人工智能

1、自研的无监督学习的数学算法来完成异常发现任务。2、寻找某个数学量，并用历史数据计算该数学量的分布，新数值相对于历史分布的离群程度，就可以用来表征异常程度。3、工业情况复杂得多，经常并不能只用简单值就能发现所有异常了，还会用到变化快慢、离散程度等复杂的数学量。4、多维异常程度综合起来，最常用的方法

1.该项目可以实现低代码平台工作流节点的编排。2.可以使用内置工具和Openapi规范的自定义工具。3.通过RAG实现了对平台知识库的索引与检索，提高的平台大模型的检索精度，降低了大模型的幻觉。

融合目标检测与多目标追踪技术，可实时识别画面中多类目标，精准捕捉目标位置、轨迹及行为特征，支持复杂场景下的目标持续跟踪与动态分析，输出清晰目标数据，为各行业智能监测、决策管控提供核心技术支撑。

编程语言：PythonAI框架：PyTorch或TensorFlow（用于风格迁移模型，如CycleGAN或预训练的NeuralStyleTransfer）图像处理：OpenCV和Pillow用户界面：Gradio或Streamlit（快速构建交互界面）其他：HuggingFaceDiffusers

1、传感器数据采集；2、Windows/Linux端程序采集传感器数据，通过网络通信协议传回服务器，或接收服务器指令来操控硬件传感器等；3、大屏数据一屏统管；4、支持语音指令交互控制；

项目概述：基于国产DeepSeek大模型+RAGFlow知识库开发的智能报价系统，能自动解析图纸并快速生成精确报价单。创新亮点：-国产化替代：率先采用DeepSeek国产大模型，实现本地化部署与数据安全可控-知识增强：RAGFlow构建企业知识库，结合供应商报价历史，提升报价专业性-多格式解析：支持

项目概述：为国际美妆品牌兰蔻打造的智能零售展台，实现“拿起产品即播放广告”的无人化互动体验核心实现：-边缘AI部署：基于OpenVINO工具包优化Caffe模型，在IntelAIStick2实现200ms内实时识别-多模态交互：集成科大讯飞语音引擎（中/英/法语）、人体感应灯光控制（人近灯亮/人离灯

项目功能模块：项目涵盖了全栈自动化部署引擎、神经渲染计算模块、智能目标感知模块及信创平台安全加固模块。主要功能描述：该项目实现了从底层算法到前端展示的完整全栈开发。核心功能依托3DGS算法打破了传统三维重建的渲染瓶颈，提供了极高画质的实时场景复现；同时利用YOLOv5框架为三维空间提供智能感知能力。

一键换肤：支持动态切换主题，轻松适配不同风格（如深色/浅色模式、企业定制色等），提升用户体验。优雅窗口特效：内置阴影、圆角、模糊背景等效果，让应用界面更具质感与层次感。流畅动画引擎：集成多种预置动画（如渐显、滑动、弹性效果等），让交互更生动。跨平台兼容：基于QML的强大跨平台能力，可无缝部署到桌面、

全区域打扫、指定区域打扫、自主回充、定时打扫----清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品

全覆盖清扫、区域清扫、贴边清扫、自主回充----清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品清洁机器人产品

激光定位提供厘米级定位精度与环境地图创建路径规划最短路径、全覆盖路径算法、自主回充运动控制通过控制调节，使机器人精准的按照规划路线运动，从而达到高效覆盖gps定位割草机器人的室外定位

基于编译器技术开发的智能代码优化系统，集成前端解析、中间表示转换、数据流分析与后端代码生成能力。支持多语言源码解析、AST变换、SSA优化、寄存器分配等核心功能。可实现自动向量化、循环展开、死代码消除等编译优化，并提供可扩展的Pass框架，适用于DSL设计、性能分析工具开发及代码转译场景。

基于人工智能技术的教师专业能力评价系统，使用大模型对开放数据与多模态私有数据进行分析，构建精确的教师数字画像，提供智能评价与精准培训方案。基于Llama.cpp框架进行大模型微调，并集成RAG进行实时数据查询。

平台提供从数据接入、知识构建到智能检索与对话的全流程能力：1）用户与权限：用户系统、角色权限控制、数据隔离与访问审计；2）知识库管理：知识库创建/删除、数据集管理、增量更新、版本与状态管理；3）新材料专用文本处理：支持论文/专利/报告等多格式解析、结构化抽取（材料体系、成分配比、工艺参数、表征方法、

**项目描述**：独立开发的股票交易监控系统，用于实时监控股票价格、成交量和交易信号，帮助用户制定科学的交易决策**核心功能**：-自动计算5日均线、成交量等技术指标-实现基于规则的买入信号识别（股价5日均线附近+成交量验证）-开发风险控制模块（-8%绝对止损+5日时间止损）-生成标准化的每日交易简

React.js,Vue.js,Spring/SpringBoot,SQL,NoSQL,CI/CD,Docker,K8s(Kubernetes)Java,Golang,Python,Node.js,TypeScript,JavaScript,HTML,CSS

依托现有传统监控工具，集成大语言模型技术模块，构建数据采集-智能分析-自动决策-告警推送的闭环流程，替代传统人工监控的手动巡检、人工排查模式，达成监控系统的智能化迭代。

调用DeepSeek大模型的api，然后将在用户在前端输入相关设计参数，如材料类型，禁带宽度，厚度，目标应用等，然后通过评价提示词的方式，检索相关向量数据库内容，然后再开始设计，最终通过格式化输出寻找设计结果然后可视化渲染出结果。

项目围绕危险品运输全场景风险感知，设计四大核心功能模块，实现多维度风险要素的协同检测与预警：轻量化目标检测与前向碰撞预警基于优化后的YOLOv7-tiny+Shufflenet模型，在COCO数据集上完成行人、车辆、自行车等道路目标检测；通过简化卷积层（三层变一层）、剔除高度占比＜10%的误判标签，