-火焰识别：检出疑似火焰区域，结合颜色、轮廓、亮度动态闪烁特征做多帧复核-烟雾识别：依靠低饱和度、纹理扩散、边缘衰减、漂移变化等时序特征识别-焊接电弧识别：基于强光区、电弧色彩、火花动态特征，结合附近人员信息辅助判定-干扰过滤：针对固定灯光、金属反光、静态暖色物体、过曝亮斑设置过滤规则-结果输出：告

-多边形自定义电子围栏：支持任意形状区域绘制，判定人员是否进入围栏范围-人员定位优化：优先使用脚部关键点/人体框底部中心点判定，减少检测框重叠带来的误判-目标轨迹追踪：绑定人员ID，持续跟踪移动路径，区分路过、闯入、滞留-场景联动条件：可搭配其他目标状态，为不同围栏配置差异化判定逻辑-告警状态管理：

-人员检测与局部识别：定位画面内人员，裁剪人体区域二次识别，识别手机、安全帽、防护服装等目标-行为分析：结合人体关键点、目标相对位置，识别疑似玩手机等违规行为-防护用品核验：结合颜色特征、局部目标、作业上下文，辅助判断防护装备佩戴状态-多帧时序校验：绑定同一个人员ID，滑动窗口投票，降低单帧误检波动

本项目包含以下核心功能模块：一、工作内容输入模块：支持自然语言文本输入，用户可自由描述本周完成的工作内容，系统自动识别关键信息并分类整理。二、AI智能整理模块：基于大语言模型，对输入的工作内容进行语义分析，自动提取工作亮点、成果量化数据、遇到的问题及解决方案，并按周报标准格式进行结构化重组。三、格式

ClinVarVariantFinder是一个ApifyActor。它通过NCBI官方E-utilities接口检索ClinVar，不抓取网页。可以按基因、疾病、HGVS或rsID查询，并把临床意义、审阅状态和坐标等字段汇总成扁平行数据。公开仓库是https://github.com/lxhcxyj

CF-SEQ包含两部分。ClueFinder根据表型给出罕见病候选，并附上证据。SequencingDecisionEngine综合紧急度、成本和信息增益，给出下一步检查建议。实现使用Python，并有前端演示，知识来自HPO和罕见病知识库。GitHub开发仓是私有的，不在这里贴链接。公开审阅版本发

模型推理模块：CheXNet剪枝+轻量化骨干+混合精度+算子融合的加速推理引擎，输出14类胸部病变概率。可解释性模块：基于Grad-CAM生成病灶热力图，叠加原图输出可视化结果。报告生成模块：根据分类结果与热力图定位信息，自动生成结构化诊断报告（病变名称、置信度、病灶区域描述）。前后端分离诊断系统：

技术架构：基于Python、PyTorch和YOLO构建目标检测算法框架，结合OpenCV实现图像与视频处理，利用CUDAGPU加速模型训练及推理。数据处理：负责图像数据整理、目标边界框标注、数据集划分及数据增强，采用随机缩放、翻转、颜色扰动等方式提高训练数据多样性。模型开发：基于YOLO系列目标检

本人负责医学图像分割算法设计、数据预处理、深度学习模型开发、训练优化、实验评估及结果分析等核心工作。技术架构：基于Python、PyTorch、MONAI构建医学图像分割框架，结合OpenCV、NumPy实现图像处理，使用CUDAGPU加速模型训练与推理。数据处理：完成医学图像读取、尺寸统一、归一化

项目名称：基于PyTorch的深度学习视觉智能分析系统项目介绍：本项目围绕计算机视觉与深度学习技术，设计并开发智能视觉分析系统，支持图像分类、目标检测、语义分割等核心算法任务，可面向不同业务场景进行模型定制、训练优化与推理部署。核心技术：深度学习框架：PyTorch、TorchVision计算机视觉