openCV

系统基于多目相机完成溜井扫场与标定，结合目标检测算法识别石头、破碎机、栅栏、车辆、人员等目标信息；下位机根据识别结果完成自主路径规划、破碎、推石、扫石及人员/车辆避障，并通过CAN通信控制破碎机执行作业；上位机实时接收并展示破碎次数、人员进入次数、车辆进入次数、石头层高等关键数据，同时支持多路RTS

OCR识别：实现驾驶证/行驶证/银行卡等通用证照识别，以及钢材标签、采购合同、授权委托书等定制化文本识别，已在公司内部全面推广使用RPA流程自动化：完成财务场景13家银行流水自动获取，大幅提升财务工作效率计算机视觉：落地钢材表面缺陷检测、仓库车辆出入库管控、加工中心钢卷自动上卷等工业视觉项目预测算法

本项目基于PointNet/PointNet++实现点云的高精度分割与分类，核心功能覆盖全流程开发。搭建Ubuntu+PyTorch环境，支持点云数据加载、预处理、标注、训练与推理；借助CloudCompare完成点云裁剪、标注、合并与导出，实现自定义数据集制作；通过脚本自动分离点云坐标与标签，构建

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

1.数据加载与预处理模块：加载MNIST手写数字数据集，将原始图像数据（28×28像素）进行归一化、降维处理，转换为分类器可接受的输入格式2.多分类器训练模块：支持多种分类器并行训练，包括SGDClassifier（随机梯度下降分类器）、RandomForestClassifier（随机森林）、SV

1.车辆检测模块：基于YOLO目标检测算法，从视频流中实时识别车辆目标，输出检测框及类别信息2.目标跟踪模块：采用ByteTrack追踪器实现多车辆跨帧跟踪，为每辆车分配唯一ID并记录运动轨迹，利用低分检测框二次匹配提升跟踪鲁棒性3.车速测算模块：基于透视变换将图像坐标映射至实际路面坐标，结合帧率和

基于无人机搭载高清视觉采集设备，结合计算机视觉算法实现河道水面垃圾、漂浮物、河道边波破损、排污口异常等问题的自动化巡检、识别与定位。最终通过wed端实现巡检结果与实时展示与数据统计，为水利河道管理提供数据支持。

完成高性能半导体晶圆处理算法软件框架，实现：1）高通量2D图像处理及3D点云处理任务工作流；2）高性能CUDA、Triton算法实现2D图像处理及点云处理；3）机器学习、深度学习缺陷处理；

研究发现，长期适量饮用咖啡与以下风险降低有关：2型糖尿病帕金森病阿尔茨海默病肝硬化和脂肪肝某些心血管疾病（适量情况下）3️⃣抗氧化作用咖啡富含多酚类抗氧化物，对抗自由基。4️⃣促进代谢有轻微提高基础代谢率的作用（对减脂有辅助，但不是神药）。

使用文本CLIP嵌入差异匹配图像CLIP嵌入差异，预测潜在空间中的编辑方向；并在潜在代码及图像层面分步解耦。用户给定一张人脸图片以及任意想要编辑的人脸属性，系统可输出自然的编辑结果图。

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

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

核心功能模块：AI识别引擎：基于MobileNetV2的迁移学习模型，支持6类水果状态实时分类RESTfulAPI服务：Flask框架提供标准化接口，支持HTTP/JSON通信图像预处理模块：自动尺寸调整、归一化、批量处理可视化测试界面：HTML5前端界面，拖拽上传即时反馈主要功能描述：单张/批量图

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。

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

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

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

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。