openCV

主要包括：1.PLC通讯，TCP/UDP/OPCUA/S7通讯，HTTP通讯2.相机/雷达设备采集，多线程高效采集，支持数据解压缩3.基于opencv图像预处理，增强，去噪等4.基于Yolo模型图像分类，识别5.数据曲线显示、3D点云显示6.sqlite3、Mysql数据库存储7.日志存储和分析8.

本项目是一个为AIAgent提供持久化记忆和代码理解能力的混合检索系统。主要包含以下功能模块：混合记忆检索模块：基于ChromaDB实现语义向量搜索，结合SQLite(FTS5)实现关键词与元数据精确匹配，为Agent提供精准的历史记忆检索能力。上下文智能压缩模块：集成Headroom引擎，能对JS

系统覆盖政策、企业、标书三域知识，支持8类业务问题的自然语言问答。核心功能包括：多路语义检索（BGEEmbedding+Milvus）、BM25关键词召回、RRF融合排序、BGEReranker精排、Qwen分层模型答题，以及自研ReActAgent多步推理。支持查询改写、意图路由、流式输出与引用溯

-场景适配性强：深耕工业自动化行业，熟知工业设备运行逻辑、运动控制原理及工业软件使用痛点，开发的软件贴合工业现场实操需求，区别于普通民用软件，稳定性、专业性、适配性更高。-软硬件一体化服务：打破纯软件开发局限，兼顾软件开发与现场硬件联调能力，可同步解决软件代码问题与硬件适配、通讯联动问题，一站式解决

入住人脸信息统一采集绑定客人线下办理酒店入住登记时，系统同步采集人脸特征数据，将身份信息、入住订单与人脸数据关联存储，完成人脸权限授权，为全场景无感服务提供身份凭证。酒店全场景人脸无感通行服务依托边缘盒子内置深度学习人脸识别算法，对接酒店摄像头、智能门禁、电梯、客房门锁等硬件设备，已完成人脸授权的住

技术栈：Python、Streamlit、Pyvis、ONNXRuntime、DeepSeekAPI主要功能：藏药知识库、知识图谱可视化、AI问答，以及藏文OCR

用户注册/登录、Token鉴权、多钱包管理（增删查、种子派生）模拟区块链：创世块、转账、交易池、按地址挖矿、水龙头充值隐写通信：将UTF-8消息切分为比特块，通过构造「交易哈希后缀匹配」的转账序列编码；接收方用种子还原钱包并解密三种算法（A/B/C）对应utils_encrypt_tx、utils_

目前写的这个是包含喷码机，扫码枪，打印机，视觉检测，对接mes，日志存储，工作流程记录，的需求集成在一起，喷码机有（KGK，依玛士...）,打印机（斑马等5种使用的是BarTender），mes，视觉，日志存储，工作流程记录都是之前对接的，需要单独按照方案来写，数据库使用的是sqlite，跟mysq

本系统基于深度学习技术，采用MobileNetV2轻量化模型，实现生活垃圾的智能识别与分类。系统支持厨余、可回收、有害、其他四类垃圾的自动识别，通过图片上传或摄像头实时拍摄完成检测。后端使用Flask框架，前端提供简洁友好的交互界面，识别结果包含置信度判定和详细的投放指南。系统具有轻量化、高精度、易

1.主要使用c++/Qt/qml编写上位机显示控制软件；2.主要使用typescript/react/express.js/tailwindcss等编写web软件

技术栈：MATLAB神经网络+C++QtGUI输入（6个）：贴片图号、速度、高度、压力、芯片压力、时间输出（4个）：角度、平行度、覆盖率、高度模型效果：160组样本训练，R²=0.9048界面：科技风可视化界面简单说就是用神经网络预测贴片机能做到的质量效果，帮工厂提前发现问题、优化参数。

（1）系统需求分析：通过调研与需求收集明确系统的功能边界与非功能目标。功能需求涵盖国产动漫数据采集与管理、个性化推荐、用户交互等模块；非功能需求重点关注系统的性能响应、数据可靠性、推荐准确度以及隐私安全保障。（2）系统架构与功能设计：采用前后端分离与模块化分层架构，提升系统可扩展性、可维护性和可移植

该程序通过串口操作一块内窥镜图像处理板，用于发送串口指令改变图像处理板对图像数据进行消光等处理，同时程序从计算机PCIE接口读取图像采集卡传输过来的RGB8888格式图像数据，将数据使用opencv图像做处理，实时显示出来

对此需求搭建了神经网络模型，用fab厂提供的工艺参数与传感器采集数据作为数据集，搭建神经网络预测在某工艺参数与实时传感参数下，会长出的晶体直径为多少，在具备足够的实时预测精后，应用于工业晶棒生产以获得具有稳定直径的晶棒

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

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