openCV

功能模块：本系统主要包括以下模块——三维场景展示与交互模块、视频流接入与管理模块、异常行为检测模块、告警信息定位与可视化模块、二维视频与三维模型融合投影模块、历史告警查询与统计模块。主要功能描述：三维场景展示：基于Cesium引擎加载工地倾斜摄影模型或手工建模数据，支持旋转、缩放、测量、图层切换等基

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

目标实时检测：机载摄像头实时采集画面，YOLO模型对视野内的入侵无人机进行实时检测与识别，输出目标类别与置信度视觉追踪锁定：OpenCV追踪算法持续锁定检测到的目标，输出目标在图像中的实时像素坐标，确保目标始终处于追踪状态云台视觉伺服：树莓派将目标像素坐标通过串口下发至飞控，飞控驱动单轴云台动态调节

项目主要包括登录模块、读者模块、管理员模块和智能识别模块。登录模块实现用户账号验证和角色区分，支持读者与管理员进入不同功能界面。读者模块支持图书查询、分页浏览、图书借阅、图书归还以及借阅数量限制。管理员模块支持图书信息管理、馆藏数量维护、库存不足提醒、借阅数据统计和图表可视化展示。智能识别模块基于Y

系统主要包含模型加载、数据源选择、图片检测、视频检测、摄像头实时检测、检测参数调节、结果可视化、检测结果表格展示、场景分析、驾驶建议生成、语音播报和暂停问答等功能模块。用户可以分别加载交通标志识别模型和行人车辆识别模型，选择图片、视频或摄像头作为输入源，系统会自动绘制检测框、显示类别和置信度，并根据

系统支持USB摄像头及深度相机图像采集，结合视觉算法识别目标物体，通过大语言模型完成语义理解及智能问答，并根据识别结果控制机器人完成导航、动作执行及语音播报。同时支持ROS2节点通信、状态发布、设备管理、日志输出及多模块协同运行，实现机器人整体业务流程闭环。

1.识别人体骨骼信息，包括手、脸、脚、骨骼等2.识别出人的行为信息，包括站立、行走、卧倒等行为3.针对不同场景、时间下，老年人的不同行为，给与监控，如遇突发状况及时通知告警

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

SLAM建图与定位开发：基于2D/3D激光雷达、深度相机，提供高精度建图与定位算法开发，支持多楼层/大场景地图拼接与管理。多传感器融合：实现雷达/视觉/IMU/轮速计/RTK等多源数据融合定位，解决长廊、空旷等特征退化场景的定位难题。仿真与实车部署：搭建Gazebo/IsaacSim高保真仿真环境，

本项目实现了一个可调控生物节律LED光源分析与优化系统，主要功能包括：1）读取并清洗LED光谱功率分布SPD数据，完成波长、功率和单位的预处理；2）基于CIE色度学模型计算相关色温CCT和色偏差Duv；3）基于TM-30显色评价方法计算保真度指数Rf和色域指数Rg；4）基于CIES026/E生理节律

项目围绕轴承故障诊断构建了四个模块：数据重采样与滑窗预处理、多维物理特征提取、源域故障分类与可解释分析、以及基于DANN的跨域迁移诊断。支持从振动信号生成时频谱图、训练分类模型、输出目标域故障标签，并结合SHAP、Grad-CAM和包络谱验证模型决策依据。

TouchLabel是一个开源的触觉传感器数据标注与分析Python工具包，面向机器人触觉感知研究社区。目前支持4种主流触觉传感器（GelSight、DIGIT、Paxini、Daimon）的数据加载、可视化标注和跨传感器特征提取。核心功能模块：统一数据加载器：一行代码加载不同传感器数据，自动识别格

1、传感器模块：多模态传感器实现数据采集2、感知模块：利用多模态算法检测行人空间位置3、通信模块：感知结果与控制系统信息传输4、用户层模块：显示检测结果，并用于用户操作。

1. 依托YOLO算法实现图像、视频中的多类别目标自动识别与定位，精准框选出画面内指定物体​2. 支持自定义数据集训练，可按需识别不同品类目标，灵活调整模型识别精度与检测速度​3. 搭建可视化前端界面，直观展示识别画面、检测结果与统计信息​4. 依托云服务器搭建后端服务，提供算法调用接口，实现模型线

本项目的核心创新并非单一算法的修修补补，而是在系统架构层面重新审视了无人机智能感知任务的执行范式。传统无人机视觉系统通常遵循一种固定的流水线——检测然后跟踪然后依据预设逻辑做出响应——这种模式在面对复杂多变的自然语言指令或未曾预见的边缘场景时显得僵硬而脆弱。UAVagent1.0通过引入异构多智能体

本项目主要包含目标检测、骨架提取、位姿解算和视频流处理四大功能模块，主要功能描述如下：1、系统基于YOLO-OBB算法，实现对目标工件的高精度掩膜提取。2、利用Ada-LSN网络，系统能够在复杂工况环境下精准提取出单工件的骨架点集。3、通过内置的多边形求交与拟合算法，系统能够高精度地量测出工件的倾斜

功能介绍：1.细长静电线链接CV算法识别（属于cv算法模型识别小目标中的细长特难目标检测）2.工作人员值守识别3.当装卸车作业时，未连接静电线就开始作业时，预警

系统基于YOLOv8目标检测模型，实现人员、安全帽、反光衣、口罩、安全锥、车辆、机械等目标识别，并重点统计未戴安全帽、未穿反光衣等违规事件。系统支持本地摄像头、本地视频、本地图片三种输入方式，提供置信度调节、实时检测日志、人员数量统计、违规事件统计、告警指示灯、蜂鸣报警、抓拍留证和安监报告导出等功能

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