机器深度学习

机器学习，深度学习是人工智能的核心分支，致力于让计算机系统通过数据驱动的方式自动学习和改进性能，而无需显式编程。其核心是从数据中识别模式或规律，构建数学模型，使计算机能完成预测、分类、聚类等任务。主要类型包括监督学习、无监督学习和强化学习。机器学习广泛应用于自然语言处理、计算机视觉、推荐系统等领域，正重塑各行各业，是当前AI爆发的核心技术之一。

工业视觉检测：表面缺陷检测与可配置检测架构产品系统Vibe Coding

1.图像采集：相机触发/同步采集，支持产线节拍对接与图像预处理（ROI、校正、增强）。2.缺陷检测：基于深度学习模型推理（边缘侧ONNX/TensorRT加速），输出缺陷类别、位置与置信度。3.服务接口：FastAPI提供检测接口与任务管理，便于与上位机/MES对接。4.可视化看板：Vue3看板展示

550Python机器深度学习

KeepProject — AI 投篮动作识别与个性化训练建议系统产品系统Vibe Coding

6大功能模块：（1）视频管理，支持MP4/AVI上传删除列表、智能分类、实时骨骼连线标注与角度叠加；（2）骨骼识别，YOLO17关键点检测、MySQL持久化、CSV角度时序导出；（3）角度/动力链计算，手肘、膝、肩等多关节5维追踪与NBA球星模板匹配；（4）AI建议，规则引擎+可选QwenLLM生成

781Python人工智能

基于机器视觉的激光灭蚊炮视觉追踪系统产品系统Vibe Coding

系统包含视觉检测、串口通信、二维云台控制和状态反馈等功能。K230视觉模块实时检测目标并输出像素坐标；STM32主控通过USART1接收数据，并使用单字节中断和状态机完成报文解析；水平轴和俯仰轴分别由独立定时器的PWM通道驱动，根据坐标偏差计算舵机调整量，并通过死区和限幅减少抖动。主循环采用非阻塞分

860Python智能硬件

YOLO-series产品系统Vibe Coding

处理原始图像标注，完成数据集清洗与样本筛选，校验并修正TOMIE自带的原始标签，结合数据增强划分训练集与验证集；对YOLOv5、YOLOv8开展训练、微调与超参调试，针对仓储环境里实体遮挡、物体部分出界等问题调整训练方案，支持图片、视频的目标推理，输出检测框、类别及置信度，统计mAP、精确率、召回率

1000Torch人工智能

农场品价格的加权LSTM模型产品系统Vibe Coding

本项目包含两大核心预测模块：批零差价预测模型与田头价格预测模型。系统首先对来自郑州、温州、兰州三个城市、8种常见蔬菜的周度批发价与零售价数据进行清洗与特征工程。主要功能包括：多维度特征提取：自动计算滚动变异系数、波动率、价格加速度、移动平均线及季节性正弦/余弦特征，并引入滞后特征（Lag）捕捉时序依

990Torch机器深度学习

自进化模型系统产品系统Vibe Coding

系统核心功能：1、使用记录采集与脱敏：自动记录模型输入输出，对敏感信息脱敏后入库，形成使用日志库；2、经验自动总结：定时任务分析使用记录，自动提炼成功经验与失败教训，生成结构化经验条目；3、临时知识RAG：经验条目存入向量库，模型回答时实时检索相关经验作为上下文，临时生效；4、训练微调固化：对高频复

920Python人工智能

目标检测训练与智能辅助平台产品系统Vibe Coding

平台围绕目标检测模型开发提供数据标注、训练任务编排、训练状态监控、结果分析和智能问答等功能。用户可以在统一界面中完成图像数据整理与标注、配置模型和训练参数、启动训练任务并查看实时日志；训练完成后，可查看模型指标、检测效果及相关结果，辅助定位漏检、误检等问题。平台还集成目标检测领域知识问答能力，用于解

950Python机器深度学习

基于深度学习的锂电池健康状态（SOH）与荷电状态（SOC）智能估计系统产品系统Vibe Coding

本项目围绕锂电池状态智能估计构建了五大算法功能模块：①数据预处理与特征工程模块——对充放电电压、电流、温度、容量曲线进行清洗、归一化与特征提取，内置基于模糊信息测度的SOC特征选择（DMRCmRC）与基于小波变换（DTCWT）的多尺度特征编码。②SOH健康状态估计模块——集成物理信息神经网络（EM-

1580C++人工智能

基于ROS2和离线语音识别的智能轮式机器人原型产品系统Vibe Coding

本项目以一台搭载树莓派和激光雷达的轮式小车为核心，集成了以下几个完整的功能模块：1、离线语音交互系统：基于Vosk轻量级中文离线语音引擎，摆脱了对云端的依赖。小车能精准识别“小车”、“跳舞”、“前进一米”等关键词，并利用PiperTTS引擎实现自然、流畅的中文语音播报反馈（如“好的，我要来唱歌了”）

