AI视觉行为检测系统:1.实现对作业员作业步骤顺序、步骤遗漏监控。2.实现作业时对作业员是否带手指套、静电环监控。3.实现对作业中产品配件是否齐全监控。4.员工穿着规范检测。5.作业区域电子围栏检测。6.危险区域电子围栏检测。AI视觉检测产品缺陷系统:1.对产品组件是否缺失监控。2.对产品是否脏污监

1. 违禁品实时检测依托YOLOv8目标检测模型，自动识别刀具、打火机、充电宝、易燃易爆容器、管制器械等各类违禁物品，实时标记目标位置。2. 智能声光告警识别到违禁品后立即弹窗提示、本地声光报警，同步推送报警信息至后台管理端，提醒安检人员处置。3. 图像留存回溯自动保存过机安检画面、检测截图，附带时

对PDF、Word、TXT等多格式文档进行文本清洗、切片分块、向量化编码；基于向量数据库搭建检索引擎，结合相似度匹配、重排序算法优化检索精度；接入大模型Prompt工程优化问答逻辑，构建检索+生成的RAG推理链路；完成前后端对接与接口封装，实现私有化部署与稳定服务调用。

系统实现了一个完整的黑盒对抗攻击检测与防御展示平台。用户可以在前端选择CIFAR-10+ResNet-18或TinyImageNet+EfficientNet-B0实验组合，配置黑盒攻击方法、防御方法、查询场景、查询预算、样本数量和检测阈值。系统支持HSJA、NES、SimBA、BA、Sign-Op

包括数据集制作，图像预处理，数据标注；算法设计，包括算法搭建，参数微调；模型训练，在超算平台上提交训练任务，训练后获取模型权重；在验证集上测试效果并改良模型；将模型封装为软件。主要功能为实现了端到端的图像检测与识别功能，将图像输入模型后即可输出检测结果。

本预测体系由三层结构化模块构成。数据准备层通过Python爬虫定向抓取2016Q1至2025Q3的财务三表数据，构建分赛道季度收入拆分方法与事件哑变量体系。LayerA驱动型基线模型采用“赛道拆分+业务量×变现率”框架，对智慧教育、开放平台、智慧城市、其他四大业务分别建模，辅以均值回归毛利率与历史中

DockerCompose封装GPU推理环境，支持WindowsWSL2显卡直通，一键完成CUDA、模型依赖部署；基于PyTorch实现5款量化大模型串行批量推理，内置显存自动回收逻辑，；导入自定义Prompt集合自动生成全部模型回答，导出可编辑Excel打分表；标准化0/1/2人工打分、双层质检，

模块一：鸟类检测引擎基于YOLOv8/YOLOv11深度学习模型，支持对图像和视频流中的鸟类进行实时检测。•支持预训练COCO权重（通用鸟类检测）和自定义微调模型（特定物种识别）•GPU加速推理，单帧检测耗时

数据预处理模块 全量8个CSV文件合并→缺失值中位数填充（按类别分段）→Z-score标准化（fitontrain）→7:3分层划分；模型训练模块 PyTorch从零搭建CNN-1D和LSTM；两层评估模块第一层：Binary检测（异常vs正常）—Precision/Recall/F1；第二层：五分

设计分阶段课程学习与⾃动切换策略，提升⻓周期训练稳定性并降低策略震荡⻛险。构建Sim2Real接⼝与并联映射能⼒，完成⼯作空间惩罚与动作低通滤波，为控制侧联调提供稳定输入。⽀持⻓周期训练、断点恢复与回归验证。打通模型管理与ONNX导出链路，为C++侧推理部署与跨平台集成提供标准模型接⼝。