Spark

项目包含视频接入与解码模块、GStreamer实时推流与处理模块、AI目标检测模块、目标跟踪模块、告警与事件管理模块、设备配置管理模块、Web可视化展示模块等。系统支持多路摄像头/RTSP视频接入，能够在嵌入式设备侧完成图像采集、解码、预处理、目标检测与连续跟踪，并将识别结果、轨迹信息和告警事件实时

本系统基于Caffe深度学习框架，核心功能包括：1.图像预处理模块：通过OpenCV对输入图像进行归一化、降噪等处理，提升模型识别准确率；2.模型推理模块：使用C++实现高效推理，支持批量图片处理与实时摄像头视频流识别；3.结果输出模块：生成分类标签、置信度及可视化标注，支持导出报表；4.数据管理模

1、自研的无监督学习的数学算法来完成异常发现任务。2、寻找某个数学量，并用历史数据计算该数学量的分布，新数值相对于历史分布的离群程度，就可以用来表征异常程度。3、工业情况复杂得多，经常并不能只用简单值就能发现所有异常了，还会用到变化快慢、离散程度等复杂的数学量。4、多维异常程度综合起来，最常用的方法

本平台包含四大核心功能模块：数字孪生仿真：通过前端技术构建设备3D模型，实时映射设备运行状态，支持3D视图切换与AI训练。AIGC知识库与智能建模：基于AI技术生成设备故障知识库，支持一键生成与优化AI诊断模型。故障诊断与预警：结合设备运行数据与AI算法，实现故障实时诊断与提前预警，支持多渠道告警推

打造“智慧住建”既是落实国家“互联网+政务服务”的迫切要求，又是“智慧城市”建设的重要内容，更是加快建设“数字中国”的具体举措，加快推进“智慧住建”建设是时代发展的必然。在此背景下，深圳市住房和建设局提出以“智慧住建”为主题，全面开展住建信息化建设，采用新技术（大数据、云计算、BIM、人工智能、5G

1.src目录-源代码和模型文件main.py:主程序入口，读取测试图像并输出预测结果train_model.py:模型训练脚本requirements.txt:项目依赖包列表rf_model.pkl:训练好的随机森林模型文件scaler.pkl:特征标准化器pca.pkl:PCA降维器2.doc目

软件核心功能介绍这是一个离线训练的推荐系统，根据用户历史行为与特征，生成TopK个个性化推荐商品，并通过接口返回给前端展示。功能模块：•数据与特征服务模块：汇总MySQL的订单表等及埋点统计点击数据；使用SparkSQL生成多维度特征表。•序列建模与RNN召回:把用户购买行为明细加工为时间序列；通过