Caffe

（1）实现“评估-处方-训练-反馈”全流程闭环管理，突破传统康复的时空限制。（2）开发基于深度学习的功能评估模块与强化学习的动态处方优化算法。（3）建立多模态数据（运动学参数、肌电信号、姿态、心率）的实时融合分析模型，支持训练模式自适应切换。（4）构建云平台支持治疗师远程监控与干预，覆盖至少80%的

1. 大数据爬虫与智能筛查模块该模块通过大数据爬虫技术，自动采集与筛查校园安全、交通等领域相关的多模态数据，提供高质量的训练数据和分析结果。利用深度学习算法对采集的数据进行智能筛查和分类，为后续的监测系统提供支持。2. 计算机视觉与模式匹配模块该模块主要通过计算机视觉和模式匹配技术，实时分析视频流中

合作开发前端+独立研发后端，分为前端捕获、后端跨语言多架构模型融合深度学习处理识别和Windows自动登录验证三大模块,主要为不支持windowsHello摄像头的电脑提供快速便捷而准确的人脸识别解锁电脑

面试场景提取：AI扮演面试场景提取专家，根据用户的求职问题描述，匹配合适的岗位，公司类型，难度等级和面试时长。简历关键信息提取：AI扮演专业的简历解析引擎，专门从非结构化的简历中提取关键信息。面试题生成助理：AI扮演专业级面试题生成引擎，基于多维参数智能构建结构化面试题库。根据面试场景提取的参数和提

主要功能对用户的疲劳程度进行检测，在倒数结束之前一定时间内对用户进行提醒操作，提醒未果则实现靠边停车，并联系控制中心。在进行疲劳状态检测的同时还可以对用户的心率、呼吸率、心电变异性等特征进行健康状态检测，如果心率过快或者心率不齐等出现异常心率情况则进行健康状况监测，同时在疲劳检测功能启动的同时对用户

1.对AVM图像上的车位进行检测，可满足鱼骨车位、平行车位、垂直车位的检测；2.可满足不同光照条件下的车位检测，如晴天、雨天、夜间等；3.检测的效果比常规算法要好；4.算法可在板端部署，效果不弱于PC端效果。

根据历史交易数据以及市场信息捕捉实现模型训练，根据训练后的模型做回测练习，最后开始预测涨跌，并实现大规模量化交易，可实现未来5个交易日的股票价格预测，是股票爱好者的利器。

1、通过高清摄像机的监测，运用深度学习算法的目标检测技术，实现学员人脸识别、安全帽佩戴识别、绝缘手套佩戴识别、绝缘鞋(靴)穿戴识别、工作服穿戴识别、危险区域进入检测、人员倒地检测和工作区域抽烟检测功能。2、通过工业摄像机的监测，运用深度学习和工业测量等方法，实现导线识别、水平度、垂直度、线间距、漏铜

多平台支持：自动化部署脚本应确保在多个操作系统环境（如Windows、macOS、Linux）下能够顺利运行。不同系统的路径分隔符、权限机制、依赖管理等都可能有所不同，脚本应针对这些差异进行适配。增加本地部署联动性等各类问题，提高整体全局的辅助，同时自动检查整体布局是否能在一个域名交互进行联动。

视觉数据采集模块：负责获取单目/双目相机的原始图像数据，支持实时视频流采集或离线图像序列导入。包含相机参数校准（内参、外参）功能，修正镜头畸变，为后续深度计算提供精准基础数据。支持图像预处理（去噪、曝光校正、白平衡调整），提升原始数据质量，减少环境干扰。深度估计模块：双目视觉分支，通过结合神经网络和

API接口安全分析POST/api/analyze：安全分析POST/api/meta-cognition：元认知分析POST/api/intelligent-reasoning：智能推理POST/api/decision：决策生成实验管理POST/api/experiment/create：创建实

1.项目具体功能模块行为监测模块设备点检模块安全管理与实时预警模块数据统计与分析模块危险区域检测模块刮板状态检测模块离岗检测模块烟火监测分析模块扒车蹬车行为检测模块皮带跑偏检测模块工服工帽佩戴检测模块皮带异物检测模块2.项目的主要功能描述系统通过部署高清工业摄像头和智能传感器，对矿区关键区域和设备进

EasyTune-LLM是一个专业的大语言模型微调平台，旨在简化LLM微调流程，让开发者和研究人员能够轻松地：管理训练数据集选择和配置基座模型创建和监控训练任务部署和测试微调后的模型

