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

面向智能监控与移动机器人对人类行为的实时感知与监测任务。 鉴于现有网络模型普遍存在较高的计算复杂度与参数量，本文提出一种基于图卷积网络（GCN）的骨架动作识别方法。 在PyTorch框架下构建了轻量化的时空图卷积模型，并引入知识蒸馏策略对网络进行高效训练。 在NTU RGB+D数据集上，该模型在保持较低参数量的同时实现了较高的识别精度，验证了其在资源受限场景下的有效性与优越性。

盲区监视系统BSD（Blind Spot Detection）实时监测驾驶员视野盲区，精准识别车辆前、后、左、右盲区范围内的行人及非机动车辆，在判断可能发生危险时系统及时告警，避免意外发生。 可结合距离等维度定义不同等级的盲区预警，实际使用过程中针对不同车型、不同环境灵活搭配不同方向的盲区检测算法。 通过摄像头捕捉盲区内画面，应用视觉测距计算出盲区的风险范围，并结合人体检测、物体识别等技术对获取图像进行处理分析，若在风险区域内检测到车辆、行人，则向驾驶员发起警报。

DMS​ 是一种基于摄像头、传感器和人工智能技术的车载系统，通过实时监测驾驶员的面部表情、眼部活动、头部姿态及行为状态，判断其是否处于疲劳、分心或危险驾驶状态，并在风险发生时发出预警或联动车辆控制，从而降低交通事故风险。据统计，37%的交通事故与驾驶员状态异常直接相关，而DMS可针对性解决疲劳驾驶、分心操作等核心隐患。

ADAS（Advanced Driver Assistance System，高级驾驶辅助系统））是一套集成传感器、算法和车辆控制技术的智能化系统，旨在通过实时环境感知、风险预警和部分自动化控制，显著提升行车安全性、驾驶舒适性和能源效率。作为自动驾驶（L1-L3级）的核心技术基础，ADAS已成为现代智能汽车的标配，并逐步推动汽车产业从“被动安全”向“主动智能”转型。