边缘计算

感烟、感温、手报、消火栓、输入输出模块、声光警报器、火灾报警控制器、图形显示装置。感烟探测器用于监测空气中烟雾浓度，适合火灾初期预警；感温探测器通过温度变化识别火情，适用于厨房、机房等场所；手动火灾报警按钮用于人员人工触发报警；消火栓按钮可联动消防泵启动；输入输出模块负责采集设备状态并执行联动控制；

本项目包含五大核心模块：1.FEMDA五维状态引擎：实时监控物质(M)、信息(I)、逻辑(L)、能量(E)、功能(F)五维熵值，动态评估系统健康度。2.双脑协同系统：外脑（LLM）提供创造性语义生成，内脑（FEMDA内核）保障确定性逻辑推演与安全审查。3.动态源码自进化协议：基于熵值驱动，系统运行中

系统包含家长端小程序与校车安全监管两大板块。1.交通疏导模块：家长端小程序+后台管理临停区动态分配：按班级/时段为家长分配指定临停等候区，避免车辆集中涌入校门；分段放学错峰：对接学校分年级、分时段放学的排期，错峰释放接驳压力；定向放学通知：孩子放学后，系统精准推送通知至对应家长手机，家长收到后再启动

平台采用端边云架构：路侧部署激光雷达、毫米波雷达、摄像头、RSU等感知设备；设备接入边缘计算单元，运行多源感知智能融合等算法，输出结构化数据实时推送至云端大数据底座，经大数据分析处理，支撑上层云控应用，实现端边云协同，承载各类智慧交通业务，主要功能如下：1.全息道路/路口数字孪生服务：实现道路融合全

平台由空间预约、可视化座位管理、AI人脸识别、边缘智能分析、无感签到签退、岗位状态监测、异常事件处理、规则引擎及数据看板等模块组成。用户可按日期、场所和座位查看空闲、已预约、使用中及不可用状态，并在线完成预约和记录查询。现场摄像设备将授权区域的视频流接入边缘计算节点，由边缘侧视觉算法执行人脸检测与识

同步完成BMS、WOC、CSMC业务管理系统；对接边缘算力硬件，完成Qwen视觉大模型私有接口适配，自主编写告警事件解析脚本，处理图片抽帧、识别结果接收存储，落地边缘端AI视觉复核告警业务。

主要可协助：论文算法或数学模型的FPGA实现可行性评估Matlab、Python、C/C++算法的定点化与RTL架构设计高速ADC、CMOSSensor及多通道数据采集DDR3/DDR4缓存、高速数据汇聚与网络传输TCP/UDP/IP、Ethernet、PCIe、Aurora、RapidIO等接口图

主要功能描述1.控制面框架进程mlfw-d,负责不同模块uds通信，以及插件管理2.视觉管线pipeline1.视频接入（USB/RTSP/文件，MPP硬解码）2.边缘AI推理（RKNN单/多模型，RGA前处理，后处理）3.区域事件监测（区域定义、占用/逗留/进出、事件快照截图）4.事件输出对接（J

一、多传感器数据采集模块融合深度相机、可见光相机及激光雷达，在强光、复杂背景等干扰下同步采集RGB图像、深度图像与点云数据。二、线缆目标识别与分割模块基于深度学习算法（如YOLO、DeepLabV3+等）对线缆进行精准检测与像素级分割，从复杂背景中提取线缆特征与中心线。三、三维测量与计算模块将深度数

云巡检平台核心功能介绍一、多源巡检数据接入管理兼容无人机航拍、InSAR卫星遥感、巡检车载终端、人工手持APP、路面各类传感器，支持HTTP、Kafka、MQTT、WebSocket多协议接入；统一完成数据清洗、格式标准化、去重处理，海量监测数据分库存储，时序监测数据存入InfluxDB，海量轨迹数

1、数据采集模块：支持串口(RS232/RS485)与网口(TCP)两种通讯方式接入电子秤，兼容多种称重协议（文本帧/十六进制帧），具备帧校验、去抖稳定判定、断线自动重连功能，采集与UI线程严格分离，不丢帧。2、合格判定与自动打印：接收稳定重量后，自动与预设的合格区间比对，判定合格/不合格（偏轻/偏

单层lstm做时间特征提取四头注意做核心预测非黑箱模型，根据热力图具有可解释性能够基于过去3-6个小时去预测未来3-6个小时的光伏发电情况若采用剪枝参数量可能还会更小

项目包含底层控制总线、运动学规划、传感器数据融合以及异常安全拦截等具体核心模块。高频总线通信：主控部分基于C/C++语言开发，实现对多路伺服驱动器的CANopen/EtherCAT高频总线通信，控制周期达到工业级1ms响应；底盘运动学逆解：运动控制模块全面支持双轮差速、麦克纳姆轮、舵轮等多种主流底盘

1、项目具体功能模块本平台覆盖“模型生成—优化—部署—监控—闭环”全链路，包含以下九大模块：项目与场景管理：组织AI任务归属与上下文定义。模型管理：支撑模型从接入到发布的生命周期运维。模型优化：提供轻量化策略以提升边缘运行效率。模型部署：支持向端侧设备下发与落地模型。数据集管理：管理训练、验证与测试

面向端侧推理的大语言模型知识蒸馏实验项目。选型CogLang——一个面向用药安全领域的专用大模型作为教师模型，通过激活迁移和层剪枝技术将其核心能力压缩为学生小模型，目标是在药名识别和相互作用判断任务上保持90%以上准确率的同时将推理延迟降低至端侧可接受范围。技术路线包括：教师模型特定层的激活值提取与

系统构建了RGA（预处理）→NPU（推理）→VPU（推流）的全硬件加速链路。数据采集端以OpenCVVideoCapture解封装视频流，对宽高执行16字节内存对齐后将缓冲区注册为RGADMA可访问句柄，实现零拷贝数据传递。RGA负责颜色转换与缩放（6ms，CPU占用0%），量化YOLOv5s部署至

1.具体功能模块：项目包含多模态图像预处理模块、轻量化ViT特征提取与融合模块、模型量化与剪枝模块、训练与微调模块、推理部署模块。其中预处理模块负责红外与可见光图像的对齐、归一化及增强；特征融合模块采用轻量化LightViT网络实现跨模态特征交互；量化剪枝模块用于压缩模型体积、提升推理速度；部署模块

本项目采用“云端总控+边缘推理”的双轨架构，实现无人值守的算力售卖闭环，包含五大核心模块：1.边缘大模型推理引擎：基于WSL2+Docker深度定制，高效承载vLLM框架与量化大模型，对外暴露完全兼容OpenAI规范的流式API接口。2.双通道智能穿透网络：采用Tailscale（P2P直连为主）+

核心功能-YOLO目标检测：支持图片上传、视频解析、摄像头实时直播流检测-安防监测：异常目标识别、实时预警、事件记录、回溯查询-工业质检：产品缺陷识别、不合格品标记、数据统计、检测报告-基础配置：摄像头接入、检测规则设置、预警方式自定义

1.全维度实时感知与控制设备状态监测：实时采集储能电池、PCS、BMS、配套消防设备的关键参数，包括电压、电流、功率、温度、SOC/SOH等，直观可视化展示系统运行状态；环境同步监测：同步采集储能舱/电站的温湿度、烟雾、消防告警等环境参数，规避环境因素引发的安全风险；灵活充放电控制：根据策略自动控制