Java

Java是一门由Sun Microsystems（现属Oracle）于1995年发布的高级编程语言，其设计核心是“一次编写，到处运行”的跨平台能力。这一特性通过Java虚拟机（JVM）实现，源代码被编译成与平台无关的字节码，由JVM在不同操作系统上解释执行，使其拥有极强的可移植性。Java是一门面向对象的语言，强调代码的健壮性、安全性和多线程处理能力，其严格的类型检查和缺乏指针等设计降低了内存错误的风险。它广泛应用于大规模企业级开发，是构建复杂、高并发后端系统、Android移动应用和大数据平台（如Hadoop）的基石技术。尽管语法相对严谨冗长，但其结构清晰、稳定性极高，拥有世界上最庞大成熟的生态系统和社区支持，历经数十年发展依然是大型、关键业务系统最可靠的选择之一。

项目介绍 silc-client 是一个基于 Vue 3 + TypeScript 构建的现代化前端应用项目。该项目使用了最新的前端技术栈，提供了一个响应式、高性能的用户界面。 技术栈 框架: Vue 3.5.13 (Composition API) 语言: TypeScript 5.8.0 构建工具: Vite 6.2.4 状态管理: Pinia 3.0.2 路由: Vue Router 4.5.0 UI组件库: Element Plus 2.9.9 图表库: ECharts 5.6.0 HTTP客户端: Axios 1.9.0 工具函数: Lodash 4.17.21 日期处理: Day.js 1.11.13 项目特性 ? 基于 Vue 3 Composition API 的现代化开发体验 ? 使用 Element Plus 提供的丰富UI组件 ? 集成 ECharts 支持数据可视化 ? 使用 Pinia 进行状态管理 ?️ Vue Router 实现单页应用路由 ? TypeScript 提供类型安全 ⚡ Vite 提供快速的开发服务器和构建

主要面向企业数据分析师、知识工程师、AI 研发团队以及希望构建智能问答系统、知识管理平台的机构。在知识图谱及动态数据问答分析需求日益增长的背景下，当前知识大脑构建存在诸多痛点：知识建模缺乏灵活且标准化的工具，导致知识结构混乱；知识编辑效率低，难以快速更新与修改；不同来源数据难以融合，形成数据孤岛；数据接入渠道单一，无法适配多样化数据源；数据入图过程复杂，耗时长；数据标引不精准，影响知识检索与应用；知识图谱底层存储性能不足，无法满足高并发、大规模数据存储需求。本方案旨在一站式解决知识大脑构建环节中的这些问题，提升知识管理与应用效率。​ 2.【50%】相比于市场常规方案，本方案有哪些特点​ 一体化全流程覆盖：市场常规方案往往只能解决单一环节问题，如仅提供知识图谱存储或数据接入功能。而本方案涵盖知识建模、编辑、融合、数据接入、入图、标引及底层存储等全流程，各模块紧密配合，形成完整闭环，大幅提升知识大脑构建效率。​ 高度灵活与可扩展性：知识建模模块支持自定义多种知识结构模板，可根据不同行业、业务需求快速调整；数据接入模块兼容关系型数据库、非关系型数据库、API 接口、文件等多种数据源，且能轻松接入新的数据源类型；底层存储可根据数据规模动态扩展存储节点，适应数据量增长。​ 智能高效：知识编辑模块配备智能辅助编辑功能，如自动语法检查、语义关联推荐等，提高编辑效率；知识融合利用机器学习算法，自动识别数据间的关联与冲突，实现高效融合；数据标引采用自然语言处理与深度学习技术，实现自动化、精准化标引。​ 高性能存储与查询：底层存储采用分布式图数据库技术，相比传统方案，在处理大规模知识图谱数据时，查询响应速度提升数倍，能支持高并发的知识问答与分析请求。​ 3.【20%】方案的产品组成或技术选型​ 知识建模工具：采用基于本体的建模技术，结合可视化建模界面，用户可通过拖拽、配置等操作快速构建知识模型，支持 OWL、RDF 等标准语义网语言。​ 知识编辑平台：基于 Web 的富文本编辑界面，集成 AI 辅助编辑功能，支持多人协作编辑，确保知识更新的及时性与准确性。​ 知识融合引擎：基于深度学习的实体对齐与关系融合算法，自动处理数据冲突，实现多源数据的无缝融合。​ 数据接入网关：支持 JDBC、RESTful API、FTP 等多种数据接入协议，提供数据清洗、转换等预处理功能，保障数据质量。​ 数据入图工具：采用并行处理技术，将清洗后的数据高效导入知识图谱，支持增量更新与全量更新模式。​ 数据标引系统：基于 BERT 等预训练语言模型，结合自定义标注规则，实现自动化、高精度的数据标引。​ 知识图谱存储：选用分布式图数据库 Dgraph，具备高可用性、强一致性和水平扩展性，能够高效存储和查询大规模知识图谱数据。​ 这套工具集全面覆盖知识大脑构建需求并独具优势。若你对其中某个工具、技术或有其他优化需求，欢迎随时和我说说。

