MySQL

项目背景：金矿井下环境复杂，传统人工盯屏效率低、响应慢。系统集成AI推理服务器与多种算法模型，实现人员违规、设备异常的实时分析、预警与事后溯源。•核心工作：基于SSM实现设备管理、告警规则配置、人员权限等模块，设计RESTfulAPI支撑终端与大屏交互；用RabbitMQ异步接收AI告警并按等级路由

服务注册了五个工具。text2sql按库表结构把问题写成PostgreSQL，execute_sql执行并返回结果；data_process读取上传的csv/xlsx并整理成模型输入；common_models按目标变量选择算法，分类用随机森林，回归用线性回归；aircondition_models

1、高效、精准地识别铁路沿线防护围栏的各类破损情况，包括整体缺失、局部损坏及结构性倒塌等。基于对检测视频的全面分析，识别准确率在行业中处于领先水平，为快速修复与物理隔离提供了首要的决策依据；2、对铁路沿线的周边环境进行精细化扫描与检测，准确识别出可能存在的彩钢瓦房等硬质飘浮物隐患，实时关联其与铁路线

系统包含图像采集、AI识别、运动控制、通信、状态机控制和人机交互六大功能模块。主要功能：工业相机实时采集管道图像；基于YOLOv8深度学习算法自动识别焊缝、套环和返修标识；通过ModbusTCP与PLC通信，实现管子前进/后退、夹紧/松开、三档速度控制；焊缝像素级精密对中（精度±3像素）；套环自动分

系统分为普通浏览用户、数据运营人员、系统管理员三类角色。1.普通浏览用户：查看可视化大屏总览，浏览票房统计、影片类型占比、地区上映分布、评分排行等各类图表，筛选基础条件查看对应影视数据。2.数据运营人员：影视数据导入与更新，配置图表展示维度，导出统计报表，设置大屏筛选时间范围、影片分类条件。3.系统

1.大容量点云标注：最高支持200帧点云同步加载，支持同时叠加200帧点云以标注静态物体，支持点云向图像投影，辅助确认目标物体属性，提升标注准确度。2.图‑点云融合联合标注：实现图像与点云数据的空间对齐映射，支持双视图联动，完成一一对应标注作业。3.物体关键点标注：支持车辆轮胎等目标对象的关键点定位

设计并实现了一套具备票房数据展示与票房预测功能的Web系统。系统经过数据爬取获取票房信息，并经过处理后以图表形式进行展示，支持筛选与对比分析。后端使用了Flask框架，系统前端页面、接口交互、业务逻辑与数据库模块均能够正常运行。

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”）

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

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

系统提供一站式微博舆情监测与可视化服务。用户可实时查看热点话题的情感极性分布、互动量预测走势、地区舆情热力图及主题词云，支持多维度榜单筛选与文章详情下钻分析。后端基于SpringBoot与大数据组件，前端采用Vue3结合ECharts和Three.js构建3D数据大屏，实现毫秒级检索与动态交互，帮助

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

1.多源数据管理：支持NASA、CALCE等7个公开数据集导入及用户上传CSV，自动完成标准化与特征提取。2.健康状态评估（SOH）：输出当前SOH值、容量衰减轨迹及不确定性区间。3.剩余使用寿命预测（RUL）：基于xLSTM-Transformer混合架构预测容量衰减曲线、剩余循环次数、寿命终止点

实现VAD切割、说话人分离、视觉特征提取，构建文本‑音频‑视觉三路混合索引。微调BERT意图分类（4分类F1=0.92），LLM策略路由（直接检索/HyDE/子查询拆解）。融合BM25+语义向量+Cross‑Encoder精排，并构建Neo4j认知图谱。

采用A2A宏观上的调度+LangGraph微观上的react执行，使用RedisStreams实现分布式消息总线，编辑与安全Agent并行审核。

1.支持Qwen、Llama等主流开源大模型本地部署和推理；2.提供RAG知识库问答功能，支持文档上传和智能检索；3.内置API接口，支持第三方应用集成；4.支持多轮对话、文本生成、代码生成等功能；5.提供图形化管理界面，支持模型切换和参数配置。

1、项目具体功能模块：本项目包含四大核心模块：移动端APP开发模块、后端接口服务模块、Web管理平台模块、以及仪表识别算法模块。APP模块负责现场数据采集与上传；后端接口提供数据交互与业务逻辑支撑；Web平台用于资产台账管理与数据统计；算法模块实现仪表表盘读数、仪表编号的自动识别与登记。2、项目主要

本系统包含三大核心功能：检测：支持图片、视频、摄像头三种模式，创新性地实现了置信度自适应处理和参数可调检测，检测结果会生成AI治理建议。训练：支持用户上传自己的数据集进行模型训练，可调节多种参数，后台异步执行。资源储蓄：模型库和数据集支持上传、下载、收藏、点赞，检测结果自动存储并支持收藏延长保存期。

系统主要包含用户登录注册、文本情感实时分析、分析结果保存、后台数据管理、情感统计和可视化展示等功能。用户可以在前端页面输入中文文本，系统调用后端情感分析模型判断文本的正负向倾向，并将结果返回页面展示。管理员可以查看和管理历史分析数据。系统还通过ECharts图表展示情感分类数量、占比和整体分布，使文

1.客户在门店3D量体，自动采集身体尺寸，自动上传服务器，解决了传统定制的量体难题；2.客户平台选择服装款式，系统智能匹配对应尺寸的衣服，AI试衣，客户可以自己当模特试穿衣服，满意后下单购买，很大程度解决了客户在系统亲身试衣难题和服装自动匹配难题；3.工厂按客户身体尺寸定制衣服；4.发货给门店，同时