C++

C++是一门由Bjarne Stroustrup于1980年代在贝尔实验室开发的通用编程语言,其设计初衷是“带类的C”,即在C语言的基础上增加了面向对象编程等特性。它完美继承了C语言的高效性和底层控制能力(如指针和内存直接操作),同时引入了类、封装、继承、多态等面向对象机制,以及模板、泛型编程、异常处理、标准模板库(STL)等现代特性,使其成为一个兼具高性能和高抽象层次的多范式语言。C++以其极高的执行效率和灵活性著称,既可用于开发操作系统、游戏引擎、嵌入式系统、高频交易等对性能极度敏感的底层系统,也能构建大型复杂的桌面应用和服务器软件。然而,这种强大和自由也带来了显著的复杂性,学习曲线陡峭,需要程序员手动管理内存并深入理解语言细节。尽管面临现代语言(如Rust、Go)的挑战,但凭借其成熟的生态、庞大的代码遗产和持续的标准化演进(C++11/14/17/20),C++至今仍是系统级开发和高性能计算领域不可或缺的基石语言。
系统包含图像采集、AI识别、运动控制、通信、状态机控制和人机交互六大功能模块。主要功能:工业相机实时采集管道图像;基于YOLOv8深度学习算法自动识别焊缝、套环和返修标识;通过ModbusTCP与PLC通信,实现管子前进/后退、夹紧/松开、三档速度控制;焊缝像素级精密对中(精度±3像素);套环自动分
490C++人工智能
系统提供两种互斥的检测模式。检测模式基于YOLO目标检测识别零件状态,通过类别标签自动判断每个工序的OK或NG状态,NG状态具有粘性锁定特性。规则SOP模式基于几何条件判断,结合YOLO目标框和MediaPipe手部关键点,识别取件、检测、放回、限位读取四类工序,其中检测工序支持内窥镜拍照触发,限位
900C++智能硬件
半导体AOI检测产品系统
半导体AOI能识别多种缺陷,比如:晶圆表面的划痕、污点、颗粒和微裂纹;光刻环节的线路偏移、图形残缺、光刻胶残留;蚀刻环节的针孔、短路;封装环节的焊球虚焊、引线偏移或断裂;以及芯片成品的引脚变形、打码模糊等
1120C++人工智能
1、设备列表管理:添加、编辑、删除设备信息(设备编号、名称、类型、安装位置等);2、实时监控面板:以仪表盘和折线图展示设备当前温度、压力、转速等关键指标,数据刷新间隔可配置;3、报警管理:当设备参数超出阈值时,自动触发声光报警并记录报警事件;4、历史数据查询:按时间段查询任意设备的历史运行数据,支持
930C++工业互联网
本项目围绕锂电池状态智能估计构建了五大算法功能模块:①数据预处理与特征工程模块——对充放电电压、电流、温度、容量曲线进行清洗、归一化与特征提取,内置基于模糊信息测度的SOC特征选择(DMRCmRC)与基于小波变换(DTCWT)的多尺度特征编码。②SOH健康状态估计模块——集成物理信息神经网络(EM-
870C++人工智能
程序启动后持续截取游戏画面,利用YOLO模型实时检测特定目标(如敌人头部),筛选出FOV内且置信度最高的目标,计算其与屏幕中心的偏差,进而通过相对移动指令驱动鼠标准星平滑跟随。整个过程在50ms内完成单帧闭环,实现近似实时的自动瞄准效果。用户可调整FOV、置信度阈值和帧率等参数以适应不同场景。
1380C++人工智能
人体动作捕捉识别识别人体骨骼、肢体姿态等动作;支持多人同时识别,区分不同参与者,识别动作反馈到屏幕画面。挑战任务交互设置闯关、计时等挑战模式;用户身体动作直接操控虚拟角色,不用手柄、触摸。实时画面反馈屏幕实时渲染游戏场景,叠加用户虚拟形象/骨骼轮廓,动作发生立刻给出画面响应,做到动作‑画面同步。
1240C++人工智能
降AI率模型产品系统
本模型是一款基于深度语义分析的智能文本拟人化优化系统,专为降低学术论文AI检测率而设计。它通过多维度特征提取,精准识别AI生成文本的典型模式(如句式单一、逻辑过渡生硬、词汇重复率高等),并运用动态同义替换、复杂句式拆分与重组、非确定性表达插入(如口语化衔接词、个性化副词)等策略,在保持原意与学术严谨
770C++机器深度学习
降AI率模型产品系统
本模型是一款基于深度语义分析的智能文本拟人化优化系统,专为降低学术论文AI检测率而设计。它通过多维度特征提取,精准识别AI生成文本的典型模式(如句式单一、逻辑过渡生硬、词汇重复率高等),并运用动态同义替换、复杂句式拆分与重组、非确定性表达插入(如口语化衔接词、个性化副词)等策略,在保持原意与学术严谨