主要是一个AI小助手，可以为同学提供如下功能：1.查询指定历史朝代的基本概况（含时间跨度、政治制度、经济特征、文化成就）2.查询关键历史事件的背景、经过、影响及历史意义3.查询重要历史人物的生平事迹、历史贡献及相关评价4.解读经典历史史料（如文献片段、文物记载、历史地图）5.查询不同历史时期的习题资

官方网站：http://www.mhz365.com1.线下整套充电桩硬件设施2.用户扫码开电小程序3.在线客服系统4.移动办公OA5.运维师傅APP6.全国运营中后台7.大屏展示系统8.IOT物联系统

1）RAG知识库：导入PDF/Word/表格，清洗分块、向量化、热更新；2）智能对话：基于企业语料高质量问答，引用原文证据；3）流程自动化/多Agent：创建工单、指派、催办、回写表格/审批；4）工具接入：飞书消息/日历/表单/多维表格、Webhook、第三方API；5）权限与审计：按部门/群组控权

芥蓝花蕾成熟度检测模块（核心模型）功能目标：通过改进的YOLOv5s模型实现芥蓝花蕾成熟度的实时精准检测。主要功能：使用WSSK-MobileNetV3轻量化特征提取网络，降低模型计算量和存储占用。引入WSSKNet注意力机制，增强模型特征提取能力，提高检测精度。采用多阶段特征融合技术，整合不同层级

1、方案应用场景： 本方案面向所有需要声学信号处理的产品，包括但不限于：商用车，乘用车，蓝牙耳机（机车头盔），高端测绘设备，机器人等等； 2、方案优势： 相比常规方案的区别非常简单粗暴： ① 基于DNN的方案能做到国内TOP前3； ② 性价比很高，具体多高可以私聊； 3、方案技术应用： 包括但不限于： ① 信号采集与预处理：降噪、回声消除、混响抑制 等； ② 特征提取：MFCC（梅尔频率倒谱系数）、PLP（感知线性预测） 等； ③ 语音增强：时域和频域滤波、自适应滤波 等； ④ 声源定位与分离：自适应波束形成（ABF）、独立成分分析（ICA） 等； ⑤ 端点检测：动态语音活动检测（动态VAD） 等； ⑥ 声学模型训练：深度神经网络（DNN） 等；

1. 用智能割草机器人项目申请并通过上海工程技术大学校级创新项目，获得4000元创新项目资助费。 2. 带领4名队员，开发了一个能通过训练好的深度学习模型识别青草，并能根据青草的位置信息自动规划割草路径的割草机，为队员1分配采集青草图片工作，为队员2分配硬件开发工作，为队员3分配填写资料文件工作。 3. 负责改进caffe深度学习框架、配置深度学习参数、用caffe框架训练青草识别模型；编写割草机器人状态信息展示网站系统，该系统能显示割草机10多种状态参数。 4. 在树莓派3、ubuntu16.02这2种操作系统平台上，用arduino、Python、C这3种编程语言开发割草机与深度学习模型之间的通信系统及割草机路径规划系统。 5.使用STM32f103和ATK模块接受GPS信号并实现割草机的户外定位。 6. 撰写并申请实用新型（专利号：201910816762.1）、发明专利（专利号：CN201910816762.1）各一份。

教育教学工具、管理软件 ## 教育教学工具、管理软件产品资料 ### 1. 知识点可视化解析 - 将抽象概念转化为直观图表和动画 - 提供多角度知识点拆解，展示内在联系 - 支持自定义学习路径，适应不同认知风格 ### 2. 智能交互学习 - 情境化问题设计，引导主动思考 - 即时反馈机制，纠正理解偏差 - 渐进式难度调整，确保学习节奏合理 ### 3. 知识体系构建 - 自动生成知识点关联图谱 - 识别学习盲点，智能推荐补充内容 - 支持知识迁移训练，强化应用能力 ## 产品优势 ### 对学生 - **深度理解**：超越死记硬背，真正掌握知识本质 - **学习效率**：针对性强化薄弱环节，避免无效重复 - **持久记忆**：通过多感官刺激和情境化学习，形成长期记忆 ### 对教师 - **教学辅助**：提供精准学情分析，实现因材施教 - **效果评估**：多维度学习数据，全面了解学生掌握情况 - **教学优化**：基于学习数据反馈，持续改进教学方法 ## 技术亮点 - 采用认知科学原理设计学习流程 - 运用机器学习算法个性化推荐学习内容 - 支持多平台无缝切换，随时随地学习 - 严格的数据安全保护，确保学习隐私