Pallas是自主研发的分布式小文件存储系统，核心功能模块包括：1）Master/Worker主从架构，支持基于ZooKeeper的Master选举与高可用；2）Namespace（命名空间）与Bucket（桶）两级元数据管理，支持创建、查询、更新、删除及配额（Quota）与QPS限流；3）基于HB

自主设计并实现的端到端时空跨模态深度学习模型,用于作物产量预测。输入多时相卫星6波段影像与无人机RGB影像,在单一网络内融合时序信息、卫星光谱与无人机空间分辨率,从头训练、直接回归产量,推理阶段仅需影像、作物无关。主任务为产量回归,辅以氮含量分类。包含数据预处理、预训练、训练与自测试的完整流程。

基于大语言模型（LLM）和RAG技术的企业级代码合规审查系统，支持手动审查和自动化定时巡检两种模式。核心能力：接收代码diff自动识别硬编码密钥、SQL注入、敏感信息泄露等合规风险；基于Elasticsearch向量数据库进行RAG增强检索，精准匹配企业合规规范；调用阿里云百炼大模型多维度综合判断风

“态势感知全球舆情监测系统”从0到1的架构设计、研发实施到正式上线的全流程。深度对接政府、企业及社融媒体客户需求，将“监测、研判、预警、报告”四大业务闭环落地为可交付的核心产品功能,可支撑千万级以上大数据分析检索。

系统使用KaggleChestX-RayImages数据集，应用数据预处理和类别权重调整解决类别不平衡问题。采用ResNet50和DenseNet121两种预训练网络作为特征提取骨干，并通过迁移学习进行二分类训练。利用Grad-CAM方法生成热力图，提升模型可解释性

系统构建了一套视觉与近红外光谱深度融合的多模态质检体系。功能层面，支持毫秒级实时采集果蔬外观图像与内部光谱数据，自动完成品种识别、表面瑕疵定位及新鲜度等级判定。通过特征级融合技术，系统能同时捕捉色泽纹理等表观特征与糖度水分等生化指标，输出综合质量评分。检测结果通过标准化接口实时对接产线MES系统，驱

1. 数据集处理：图片批量读取、标准化、数据增强训练；​2. 混合模型搭建：CNN提取图像纹理细节，Transformer捕捉全局关联特征；​3. 模型训练、调参、精度评估，输出训练日志；​4. 推理功能：单张/批量图片上传自动识别分类，输出识别结果与置信度；​5. 封装可直接运行的推理脚本，支持本

将Yolov5模型训练的权重文件转换为TensorRT格式，使用TensorRTAPI进行多线程推理，使用DeepSort对检测结果进行编号，并进行过线检测。

项目包含三个核心模块：1.企业知识库RAG问答系统：支持制度文档、产品手册、客服FAQ等资料问答，回答带引用依据，便于人工核对；低置信场景不强答，可转人工处理。2.企业经营周报AIAgent：用户输入自然语言分析需求后，系统自动生成任务计划，读取经营数据，计算收入、毛利、订单、投诉率等指标，识别异常

服务优势:1、成熟、稳定的小程序目前已服务多个大型企业，稳定无故障2、快速交付，平均拥有10+年互联网研发经验的研发工程师全程跟进3、一整套完善的落地方案从进销存管理到数据对接4、灵活定制能力5、大型企业还可加入AI能力，实现企业定制化的客服与线上导购AI机器人