openCV

样本库管理 按「品类→版别」建库；导入标准样图后自动识别币缘、归一化；框选ROI可比对单个字，并可标记判别点（★）与细节笔画（◆）；一个版别可挂多张模板适应不同锈蚀程度批量识别比对 导入本地图片（可多选），与目标品类下全部版别逐一比对，输出相似度排名+是否命中可解释结果 列出该品类全部版式的得分明细

系统包含麻将规则环境、自博弈数据生成、PPO强化学习训练、League训练、BehaviorCloning、DAgger、模型评估、ONNX导出以及Android端视觉识别和本地推理等模块。训练系统允许AI通过大量自博弈持续改进策略，并使用独立评估流程比较不同版本模型强度。移动端通过计算机视觉识别牌

系统主要包括图像采集、目标检测、关键点定位、相机标定、PnP位姿求解、坐标系转换、姿态角计算及结果可视化等功能模块。通过YOLO模型完成目标及特征关键点检测，根据相机内参与目标三维几何信息建立二维—三维对应关系，采用PnP算法计算目标相对于相机坐标系的三维位置和旋转姿态，并输出X、Y、Z及姿态角等结

高维特征提取模块：利用深度学习网络（如3D-CNN、Transformer等）对高光谱影像进行空间-光谱特征联合提取。小样本学习模块：针对标注数据少的问题，引入小样本学习策略，提升模型泛化能力。分类与评估模块：输出地物分类图，自动生成混淆矩阵、总体精度（OA）和Kappa系数等评估报告。

半导体AOI能识别多种缺陷，比如：晶圆表面的划痕、污点、颗粒和微裂纹；光刻环节的线路偏移、图形残缺、光刻胶残留；蚀刻环节的针孔、短路；封装环节的焊球虚焊、引线偏移或断裂；以及芯片成品的引脚变形、打码模糊等

系统围绕斯诺克球局识别、球桌几何重建和击球线路分析进行开发。主要功能包括：从斯诺克比赛或训练画面中提取关键帧，对球桌区域和台面几何关系进行重建；识别并结构化记录母球、目标球及其他球的位置；结合球桌边界、球体位置和几何约束分析潜在击球线路；针对部分复杂局面计算一库、多库解球线路，并生成可视化结果供训练

1、项目有哪些具体功能模块本项目主要包含三大核心功能模块：多模态数据采集与融合模块：涵盖中医六诊（舌、面、耳、掌、汗、目）数字化采集、智能穿戴设备数据接入及心理情绪量表评估。AI健康分析与风险预警模块：包括慢病风险评估模型、中风/跌倒预测算法、中西医健康报告生成引擎。数智化监护与管理看板模块：提供长

本项目围绕锂电池状态智能估计构建了五大算法功能模块：①数据预处理与特征工程模块——对充放电电压、电流、温度、容量曲线进行清洗、归一化与特征提取，内置基于模糊信息测度的SOC特征选择（DMRCmRC）与基于小波变换（DTCWT）的多尺度特征编码。②SOH健康状态估计模块——集成物理信息神经网络（EM-

系统分为图书信息管理、读者信息管理、借阅归还管理、图书检索查询、数据统计五大核心模块。支持管理员录入、修改、删除图书与读者资料，办理借书、还书操作；读者能够在线检索书籍、查看借阅记录；系统自动记录借阅流水，统计图书借阅情况，实现图书馆业务数字化管控。

1.数据处理模块：支持Excel试验数据导入、异常值清洗、数据集划分，搭配RSM响应面法生成虚拟样本实现小样本数据增强；2.建模预测模块：搭建BP-ANN神经网络模型，可自定义隐藏层神经元数量，完成材料抗压强度等指标回归预测，输出R²精度评价指标；3.多目标优化模块：基于响应面模型开展配合比参数优化

利用了https网络协议，在发送请求的时候构造了加密参数，解决了平台反爬，通过指纹模拟与多账号协同进行了大批量的数据采集，期间没有触发平台风控，交付的质量很高，客户很满意。

项目包含七大核心功能模块：1.多模态交互模块，支持文本、图片、音视频混合输入识别与问答；2.自然语言处理模块，实现意图识别、文本摘要、语义抽取、对话管理；3.代码生成模块，支持多语言代码编写、调试、重构、项目批量生成；4.长文本理解模块，支持十万字级文档解析、知识库检索、长内容总结对比；5.数学推理

该系统是为配套硬件定制的一套包含硬件控制、用户管理、数据管理、图像检测、AI检测子系统等多功能于一体的软件系统。硬件控制模块通过以太网、串口、USB等方式实现与硬件控制单元的通讯，如PLC、X-Ray发射器、X-Ray成像控制器、异常执行机构等，从而实现对硬件设备的操控；用户管理模块实现了角色分配与

系统主要功能为小麦病虫害分类识别检测及辅助分析，通过用户上传小麦叶片图片，自动识别其健康情况以及发生了何种病虫害，并给出相应的防治建议，同时保存历史记录以进行数据分析。

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

模块一：鸟类检测引擎基于YOLOv8/YOLOv11深度学习模型，支持对图像和视频流中的鸟类进行实时检测。•支持预训练COCO权重（通用鸟类检测）和自定义微调模型（特定物种识别）•GPU加速推理，单帧检测耗时

1、下位机：完成隧道小车的驱动控制；控制线阵相机扫描隧道；控制补光；控制雷达探测周边障碍物确保安全；接收遥控器控制指令。2、上位机：整合下位机采集的图像；实现缺陷的人工标注；实现缺陷的自动识别；输出说明缺陷类型及位置信息的工单

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

项目包含数据读取与清洗、归一化处理、灰色关联度分析特征筛选、WGAN合成样本生成、LSTM时序预测、误差评估（MSE/RMSE/MAE）和结果可视化等模块，核心功能是在小样本金融数据条件下提升股价预测精度与稳定性。

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。