前端、后端、部署、地编、建模、三维； 使用当前热门轮子 vite+Vue3/React18 双版本+threejs+webgl+gltf+glsl+nestjs+mongodb+docker

这个玫瑰曲线演示项目是一个结合数学可视化与Web技术的交互式工具，旨在通过动态图形直观展示玫瑰曲线（Rhodonea Curves）的美学特性及其参数变化规律。以下是项目的详细介绍： ​一、项目背景​ 玫瑰曲线由极坐标方程 r=a⋅cos⁡(kθ)r = a \cdot \cos(k\theta)r=a⋅cos(kθ) 定义，其形状由参数 kkk 决定。通过调整 kkk 值（整数或分数），曲线会呈现出不同数量的花瓣或复杂的对称图案。本项目通过现代Web技术（HTML5 Canvas + JavaScript）实现了这一数学概念的可视化，并赋予用户高度交互性。 ​二、核心功能​ 1. ​多曲线叠加​ ​功能描述​：支持同时绘制多条不同参数的玫瑰曲线，观察它们的叠加效果。 ​技术实现​：通过curves数组管理多个RoseCurve类的实例，每条曲线独立存储参数（如kkk、花瓣数、颜色等）。 ​操作方式​：点击“添加曲线”按钮，基于当前参数创建新曲线。 2. ​实时参数调整​ ​动态控件​： ​​kkk 值​：通过数值输入框调节，支持小数（如1.5）。 ​花瓣数量​：整数输入控

增强版玫瑰曲线演示功能 这个玫瑰曲线演示项目是一个结合数学可视化与Web技术的交互式工具，旨在通过动态图形直观展示玫瑰曲线（Rhodonea Curves）的美学特性及其参数变化规律。以下是项目的详细介绍： --- ### **一、项目背景** 玫瑰曲线由极坐标方程 \( r = a \cdot \cos(k\theta) \) 定义，其形状由参数 \( k \) 决定。通过调整 \( k \) 值（整数或分数），曲线会呈现出不同数量的花瓣或复杂的对称图案。本项目通过现代Web技术（HTML5 Canvas + JavaScript）实现了这一数学概念的可视化，并赋予用户高度交互性。 --- ### **二、核心功能** #### 1. **多曲线叠加** - **功能描述**：支持同时绘制多条不同参数的玫瑰曲线，观察它们的叠加效果。 - **技术实现**：通过`curves`数组管理多个`RoseCurve`类的实例，每条曲线独立存储参数（如\( k \)、花瓣数、颜色等）。 - **操作方式**：点击“添加曲线”按钮，基于当前参数创建新曲线。 ####

1.对于每天大于4个小时处理双色球数据的用户，减少其80%的时间 2.分为3个文件，最后构建3个EXE，其中一个处理历史数据，一个处理斜连期，一个处理重号 3.使用openpyxl库获取数据后，使用pandas处理（提取历史数据，斜连期，重号），最后使用pyqt5输出用户界面。然后将处理好的数据导出成TXT

《桌面操作录制回放系统使用简介》 程序功能：本系统可实现对桌面操作（鼠标移动、点击、滚动，键盘按键按下与释放等）的录制、回放，以及记录文件的保存与加载，方便对一系列桌面操作进行重复执行或复盘查看。 界面介绍 控制面板：包含 “开始录制”“停止录制”“回放操作” 按钮，分别用于启动录制、结束录制以及回放已录制的操作。 回放速度：提供多种回放速度选项（1x、1.5x、2x、2.5x、3x），可按需选择快放速度。 文件操作：“保存记录” 用于将录制的操作以 JSON 格式保存到本地；“加载记录” 可加载已保存的操作记录文件。 退出按钮：点击可退出程序；也可通过按键盘上的 ESC 键强制退出。 操作提示：程序启动时会弹出 “操作提示” 窗口，提供基本操作指引。 操作步骤 录制操作：点击 “开始录制” 按钮，此时按钮变为 “录制中...”，即可开始进行想要录制的桌面操作。操作完成后，点击 “停止录制” 按钮，按钮恢复为 “开始录制”，录制结束。 回放操作：录制完成后，点击 “回放操作” 按钮，会弹出对话框让用户输入回放的循环次数，输入后点击确定，程序将按照选定速度和循环次数回放录制的操作。在回放