监管深圳市所有冷冻冷藏冷库，目前已接入平台运行有1131家冷库，平台主要功能通过AI视频识别分析，监管冷库日常风险，及时提醒地区所负责人，负责人通知冷库人员做出整改。 AI视频风险识别：人员防护风险：未戴口罩、未穿防护服，人员变更风险：陌生人异常、冷链车辆异常，安全风险：整洁度异常、冷库叠超高、玩手机、有积水，走私风险：叉车异常。 系统分为7个子系统：平台管理系统、H5数据上报平台、数据可视化大屏、转码网关、ONVIF IPC摄像头接入平台、AI图像识别和行为分析平台、深圳市进口冷链追溯冷库信息。

本产品聚焦全网舆情与信息数据的采集、处理与分析，可覆盖主流社交媒体、新闻网 站、视频平台、论坛等数据源，帮助企业或组织实时掌握行业动态、热点趋势以及公 众舆论，为业务决策提供数据支撑。 目前通过自研舆情监控系统，能够实时预警负面舆情，风险预警响应速度 ↑80%，负面舆情拦截率95% 案例：某游戏公司负面舆情事件响应效率 ↑95%

后端使用java + spring开发rest api，移动端通过http请求后台api来传递数据，数据库使用mysql数据库。 移动端使用android，在后端定制随访内容，后台查询数据库，把表单内容格式化成json数据传递给移动端，在移动端根据后台定制json动态显示问卷内容。 获得随访数据以后，在后台运用大模型定期进行数据分析，排查出有风险的相关人群。

该项目主要分为三部分，算法、前端和后端，算法读取摄像头数据并实时处理，将处理后的结果发给后端保存，处理后的视频经流媒体发给前端显示；前端使用Vue框架，结合element-ui、Echarts实现了对人流量数据的图表分析功能。后端采用SpringBoot，实现数据的接收发送与用户权限管理。

#软件类设计#pc端#系统开发#app 接 专科/本科 软件类 论文设计、论文撰写，格式修改，降重 企业级 PC端系统开发、网页系统开发、手机app开发、小程序开发 高效完成✅ #软件类设计#pc端#系统开发#app 接 专科/本科 软件类 论文设计、论文撰写，格式修改，降重 企业级 PC端系统开发、网页系统开发、手机app开发、小程序开发 高效完成✅ #软件类设计#pc端#系统开发#app 接 专科/本科 软件类 论文设计、论文撰写，格式修改，降重 企业级 PC端系统开发、网页系统开发、手机app开发、小程序开发 高效完成✅

