openCV

参与动捕软件系统开发，负责在线相机管理、扫场标定、Marker识别与三维重建、刚体/骨架跟踪、动捕数据录制及UE4/Unity3D实时推流等核心功能实现，支撑虚拟制作、动作分析与实时交互应用。

本项目围绕特种作业远程监护全流程，打造了六大核心功能模块：1.作业票智能分析模块：自动解析作业票信息，提取作业类型、风险点、监护要求等关键内容，生成个性化监护方案；2.监护需求自动生成模块：基于作业票数据，匹配行业安全规范，自动输出监护重点、告警阈值、联动策略；3.视频实时联动模块：对接现场视频监控

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

项目包含六大功能模块。一、实时GPS定位与测速模块，通过GNSS模块获取经纬度，haversine算法计算实时速度，自动判断行驶或停止状态。二、触觉反馈导航模块，左右双通道振动马达根据导航方向输出不同模式的触觉指令，支持多级强度调节。三、策略门控引擎，根据行驶状态自动切换反馈策略，停止时低强度提示，

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

本系统基于深度学习技术，采用MobileNetV2轻量化模型，实现生活垃圾的智能识别与分类。系统支持厨余、可回收、有害、其他四类垃圾的自动识别，通过图片上传或摄像头实时拍摄完成检测。后端使用Flask框架，前端提供简洁友好的交互界面，识别结果包含置信度判定和详细的投放指南。系统具有轻量化、高精度、易

1.使用线程池，实现动态并行处理，提高算法处理帧率，降低延时。2.实现识别和跟踪模式切换。3.统一接口，具备平台以及算法的扩展能力4.具备编码和SEI包生成能力，保障视频和目标信息同步输出

1.主要使用c++/Qt/qml编写上位机显示控制软件；2.主要使用typescript/react/express.js/tailwindcss等编写web软件

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；

1、项目有哪些具体功能模块项目核心包含5个具体功能模块，各模块协同支撑公文智能生成全流程，分别为：一是任务规划与需求解析模块，核心负责接收用户输入的撰写需求，拆解任务要点、匹配对应公文类型及部门规范；二是大模型调用与Prompt优化模块，对接大模型接口，通过定制化Prompt策略实现内容智能生成，同

开发一款融合计算机视觉、嵌入式系统与人机交互的智能台灯，实现健康坐姿监测、护眼照明与多模态交互。核心闭环为“视觉感知—智能决策—机械执行”，在树莓派5上高效部署YOLOv8n与MediaPipe模型，集成DeepSeek语言模型实现语音交互，达到实时性能。

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）。

系统以模块化思想构建，主要包括以下功能与核心模块：1.核心监控功能：◦渣土体积实时计算：基于激光雷达扫描的断面点云数据，结合算法模型实时计算渣土截面积与累计体积。◦数据可视化看板：提供实时体积曲线、历史数据查询、报警信息（如超限）展示等界面。2.核心支撑模块：◦硬件驱动与数据采集模块：基于统一的通讯

轻量化视觉识别模块：基于C++部署的YOLOv5模型，实时识别特定靶标。激光特征提取模块：采用OpenCV的Blob分析，通过自适应阈值与形态学处理，实现光斑质心亚像素级定位（误差

编程语言：PythonAI框架：PyTorch或TensorFlow（用于风格迁移模型，如CycleGAN或预训练的NeuralStyleTransfer）图像处理：OpenCV和Pillow用户界面：Gradio或Streamlit（快速构建交互界面）其他：HuggingFaceDiffusers

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