微米级缺陷自动检测（裂纹、空洞、划痕、变形）高速成像、实时AI推理、自动分选质检报表自动生成、数据上传MES模型自学习、数据闭环、漏检率极低7×24小时无人值守质检

图片上传→AI自动处理→生成雕刻路径G代码智能识别图案、纹理、边界，自动优化雕刻参数工艺参数智能推荐（功率、速度、频率）端侧实时推理，嵌入式设备离线运行后台管理、任务调度、日志监控

1.文献调研：系统梳理结构化剪枝、非结构化剪枝、基于重要性度量的剪枝三大类方法，对比优缺点。2.思想框架设计：提出基于“模6阴阳分类”与“统计抵消”的剪枝新范式，将卷积核参数离散化后进行阴阳分类，通过贪心对偶映射实现冗余核成对抵消。3.可行性论证：从数学基础（Burgess界保证配对存在性）、工程适

1.多源数据合并：自动识别并合并多个Excel/CSV文件，支持表头映射与格式标准化。2.智能清洗：执行缺失值填充（均值/中位数/众数）、异常值检测、重复记录去重。3.学情报告生成：基于清洗后数据，自动计算平均分、分数段分布、进退步趋势，输出可视化图表。4.轻量API接口：基于Flask提供REST

1.整数模6分类：输入任意正整数范围，自动按模6余数将整数分为阳数（6k+1）、阴数（6k-1）及中性数，并高亮素数。2.半素数分解：对合数进行质因数分解，识别其阴阳因子属性，计算基于勒让德符号的权函数值。3.统计抵消模拟：对阴类半素数执行贪心配对算法，可视化展示污染项的统计期望归零过程。4.数据导

本项目是一款基于人工智能与神经影像技术的脑龄预测系统，通过分析脑部MRI影像（或多模态数据），利用深度学习模型精准估算个体的大脑生物年龄，并计算脑龄差（BAG）——即预测脑龄与实际年龄的差值。系统可量化评估大脑衰老程度，提前预警认知衰退、阿尔茨海默病、帕金森病等神经退行性疾病风险，为脑健康管理、早期

负责蛋白质多模态大模型评测框架EvalKit的设计与开发，构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析，支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化，提升模型评测效率与科研落地能力。

负责蛋白质多模态大模型评测框架EvalKit的设计与开发，构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析，支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化，提升模型评测效率与科研落地能力。

本项目实现了一套面向TC264智能车的在线调参工具，核心功能包括串口Telemetry采集、结构化日志解析、滚动时间窗指标计算和规则化调参建议输出。工具可对车辆运行过程中的yaw_error_rms、yaw_error_peak、roll_peak_to_peak、servo_jitter_rate

系统提供站点级7天水位预测、1–7天历史回测、持久化基线对比、不确定性可视化、上游辅助修正、数据可用性诊断等功能。用户可查看最新预测曲线、对比历史真实值与模型输出、观察不同预测天数下的回测效果，并通过图表快速识别模型在不同时间段的稳定性与适用边界。系统支持在线演示和结果展示，便于技术验证与场景沟通。