1. 软件面向的行业和业务场景（25%） 本项目主要面向 安防监控、智能考勤、身份认证、智慧零售 等行业，提供高效、轻量级的人脸识别解决方案。其主要应用场景包括： 安防监控：在公共场所（如商场、地铁、机场）进行人脸检测，实现异常行为预警和黑名单人员筛查。 智能考勤：在企业、学校等场景中，实现无感考勤，提高管理效率。 身份认证：用于门禁系统、智能支付、在线身份验证等，提高安全性和便利性。 智慧零售：通过人脸识别分析客户行为，优化商品摆放，提高用户体验。 2. 主要功能模块及用户体验（50%） 本项目采用 YOLO（You Only Look Once） 作为人脸检测模型，并基于 ncnn 框架 进行优化和部署。系统主要包括以下功能模块： 人脸检测模块 采用 YOLO 进行高效人脸检测 适应不同光照、角度、遮挡等复杂场景 提供实时检测能力，支持视频流处理 人脸特征提取与比对 通过深度学习提取人脸特征向量 提供 1:N（搜索）和 1:1（身份验证）比对模式 低计算成本，实现快速匹配 人脸数据库管理 用户可添加、删除、更新人脸数据 支持本地数据库和远程存储 提供 API 供第三方系统调用 结果可视化与日志记录 提供 Web 端或客户端实时查看检测结果 记录识别日志，便于追踪与回溯 支持图片、视频输入与批量处理 轻量级部署 针对移动端和嵌入式设备优化，低功耗运行 适配 ARM 设备，如 Android 终端、树莓派、嵌入式 IPC 设备等 3. 技术选型与架构特点（25%） 本项目的技术架构充分考虑了 高效性、跨平台兼容性和易用性，主要特点如下： ncnn 框架： 轻量级、无第三方依赖的神经网络推理框架 适用于移动端和嵌入式设备（ARM 设备优化） 支持 Vulkan 加速，提升 GPU 计算效率 YOLO 模型： 速度快、检测精度高 适用于实时应用，能够在低功耗设备上运行 C++/Android 端优化： 采用 C++ 进行核心算法开发，提升运行效率 可适配 Android 端（通过 JNI 调用） 模块化架构： 提供 API 接口，支持与其他系统集成 可扩展性强，未来可支持更多识别算法（如 RetinaFace、ScrFD）

该软件主要帮助客户开发对AI知识库的运用，使用客户产品知识库训练大模型回答相应问题，还能根据客户的语义，生成相应的图片（文生图、图生图）。 该项目主要分三大块，智能AI对话、智能生图、群聊功能，对于客户来说，主要解决了学生在机构中了解到机构的基本背景，通过机构的课程学习，能够使用app实现图片的生成，还能通过群聊与机构老师进行沟通。 该项目主要通过本地部署大模型（langchain+通义千问）实现智能对话，stablediffusion实现智能生图，通过调用腾讯即时通讯实现群聊功能，主要特点是大部分功能都通过开源框架本地部署来实现，能够节约外部调用api的费用。

架构设计。基础框架搭建，springboot+dubbo微服务架构 第三方底层框架集成。包括万科项目底层组件，云信直播、视频SDK 第三方业务系统集成。海尔单点登录集成，海尔用户中心注册、修改用户接口集成，对接海尔 COSMOPlat支付接口，对接海尔消息平台（短信），七鱼客服系统集成 核心业务模块。包括在线学习、直播、点播观看和管理，订单模块，支付模块 后台模块。包括用户管理，集团组织机构管理，用户权限（shiro），直播点播统计（ELK） 推流助手二次开发（c++）。对推流助手UI进行调整，添加了类似清晰度、直播暂停、恢复等功能 海尔COSMOPlat项目部署，基于k8s平台的docker镜像部署 基于pytorch开发、训练的AI搜索助手

是一套供平安寿险坐席人员培训学习的系统。主要有 演练模块、通关模块、学习模块、话术平台、数据报表、系统管理等主要模块。系统 分为 admin 端和 client 端，采用前后端分离的开发模式。并通过 kettle 工具同步人 管系统的坐席人员及相应的权限信息。 参与该系统所有模块的开发及问题优化。解决相应的生产问题、设计数据库表以及解 决表数据迁移问题、配合产品开发新需求，协助技术经理对每月底的版本发布做准备 工作；协助测试进行生产验证，负责产品的性能优化提升用户体验等。 指导新入职的同事对项目的理解，负责代码的审核以及在开发过程中所注意的问题

项目分为文生图、图生图、dreambooth微调模型、图片管理几个模块。 文生图：通过关键词AI绘画出相关图片 图生图：通过本地图片加上关键词AI绘画相同风格的图片 dreambooth：微调模型可根据不同需求训练出自定义风格的AI绘图模型

该平台为某科学院委托本公司开发的人工智能训练平台。其中包括有模型训练、模型管理、模型运行等管理功能及整套工具链。支持单机多GPU，多机多GPU，多机多CPU的在线和持续训练方式；支持ensorflow、Caffe等机器学习作业的容器封装；可基于WEB图形拖拽方式建模；建模设计中提供csv文件。支持数据管理与可视化分析、在线集成开发环境、 远程虚拟桌面开发环境、拖拽式训练工作流开发、支持GPU MIG 分片训练、模型算法结构的可视化、平台资源实时监控看板、多项目组的用户管理。支持数据管理与可视化分析、在线集成开发环境、 远程虚拟桌面开发环境、拖拽式训练工作流开发、支持GPU MIG 分片训练、模型算法结构的可视化、平台资源实时监控看板、多项目组的用户管理。

