openCV

一、核心功能模块1.多模态图像采集模块支持根据产品材质定制成像方案，可灵活选用可见光、红外、激光、超声波等多类成像传感器，适配金属、玻璃、透明薄膜、高反光工件等不同检测对象。内置工业相机、定制化光源的智能控制单元，可自动调节光源亮度、触发模式，针对复杂工业环境做抗反光、抗干扰优化，最高支持5微米级的

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-

系统提供基于浏览器的无人机实时监控和任务控制能力，主要包括无人机位置、姿态、电量、飞行状态及传感器状态实时显示；航点上传、巡检任务启动、探索任务控制、临时飞行点、返航和紧急降落；无人机前后左右、升降和偏航等手动控制；云台角度、相机曝光和变焦控制；视频画面显示；系统状态监控及运行日志。前后端通过Web

1.视频信息采集：批量获取视频标题、时长、标签等元数据。2.字幕提取：自动下载并解析视频字幕文本，输出结构化数据。3.视频帧提取：按时间间隔抽取关键帧，进行帧间差异分析。4.边缘检测与运动检测：基于OpenCV分析画面特征，辅助内容分类。5.批量验证与报告生成：自动校验数据完整性，生成结构化分析报告

提供主播素材管理、任务队列、参考视频分析、风格配方、脚本与导演规划、Agnes视频生成、IndexTTS分段配音、HeyGem或Duix口型同步、候选质检、最终复核、包装与多平台发布计划。只读看板从真实运行目录汇总任务和产物，发布步骤必须显式批准。

软件基于PyQt6搭建可视化操作窗口，支持实时屏幕捕获、模板图像匹配识别；内置键鼠模拟控制模块，识别到指定图标后自动执行预设鼠标点击动作。提供参数配置面板，可自定义识别相似度、触发逻辑，支持配置文件持久保存设置，整体打包为独立Windows桌面程序，开箱可用

系统支持批量导入珠宝图册，自动识别两种常见商品排版，并通过OCR提取名称、规格和货号，保持图片与文字对应。提供智能裁剪、珠宝主体分割、背景清理、白底阴影处理、颜色识别和重复项检测；支持人工调整位置、缩放及名称，使用超分辨率提升清晰度，最终批量导出统一尺寸的2000×2000白底商品图，同时保留处理记

本项目是一个为AIAgent提供持久化记忆和代码理解能力的混合检索系统。主要包含以下功能模块：混合记忆检索模块：基于ChromaDB实现语义向量搜索，结合SQLite(FTS5)实现关键词与元数据精确匹配，为Agent提供精准的历史记忆检索能力。上下文智能压缩模块：集成Headroom引擎，能对JS

●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

1.云图获取模块（downloader.py）：支持Mock模式和真实卫星API双模式切换。Mock模式用OpenCV生成红蓝半图+白云带的合成图像用于开发调试；真实模式通过requests从ZoomEarth/FY-4A等公开接口下载云图，内置指数退避重试（2^n秒）和HTTP4xx/5xx分类处

1.自动监控本地发票文件夹的新增文件（PDF/图片格式）。2.自动精准提取发票代码、开票日期、价税合计金额等核心字段。3.根据提取的信息，自动将文件重命名并归档。4.将提取结果实时写入数据库及汇总Excel表格。

系统包含四大核心模块：1.图像检测模块：基于YOLOv11s模型实现10类水稻害虫实时检测，mAP@0.5达0.8404；2.预警分析模块：集成CropFormer与规则引擎，对虫害等级进行智能评估并推送预警；3.农技咨询模块：本地部署DeepSeek-R1大模型，提供病虫害防治知识问答；4.后台管

系统主要包含商品发布计划管理、素材路径管理、发布台账记录、重复商品检测、类目异常检查、价格字段校验、发布结果截图保存、商品ID记录、数据观察表生成和潜力商品复盘等功能。工具可以读取CSV计划表，自动整理商品标题、描述、价格、类型、素材目录和发布状态，并根据去重基线检查标题相似、封面相似、同类商品过多

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

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

技术栈：Python、Streamlit、Pyvis、ONNXRuntime、DeepSeekAPI主要功能：藏药知识库、知识图谱可视化、AI问答，以及藏文OCR

多模态规划现语音交互，个性化闹钟设置，个性化资源，问答系统，人脸情绪识别，情感分析、任务代办、问答系统、错题诊断等板块加强学生的学习积极性，为学生提供有效的学习平台。

系统由五大核心模块组成：1）参数化建模模块，基于工厂模式按图集/页数为埋地管道、检查井、附属设施、井盖等构件创建对应类型，嵌入XA/EC数据；2）自动/手动布井布管工具，集成自动选井功能；3）模型修改与检查模块，使用BoostR-Tree空间索引加速碰撞检查，覆盖软硬碰撞、孤立设施/管道、短管、编号