人工智能

1.支持单文件（如CSV,JSON）与大规模多文件数据集合的分布式存储与管理方案。建立了完整的数据版本控制、标注，为不同情景下的专业模型研发提供了高质量、标准化的数据供给。2.开发了灵活的算法集成框架，支持将数据清洗、特征工程、指标分析等预处理算法以及专业AI模型进行统一注册、编排与版本管理。直接为

知识文库系统构建：设计并开发了平台的核心知识库系统。完成多源数据（包括结构化医疗指南、非结构化护理文献及UGC护理日志）的ETL流程，利用NLP技术（如关键词提取、文本分类、实体识别）进行知识提取与结构化处理，构建了超过10万条目的老年照护知识图谱，支持多模态与高效检索。智能对话系统：基于知识图谱与

我们提出了一个高度自主的多智能体框架，该框架能够支持大型语言模型（LLM）在具有挑战性的线性注意力机制领域开展端到端的科学研究。我们的框架支持以下功能：自主架构发现流程：一个完整的多智能体系统，能够自主推测新的架构概念、将其编码实现，并通过系统性实验对性能进行实证验证。架构数据库：基于MongoDB

API接口安全分析POST/api/analyze：安全分析POST/api/meta-cognition：元认知分析POST/api/intelligent-reasoning：智能推理POST/api/decision：决策生成实验管理POST/api/experiment/create：创建实

六轴机械臂openr6是一台桌面级别开源机械臂支持用户二次开发适配华为昇腾处理器•融合开源AI大模型技术•开源机械臂结构设计、电机控制和运动学控制算法•提供多个拓展接口，支持视觉、语音、传感器等外设模块的接入，满足多场景的硬件开发需求

项目特色：1.自适应检索策略：根据本地文档数量自动选择本地检索或Elasticsearch检索，支持运行时强制切换。2.多版本演进：从基础命令行版本延展到多个WebUI版本（简洁版、增强版、图像增强版、ESRAG版本等），满足不同部署和交互需求。3.混合检索与网络补充：优先使用本地知识库，缺失时可通

1.项目有哪些具体功能模块表面缺陷区域自动检测模块（无监督神经网络）缺陷类型分类与分级模块（深度神经网络分类器）数据采集与预处理模块缺陷标注与结果展示模块缺陷检测结果存储与报表分析模块系统接口与生产线联动模块2.项目的主要功能描述系统首先通过无监督学习的神经网络模型自动检测彩涂板表面的疑似缺陷区域，

1.项目具体功能模块：皮带运行状态监测模块（跑偏、撕裂、断带、异物检测等）视频/图像智能识别模块（AI视觉）异常报警与联动控制模块数据采集与存储模块历史数据分析与报表模块远程运维管理平台（Web/APP端）系统自检与健康诊断模块2.项目的主要功能描述：系统通过部署工业摄像头、传感器等采集皮带运行图像

孝感高新区应急智慧平台旨在通过数字化手段提升高新区的应急管理能力，实现对各类突发事件的快速响应、高效处置和科学决策。平台基于UE构建了高精度的数字孪生模型，将高新区的地理信息、基础设施、建筑分布等要素进行了全面数字化呈现，为应急管理提供了一个直观、可视化的操作环境

AI自动化办公助手集成了多种实用功能模块：智能表格处理模块：自动合并、去重、清洗Excel文件；AI报告生成模块：基于用户输入快速生成日报、周报、总结；自动下载与分类模块：支持批量下载网页资源并按类型分类保存；自动邮件与消息发送模块：支持批量发送邮件、微信通知；AI文案助手：调用OpenAI接口自动

项目介绍：本项目旨在解决复杂网络中的链路预测问题及增强模型的可解释性，提出了一种结合图神经网络（GNN）和贝叶斯网络的创新框架。通过多层次的图神经网络提取节点的局部和全局结构特征，并结合节点属性信息，利用贝叶斯网络进行概率推理，在SCHOLAT数据集上实现了93%的准确率，在YST数据集上实现了81

1、核心功能模块：多智能体协同框架模块、DOM差异化分析模块、提示词工程优化模块、LoRA微调优化模块、RAG增强预定义模板库系统、成功案例优先队列模块、端到端自动化流程模块、多智能体闭环验证模块。2、主要功能描述：多智能体协同框架基于ReAct框架实现Think-Act-Observe迭代优化，可

EasyTune-LLM是一个专业的大语言模型微调平台，旨在简化LLM微调流程，让开发者和研究人员能够轻松地：管理训练数据集选择和配置基座模型创建和监控训练任务部署和测试微调后的模型

基于YOLO11的游泳防溺水检测系统，以YOLO11目标检测模型为核心，针对公共游泳场所（泳池、水上乐园等）的安全监测需求，融合计算机视觉与行为分析技术，实现溺水危险的实时识别、精准预警与高效管理，核心功能可分为以下五大模块：一、实时动态目标检测系统依托YOLO11原生的高效目标检测能力，可在泳池场

1.基础蒸烤功能模块实现蒸、烤、蒸烤组合等核心烹饪功能温度控制（室温至最高温度的精准调节）时间设定与控制多种预设烹饪模式（如烘焙、烤肉、蒸鱼等）安全保护机制（过热保护、超时保护等）2.菜谱功能模块内置多种菜品的菜谱数据库菜谱分类与检索功能分步烹饪指导食材与调料用量建议用户自定义菜谱存储与分享3.摄像

非接触式监测：使用医用级摄像头对保温箱内早产儿进行持续视频采集，避免传感器接触对婴儿造成的刺激深度学习姿态识别：基于改进的YOLOv4/YOLOv5算法，实现对早产儿关键身体部位（头部、四肢、躯干）的精准定位和姿态分类异常行为检测：通过时序分析识别异常姿态模式（如持续性异常体位、活动减少等），及时预

1）RAG知识库：导入PDF/Word/表格，清洗分块、向量化、热更新；2）智能对话：基于企业语料高质量问答，引用原文证据；3）流程自动化/多Agent：创建工单、指派、催办、回写表格/审批；4）工具接入：飞书消息/日历/表单/多维表格、Webhook、第三方API；5）权限与审计：按部门/群组控权

视觉定位识别：采用最小二乘法多组位置标定，精准定位目标物体，为机械臂抓取提供高精度位置基准，解决定位偏差问题。​视觉特征识别：借助全卷积神经网络，实现端到端物体特征提取，可精准识别不同尺寸、形态、材质的物体，适配多样抓取对象。​强化学习决策：通过深度Q学习算法，让机械臂自主学习抓、推动作的最优位置与

基于高通SNPE的模型部署到色选机项目1.图像采集，利用camera设备采集2600张茶叶（640*640），并标注13中茶叶类别。2.数据增强，利用数据平移、缩放和仿射变换，扩充数据集。3.利用Yolov5算法进行模型训练。4.利用SNPE进行模型进行模型转换和量化，因为SNPEdsp不支持5D算

数据集自动化处理：支持数据集的自动标注（结合半自动化标注工具辅助人工高效标注）、数据集划分（按比例自动拆分训练集、验证集、测试集）、数据增强（自动实现图像旋转、缩放、亮度调整等操作，扩充数据集规模）。模型自动化训练：内置多种YOLO版本（如YOLOv5、YOLOv7、YOLOv8）的训练脚本，可自动