openCV

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

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。

具有视觉检测功能，触觉感知，同时视觉触觉感知融合（特征级融合）去综合性判断裂纹的坐标，长度，宽度，深度，最终能够输出检测到的裂纹尺寸以及位置以及置信度等等。但是由于触觉感知的代码以及感知融合的部分的代码有保密条例，不能公开，下方提供的仅仅是视觉部分的代码以及操控CNC与推杆控制传感器进一步检测的部分

面向无人机追踪的视觉系统在安防等领域具有重要应用价值。但高空视角下目标微小且密集，对检测算法的定位精度要求较高。同时，嵌入式平台受限于算力与带宽瓶颈，难以满足复杂深度学习模型的实时推理需求。在传统部署中，全量INT8量化易导致微小目标定位精度下降，而全量FP16推理则面临系统帧率过低的问题。针对上述

本项目是一个基于RaspberryPi5的自主视觉导航机器人，核心功能包括：红色物体实时检测与追踪：通过HSV色彩空间与动态阈值算法，实现对红色物体的实时识别与坐标提取。自适应色彩处理：采用动态V值调节与形态学滤波（开运算、闭运算），提升不同光照条件下的识别稳定性。全局搜索与局部追踪（ROI）：通过

使用寄存器优化，内存和缓存优化，SIMD/AVX512指令集优化等各种优化技术，将通用矩阵乘法（GEMM）的性能，提升几十倍！使用寄存器优化，内存和缓存优化，SIMD/AVX512指令集优化等各种优化技术，将通用矩阵乘法（GEMM）的性能，提升几十倍！使用寄存器优化，内存和缓存优化，SIMD/AVX

负责整套上位机软件开发，基于QTC++搭建客户端程序，设计复杂分层UI交互界面。采用TCP/UDP协议与下位机设备通信，通过多线程实现异步数据接收，解决大数据并发丢包问题；基于QCustomPlot开发实时波形图表，完成数万测点数据动态展示，集成历史数据存储、回放查询、超限数据分析功能；利用Open

人脸采集与注册：管理人员通过摄像头采集人员人脸图像，上传至云端人脸库完成注册登记，支持批量导入与权限分组设置活体检测与识别：设备端实时采集人脸图像并进行活体检测，防止照片/视频冒用，与百度智能云人脸库比对完成身份核验门禁联动控制：识别通过后联动门禁系统开闸通行，识别失败触发异常报警，实时记录核验结果

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

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

工作包含设备电气接线与上电点检、输送机构与气缸动作调试、运行参数整定；具备故障检测处理功能，可解决贴标位置偏差、机构动作异常、通讯中断等问题，完成线束整理防护、设备验收及后期维护工作。

项目包含伺服轴精准定位模块、传送带启停控制模块、气缸气动逻辑联锁模块、触摸屏人机交互模块。设备实现料框到位检测、X轴自动前往取料点抓取物料、物料输送至出料位置、X轴移动至放料点完成下料，同时具备原点复位、手动单步调试、故障报警功能。

项目包含四轴伺服点位定位模块、气缸逻辑联锁模块、物料检测判断模块、触摸屏参数设置模块。设备完成载具进料、X轴精准定位抓取物料、物料翻转对接、满料检测、顶升移栽、电池压紧、自动切刀贴标、余料牵引回收全套动作，配备故障报警、缺料停机、原点复位、手动单步调试功能。

项目完成了一套约1.64米人形双足机器人机械概念装配设计，包含胸腔、胯部、左右腿、左右臂、前臂、小腿、电机安装位、轴承支撑、齿轮传动、十字关节和面板骨架等模块。Fusion360模型中装配实例约335个，采用模块化结构组织，便于后续调整关节比例、传动布局和安装空间。项目同时规划了UE4引擎中的机器人

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、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

下位机：通过对激光雷达所采集实时点云进行分析，融合视频图像识别目标类型，针对不同的目标类型产生对应的事件上报至上位机；接收来自上位机的协议指令并执行上位机：综合下位机上报的事件产生不同等级的告警客户端：提供全网所监测路段的实时监控，并提供历史数据的查询及报表分析

系统主要包括设备数据采集、视频流接入、图片上传分析、AI模型推理、实时数据展示、历史数据保存、事件告警、ROI区域配置、模型参数配置、MQTT/HTTP接口上报、日志查看、服务状态监控、配置管理和远程运维等功能。设备侧支持通过Modbus、串口、MQTT或HTTP接口采集现场数据；视频侧支持接入摄像

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、