2290C++机器深度学习

水厂 PAC 智能加药预测系统产品系统Vibe Coding

基于深度学习的自来水厂PAC加药频率预测系统，针对滏阳水厂21万条分钟级SCADA运行数据（33个数值特征，目标变量为1#PAC频率给定）完成端到端建模。核心功能：1.数据分析与质量评估：自动检测缺失值、异常值，输出可行性分析报告；2.数据预处理流水线：缺失值均值填充、StandardScaler标

1730Python机器深度学习

股票数据分析与价格预测系统产品系统Vibe Coding

系统采用六标签页Web交互界面，包含五大核心模块：①多品种数据加载，支持股票/ETF/指数/基金，内置三级缓存降级与CSV离线兼容方案；②交互式可视化图表，均线、价量、RSI/MACD/KDJ等技术指标动态绘图；③机器学习涨跌预测，构造11维行情因子，提供逻辑回归、随机森林双模型自动择优；④双均线策

2580Python金融

给水泵站智慧生产系统产品系统Vibe Coding

数据采集：采集数据来源包括：关系数据库、时序数据库、消息队列、Iot设备等数据处理：数据清洗纠偏、归一化、存储模型训练：多模型组合训练，模型评估，参数优化生产执行：模型部署，对接PLC进行实现调度，实时生产监控，安全生产兜底

1230Python物联网

基于BiGRU的中文孤立词手语识别系统产品系统Vibe Coding

整体主要基于CSL500中文手语数据集进行。结果表明，本文训练的模型在测试集上的识别准确率达到了97.56%，并且大多数类别的识别准确率都在90%以上，整体效果较为稳定。部署测试中，经过量化优化后的模型能够在树莓派平台上实现较稳定的实时推理，基本满足实际运行需求，这验证了该系统在真实场景下具备一定的

2740Java人工智能

异常监控管理系统产品系统Vibe Coding

#端到端异常检测系统本系统覆盖**Android端→后端→前端完整链路，实现YOLO实时目标检测、数据上报、监控管理的全流程闭Android端—实时检测与数据上报-YOLO实时检测**：基于ncnn框架在手机端运行YOLO模型，实时检测摄像头画面中的目标-目标分类：支持sit（坐）、stand（站）

1920Java机器深度学习

企业云巡AiAgent（自然语言转sql）产品系统Vibe Coding

自然语言Text2SQL全链路能力：基于LangChain+Qwen-turbo构建AIAgent，输入养护业务自然语言，自动解析意图、检索库表结构、生成合规查询SQL并执行，输出结构化病害统计数据；RAG知识库与自进化学习：集成Chroma向量数据库搭建市政养护知识库，结合Few-shot示例提升

1790Python人工智能

母婴电商用户留存分析与流失预测系统( retention-analytics)产品系统Vibe Coding

1.数据探索与清洗模块：支持对阿里天池母婴数据集进行自动化读取，提供缺失值处理、异常值检测及用户画像特征提取功能。2.流失预测模型引擎：内置XGBoost/LightGBM等机器学习算法，自动训练模型并输出用户流失概率评分，准确识别潜在流失客户。3.SHAP模型解释器：集成SHAP值分析，量化各特征

1180Python机器深度学习

车联网网络攻击异常检测模型产品系统Vibe Coding

代表项目：车联网攻击检测深度学习模型（SAE-BiLSTM-改进Transformer）•基于PLEXE构建V2V车联网仿真场景，设计并注入多类网络攻击，生成多维时序数据•使用MySQL存储数据，完成数据预处理与特征工程，构建模型训练数据集•提出SAE+BiLSTM+改进Transformer融合模

1040Python人工智能

中药材仓储物联网监管系统产品系统Vibe Coding

1.4.1中药材智能识别与检测1.4.2自动化入库与出库管理1.4.3仓储环境实时监控与预警1.4.4基于RFID的全程追溯管理1.4.5 药材保质期智能预测1.4.6库存管理与智能预警1.4.7质量档案与追溯查询1.4.8 数据可视化与分析报表

1740Python物联网

智慧油田多智能体 LangGraph + Supervisor + Specialist框架RAG-产品系统Vibe Coding

1、多智能体协作引擎—基于LangGraph构建Supervisor+4专家分层架构：知识检索专家（RAG+网络搜索）、报告生成专家（数据查询+方案撰写）、工况监测专家（设备故障/管线/安全诊断）、环境数据专家（天气/位置），Supervisor自动识别用户意图并路由至对应专家。2、RAG知识检索—

1520Python人工智能

animal_classification产品系统Vibe Coding

基于深度学习的90类动物细粒度图像分类系统，具备完整的训练-评估-部署全流程能力：支持90种动物类别的高精度图像识别提供三代CNN架构（ResNet50/EfficientNetV2/ConvNeXt）的对照实验框架内置多种数据增强策略、损失函数、优化器的可配置切换完整的模型评估体系：混淆矩阵、Pe

940Python机器深度学习

当前共33个项目登录查看更多

登录后即可上传、下载作品

分类

Diesel iPadOS Laravel UE SQLServer 特征处理 Jenkins 语音识别 Ethereum 机器深度学习

点击空白处退出提示

机器深度学习

重点城市程序员兼职推荐

重点岗位程序员兼职推荐