小依是一个有虚拟形象的AI情感陪伴助手，具备三大核心能力：长期记忆（通过PostgreSQL+向量检索记住用户的喜好、经历和重要时刻，对话中能主动提起过去的事）、自适应性格（根据每次互动动态调整性格参数，从初识时的谨慎温柔到熟悉后的活泼亲密，千人千面）、多模型路由（智能选择最合适的LLM处理不同强度

该项目为地质遥感滑坡语义分割项目，主要目标是利用深度学习模型对遥感影像中的滑坡区域进行像素级识别。项目基于Python和PyTorch实现，包含LoveDA数据集预训练、Landslide4Sense数据集微调、多光谱遥感数据处理、mask掩膜解析、类别不平衡分析、训练集与验证集构建等工作。模型方面

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

1、云雷达基数据处理2、模糊逻辑云粒子相态分类3、贝叶斯-随机森林模型4、云粒子相态自动识别

本项目基于TensorFlow/Keras深度学习框架，实现10类服装灰度图像智能分类，核心功能如下：数据集加载与预处理加载Fashion-MNIST标准数据集，完成像素归一化、维度适配，划分训练集、验证集、测试集；图像数据增强通过随机旋转、平移、缩放、水平翻转扩充训练样本，缓解样本量不足，提升模型

层级 模块环境与硬件 Dashboard/EnvironmentList/EnvironmentCreate/硬件检测机器人设计 BodyDesigner（3D设计+URDF/MJCF导出）/URD（统一机器人描述）训练与实验 ExperimentRunner/ModelTraining/Motio

AI视觉行为检测系统:1.实现对作业员作业步骤顺序、步骤遗漏监控。2.实现作业时对作业员是否带手指套、静电环监控。3.实现对作业中产品配件是否齐全监控。4.员工穿着规范检测。5.作业区域电子围栏检测。6.危险区域电子围栏检测。AI视觉检测产品缺陷系统:1.对产品组件是否缺失监控。2.对产品是否脏污监

1. 违禁品实时检测依托YOLOv8目标检测模型，自动识别刀具、打火机、充电宝、易燃易爆容器、管制器械等各类违禁物品，实时标记目标位置。2. 智能声光告警识别到违禁品后立即弹窗提示、本地声光报警，同步推送报警信息至后台管理端，提醒安检人员处置。3. 图像留存回溯自动保存过机安检画面、检测截图，附带时

对PDF、Word、TXT等多格式文档进行文本清洗、切片分块、向量化编码；基于向量数据库搭建检索引擎，结合相似度匹配、重排序算法优化检索精度；接入大模型Prompt工程优化问答逻辑，构建检索+生成的RAG推理链路；完成前后端对接与接口封装，实现私有化部署与稳定服务调用。

系统实现了一个完整的黑盒对抗攻击检测与防御展示平台。用户可以在前端选择CIFAR-10+ResNet-18或TinyImageNet+EfficientNet-B0实验组合，配置黑盒攻击方法、防御方法、查询场景、查询预算、样本数量和检测阈值。系统支持HSJA、NES、SimBA、BA、Sign-Op