openCV

●系统架构设计：主导构建模块化Agent架构，集成视频理解、行为分析、画像建模与LLM决策四大模块，支持实时流式处理与批量更新，系统日均处理视频50W+，用户行为日志2亿+条。●多模态：基于Qwen-VL实现视频帧语义分类，准确率达91.3%（Top-1）；融合YOLOv8（目标检测）、Whispe

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

系统实现了一个完整的黑盒对抗攻击检测与防御展示平台。用户可以在前端选择CIFAR-10+ResNet-18或TinyImageNet+EfficientNet-B0实验组合，配置黑盒攻击方法、防御方法、查询场景、查询预算、样本数量和检测阈值。系统支持HSJA、NES、SimBA、BA、Sign-Op

意图识别、意图路由、Agent节点规划（图算法）、MCP服务调用、GraphRAG检索以及结果加权融合、向量召回、Skills技能包意图识别、正常对话、天气查询、表单处理、报告生成、非结构化数据处理、DOCX格式报告（图文表格5W字+）撰写、Agent自动化处理（类manus、openclaw，替代

1.基于ROS2Humble搭建机器人通信框架，实现多节点分布式开发，支持传感器数据实时采集与传输；2.集成YOLOv8目标检测算法，实现对行人、车辆、障碍物等多类目标的实时识别与跟踪，检测帧率稳定在30FPS以上；3.提供目标坐标输出、ROS话题发布功能，可直接对接机器人导航、避障等上层模块，支持

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

具体功能模块：包含缺陷检测、模型管理、模型训练、数据统计四大核心模块。主要功能描述：缺陷检测支持单张PCB图片上传实时检测、多张图片批量处理，可在原图上可视化标注缺陷位置，同时支持置信度阈值配置以平衡检测精度与召回率；模型管理可加载自定义训练的YOLOv8模型，支持导出ONNX、TorchScrip