610C++机器深度学习
该系统是为配套硬件定制的一套包含硬件控制、用户管理、数据管理、图像检测、AI检测子系统等多功能于一体的软件系统。硬件控制模块通过以太网、串口、USB等方式实现与硬件控制单元的通讯,如PLC、X-Ray发射器、X-Ray成像控制器、异常执行机构等,从而实现对硬件设备的操控;用户管理模块实现了角色分配与
1050C++机器深度学习
系统支持训练项目管理、故障模拟、驾驶操作考核、成绩评分、振动反馈、UI界面控制、AI智能问答、训练记录查询及数据统计分析等功能,同时支持多训练科目切换、题库管理及设备联动,实现完整的仿真培训业务流程。
890C++人工智能
层级 模块环境与硬件 Dashboard/EnvironmentList/EnvironmentCreate/硬件检测机器人设计 BodyDesigner(3D设计+URDF/MJCF导出)/URD(统一机器人描述)训练与实验 ExperimentRunner/ModelTraining/Motio
1030C++机器深度学习
1、下位机:完成隧道小车的驱动控制;控制线阵相机扫描隧道;控制补光;控制雷达探测周边障碍物确保安全;接收遥控器控制指令。2、上位机:整合下位机采集的图像;实现缺陷的人工标注;实现缺陷的自动识别;输出说明缺陷类型及位置信息的工单
940C++机器深度学习
通过4台Mech-Eye3D工业相机,对预制梁焊接区域进行视觉检测,计算焊接点三维坐标,并通过TCP发送给PLC/机器人执行自动焊接。六大功能模块①相机管理(MechMindCamera.cs)封装Mech-EyeSDK,支持4台相机独立发现/连接/断开,拍摄深度图(TIFF)和2D灰度图(PNG)
1050C++人工智能
可完成目标物体轮廓精准提取,搭配完整图像预处理与噪声去除功能。融合HSV、二值化算法优化图像效果,针对性适配复杂现场光照环境,有效抵御光线、阴影等干扰,保障视觉检测与测量工作稳定运行。
870C++人工智能
核心模块:包含dat格式解析与重组、滑动窗口智能切分、多维可视化(时/频/时频域联动)、音频回放校验及批量标注导出五大模块。功能描述:支持DAS专有二进制格式的直接读取与解析,通过“视听协同”辅助人工判读,一键生成深度学习训练样本。工具解决了传统标注效率低、边界识别难的问题,将标注效率提升40%以上
1180C++人工智能
工程上实现工业机器人(贯流风叶检测机),贯流风叶从入口进入,电子摄像头(2个)采集旋转的贯流风叶的表面图像,通过检测算法,将风叶识别为有无瑕疵(若有瑕疵,机器记录是何种瑕疵),分别从机器输出端两个出口输出。检测算法,基于yolov-5算法,建立基础数据集,训练出检测模型,实时快速检测风叶瑕疵,检测率
890C++机器深度学习
风速预测产品系统
系统主要实现风电功率时间序列预测功能,包括原始数据清洗、异常值处理、滑动窗口样本构建、功率序列分解、深度学习预测和误差指标评估等模块。系统先对风电功率数据进行预处理,再利用CEEMDAN和EWT方法将复杂功率信号拆分为多个更稳定的子序列,随后分别训练LSTM模型进行预测,最后将各子序列预测结果重构为
1160C++机器深度学习
PrAlmodel开源项目
从零构建一个全新的、与现有所有AI架构无关的类脑认知系统。不预设任何功能模块,模拟大脑皮层的Pr-Al分子梯度轴,让网络在与环境和任务的交互中自发分化出不同功能区域。核心创新创新 说明 人脑对应层级预测编码 4层网络,每层独立预测,预测误差驱动学习 皮层分层结构(V1→V2→V4→IT)Pr-Al功
1221C++人工智能
该系统通过传感器实时采集海缆焊缝的点云数据,并基于改进的U-Net网络进行焊缝缺陷识别,自动检测焊缝表面缺陷,并生成质检报告。其中作为核心开发成员负责改进U-Net网络的算法开发,用于精确识别焊缝缺陷,同时还负责与传感器的通讯模块开发,确保系统能够稳定稳定获取并处理点云数据,完成质检任务,以及基于q
1260C++机器深度学习
当前共43个项目more
×
寻找源码
源码描述
联系方式
提交