openCV

生成随机数符合标准正态分布，同时生成图像，可以计算生成数据组的分布函数的值，按'f’键后输入一个值，然后就是可以得到一个分布函数的值，按‘r’键可以生成1000个符合标准正态分布的随机数。

项目包含3大核心功能模块，覆盖“媒体输入-缺陷检测-数据管理”全流程：多媒体输入模块：支持实时摄像头采集、单张图片导入、本地视频解析三种输入方式，适配产线实时检测、离线样本分析等不同场景。智能缺陷检测模块：自动对输入帧做灰度化、自定义二值化处理（基于95%亮度分位数动态调整阈值）；提取图像中间500

系统采用C#/.NET平台开发，分层架构包括：控制层：与PLC、机械臂、扫码器、贴标机等硬件实时通讯；调度层：基于事件驱动的多线程时序引擎，实现多设备并发协调；视觉AI层：基于深度学习的药品识别、贴标校验、容量识别；业务层：完成医嘱导入、药品匹配、用户权限与日志追溯；监控层：集成视频流、语音播报与报

增加用户引导组件，如功能模块切换、说明区域等。（4）内容管理与数据结构设计设计模板库的数据结构（名称、封面、分类、文件结构说明）。负责作者信息、合作方式、教程页内容的统一展示。（5）部署与性能优化实现网站构建、压缩、打包与上线部署。处理页面加载速度优化、静态资源管理等。

采用C语言开发了下位机系统控制软件，采用C#语言开发了Windows应用界面，实现的发射光谱的测量分析功能。控制激发源激发元素的发射光谱，通过CCD采集信号，完成数据处理分析，得到最终测量结果。

1、支持各大直播平台数字人实时直播，如抖音、快手、视频号、美团、京东、淘宝、TK、阿里国际等2、智能回复公屏问题，调用大模型，数字人自动语音回复公屏问题3、数字人短视频制作，输入文字，输出数字人讲话的视频4、短视频混剪，输入各种视频，系统自动混剪成N条不重复的短视频5、交互式数字人系统，实现和数字人

1.项目整体可以分为软件部分和硬件部分，软件部分可以分为图像采集、模型推理、结果输出、远程控制，硬件部分主要是外设（摄像头、屏幕，电源、喇叭）、边缘端处理设备和信号输出器2.功能描述，通过在适当位置部署摄像头采集图像，可以对危险进行预警并辅助操作员控制，具体辅助方式可以根据使用方式修改。这里以设备部

包含课程管理、用户管理、教学资源管理、学习数据统计等功能模块。机构可通过系统管理课程和教学资源，用户可在线学习课程，系统支持学习数据的统计分析，为机构教学提供数据支持。

1、项目有哪些具体功能模块：系统包含实时手语检测模块、手势学习模式、数据记录与分析模块、声音反馈系统、手势序列识别模块、用户界面模块和配置管理系统。实时检测模块通过摄像头捕捉手部动作并识别26种标准手势；学习模式提供交互式手势教学；数据记录模块保存识别历史用于分析；声音反馈提供实时提示；序列识别能检

基于客户需求，我司为其定制开发了CPT智能检测系统，深度融合工业视觉、大模型与自动化控制技术，打造“检测-分析-反馈”闭环，实现三大技术突破1.双相机协同检测，精准捕捉关键信息、十字线定位技术（基于OCR识别技术）、智能误差判定（系统自动将识别的数字与预设的标准坐标数据库匹配，自动判定）、双模式灵活

如果看过《通灵者》的漫画，这款游戏一定会让你感动不已。这是一款通过推理模糊的图像来逮捕犯人的AR卡牌游戏,也是全日本第一款发售的AR桌游自从《阿努比斯的面具》之后，就让人忍不住惊呼“哇！”的AR系统，表现相当出色。サイコメトラーの漫画を見たことがあるなら、このゲームは感動するに違いない。もやもやっと

以目标检测为例：1.对监控摄像头或工业相机采集的图像进行几何变换、直方图均衡、图像分割等预处理2.对预处理的图像进行基于深度学习的模型推理，检测是否含有目标对象3.如果检测出目标对象，标记框选检测到的目标对象4.收集更多实际应用场景中的图片，进行深度学习训练5.使用训练好的模型进行推理检测，提高检测

需要监控桌面应用的实时显示情况，又不能实时在电脑前，因此开发了一个桌面录屏工具，实现实时监控功能，并且支持视频的逐帧读取，并导出指定帧数的视频图片，或标记图片，或修改图片

因为没有适合的软件去将pdf文件转图片的功能，就自己开发了一下，可以将pdf文件按页转成图片，支持转成多种格式的图片，如bmp、jpg、png;并支持图像旋转、缩放功能等

作为智能座舱对一部分，动态手势支持应用进入，退出，左滑，右滑，音量大小调节。利用视觉AI算法，提取手部pose点，通过对手部关键点序列建模，构建动态手势识别模型。

包含三个大项，体测面向考试，体锻和短跑面向锻炼，1、体育测试：跳绳，立定跳远，坐位体前屈，仰卧起坐，引体向上；2、体育锻炼：深蹲，开合跳，单脚跳，高抬腿等；3、短跑。

环境构建：使用Gazebo与ROS搭建了高自由度的无人机动力学模型，模拟了飞行控制、传感器噪声及复杂障碍环境。算法核心设计：创新性地设计了融合围捕成功率、能量消耗、防碰撞、队形保持的多目标混合奖励函数，有效解决了多智能体训练的信用分配与协同难题。训练与优化：采用Ray/RLlib框架进行分布式训练，

医用PVC卷材在线实时缺陷检测主要功能如下：1、2个8K高速线扫相机，最宽可以覆盖2m的产品；速度最高60m/min2、配方管理，方便客户快速切换型号3、友好的参数调整界面，方便客户快速调整算法准确度4、历史数据存储&查询功能，轻松追溯历史数据5、使用神经网络(Resnet)进行缺陷分类

开放域视觉定位：支持通过自然语言指令，在图像中定位任意指定的物体、人物或场景元素。思维链增强推理：利用大模型的内在推理能力，通过多步思考提升复杂场景下的定位准确性。参数高效微调：采用LoRA技术对Qwen2.5-VL-7B模型进行微调，仅训练少量参数即可显著提升在目标领域的效果。完整训练流水线：实现

1.分为端面缺陷检测以及内部缺陷检测两种；2.导入深度学习算法，对相似度比较近的缺陷进行分类；3.算法实现了对产品表面的各种各样的缺陷进行抓取、分类；4.为客户提供过漏检数据、缺陷分类数据，让客户可以根据数据对前端工艺进行优化修改，提升产能。