物联网 土壤墒情监测 温湿度光照二氧化碳监测 水肥一体化智慧灌溉 APP远程电磁阀 无塔供水 APP远程打药 虫情监测、害虫图像识别、深度学习 全部自研

负责核心技术平台架构和技术预研，带领团队改造并完成内容数据平台和信息流分发平台，Feed流的智能化推荐、会员增值服务，车型库等基础技术平台建设和部署，支撑亿级用户高并发访问。

人工智能平台系统底层基于人工智能和大数据平台构建，在x86服务器之上提供数据的采集、存储、计算、算法模型和前端展现等功能。 人工智能平台和IoT提供人体识别、行为识别、倾倒行为分析等算法的建模和训练能力；人工智能平台 边缘平台则处理街道、小区大门等前端摄像头设备数据的实时接入和监管，并提供模型部署、规则设计等功能。基于平台，提供倾倒行为识别系统，并开放数据传输接口，用于倾倒行为信息等样本信息的导入和导出。

某企业AI智能客服项目旨在利用人工智能技术，为企业打造一个高效、智能的客户服务系统。该项目通过模拟人类客服的对话方式，与用户进行实时交流，解答用户的问题、提供帮助和建议，从而提升企业服务效率、降低运营成本，并增强用户的满意度和忠诚度。 一、模块组成 智能问答模块：基于自然语言处理、深度学习等技术，对用户的问题进行识别、分析和回答。该模块能够准确理解用户意图，提供精准的答案和解决方案。 用户交互模块：负责与用户进行实时对话，包括语音、文本等多种形式的交互。该模块通过语音识别、语音合成等技术，实现与用户的语音交互；同时，也支持文本输入和输出，方便用户进行文字交流。 知识库管理模块：存储和管理企业的各类知识、常见问题及解决方案。该模块支持知识的动态更新和维护，确保智能客服系统能够随时提供最新、最准确的信息。 数据分析模块：对用户行为、问题类型、服务效果等数据进行收集和分析，为企业提供有价值的业务洞察和改进建议。 二、使用到的技术 自然语言处理技术：用于将用户的语言转化为机器可理解的形式，从而能够准确理解用户的需求和问题。通过分词、词性标注、句法分析等处理，提取出用户问题中的关键信息。 深度学习技术：通过训练大规模神经网络模型，使智能客服系统具备强大的语言理解和生成能力。深度学习技术能够不断优化系统的回答准确性和效率，提升用户体验。 语音识别与合成技术：实现与用户的语音交互。语音识别技术将用户的语音转化为文本，供系统进行处理；语音合成技术则将系统的回答转化为语音，方便用户听取。 大数据技术：通过对用户行为、问题类型等数据的收集和分析，为企业提供有价值的业务洞察和改进建议。大数据技术可以帮助企业更好地了解用户需求和市场趋势，优化产品和服务。 机器学习技术：使智能客服系统能够不断学习和优化。通过机器学习技术，系统可以从用户反馈和交互数据中提取有用的信息，自动调整回答策略和优化模型参数，提升服务质量和效率。

1.作品按客户要求，给出各地机票画像，并做对应的预测。功能模块主要有：数据查询模块，数据预测模块，图形展示，多媒体，天气 2.作品几乎是独立完成

1. 系统描述：本系统为AI多模态人工智能聊天系统，展示的模块为青少年问卷调查智能问卷。系统根据用户对问卷内容的回答，智能分析诊断用户的心理健康状况，为医生提供指导性建议 2. 责任描述： 整个系统架构搭建，问卷流程设计，以及AI核心模块的开发 3. 成果：已经与上海卫建委成功签订合作合同，并申报为24年度政府相关科研课题

分别针对PC端与手机端进行设备缺陷检测开发，针对电力塔缺陷进行批量图片检测或摄像头实时检测 主要工作为数据清洗、图片标注，数据集构建、目标检测算法开发、PC端进行批量检测、手机端实时检测APP开发 全部工作为一人完成