openCV

本项目面向卫星载荷在轨运行场景,目标是构建一套可部署在星载计算平台上的综合任务管理软件,支撑地面指令接收、任务调度、状态采集、数据处理和遥测下传等核心业务。系统围绕“指令进入、协议解析、任务执行、状态监控、结果反馈”的业务闭环设计,提供指令处理、数据总线、协议编解码、智能处理任务编排、设备状态采集、
290C++边缘计算
1碰撞检测模块:预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块:使用传统或深度学习检测具体的货物容器(托盘,货架,料笼),厂区的行人,头盔,车辆等3避障检测模块:360°雷达检测避障,可对高于8cm的静态物体进行检测,不针对特定物体,不依赖数据集,移动物体通过多传感器相机和雷达融合输出
170C++自动驾驶
UAVagent1.0产品系统
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
371Python人工智能
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
610Python人工智能
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
910C++人工智能
将整个研究视为一个“感知-决策-部署”的完整系统进行顶层设计。该方法将目标检测模块、多目标跟踪模块,分析并权衡各子系统在精度、速度、资源占用等关键指标上的内在矛盾与协同关系。基于此,规划出从算法层改进、到应用层集成、再到工程层优化的阶梯式技术路线,确保最终实现的系统原型在整体性能上达到最优平衡,满足
500Python人工智能
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
780C++音视频多媒体
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
530Python人工智能
点云智能分割产品系统
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
1020C++机器人
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
750C++人工智能
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
540Python机器深度学习
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
690Python机器深度学习
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。
610Python人工智能
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;
700C++机器深度学习
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)。
710C人工智能
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。
940Python人工智能
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
1580Python人工智能
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
920Python机器深度学习
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
1550Python机器深度学习
项目产品系统
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。
1470openCV低代码
当前共42个项目more
×
寻找源码
源码描述
联系方式
提交