Python

需求：爬取网站图片 实现：根据图片的路径，运用 Python request 模块获取图片信息，然后保存。 由此扩展可以实现图片批量下载：首先获取所有图片链接，然后下载到本地保存

 构造百度搜索、搜狗搜索结果的页面链接，用request.get方法对百度搜索和搜狗搜索结果url发送请求，将response响应结果获取源码并用正则表达式提取每个搜索结果的页面排名和页面链接；  因搜狗有反爬限制，当爬虫发送请求频率太快则会被封ip，百度则正常。因此搜狗搜索发送请求时从request中添加headers请求头信息（包括ua和cookies）。再添加多个ua列表每次请求用随机ua，且每次请求时获取response返回的cookies并保存，等下次发送请求时再使用新的cookie，再降低请求频率；  从搜索结果中如果匹配到需要查询排名的域名则停止，否则一直翻页查询结果

城市物联网监控综合系统包括：智慧消防，智慧维保，应急系统等物联网系统架构，主要用的技术栈（NB技术，微服务，Vue,WASM），通信方式（RPC，消息中间件），WebGL技术，语言(Go,C++.Python,,JAVA,Rust, TS) ● 从设计，架构、编码、技术栈选型基本上都是工作的一部分。特别是关于WASM在WebGL方面的渲染。 ● 研发部的人员管理。 ● 核心代码编写。 ● 做了好几年的技术管理，有快速的项目开发，有按照正规的软件流程的开发管理基本上都做过，什么产品做什么样的管理都有很丰富的经验。 我就列一下最近用的JAVA技术栈(SpringBoot,WebFlux,R2DBC,Nettty,ElasticSearch)，SpringCloud全家桶，SpringCloudAlibaba的全家桶,，这里开发项目都是采用微服务模式，小的项目都是采用RestAPI模式调用就足够了，做的产品都是都要具有（服务注册，发现，熔断，路由，管理，CI/CD）因为做的项目中都是多语言协作，服务也是用RPC，RestAPI,还有就是消息中间件（RabittMQ,Kafa),轻量级的通信会

 申请相应的点点/七麦数据平台账号，通过抓包找到登录过程的请求，模拟登录请求获取登录cookie；  部分请求（登录或取榜单数据时）有部分加密参数，需通过JS逆向破解请求URL中的加密参数（点点平台的k参数、七麦平台的analysis参数）；  生成账号cookie和每个请求的加密参数并挂上代理后发送请求，对响应回来的内容进行json数据解析；  将各榜单的数据保存入库并生成对应的爬虫任务进行监控。

负责网站的整体搭建工作，网站建设从用户需求及政府提供的公共服务角度出发来进行设计，为政府机关和社会公众提供信用动态、信用查询服务等，最终实现多功能、全天候服务的信用门户网站。整体设计风格与“信用中国”网站保持统一。在栏目设计上，栏目功能定位清晰、突出重点、有明确的划分标准，栏目名称设定准确、直观，直接清楚地表达栏目的定位及承担的功能。因此栏目的设置划分为首页、信用查询、信用动态、政策法规、信用公示（统一社会信用代码公示、“双公示”、“红黑名单”公示、信用承诺公示）、信用服务、专项治理、联合奖惩、典型案例、信易+、等一级栏目，包含“诚信万里行”等相关专题报道。创建信用服务栏目，提供信用投诉、信用异议、信用知识、信用修复、信用查询等功能，具备后台管理功能实现“信用中国（河北深州）”网站管理。

答题系统的实时代码运行框架，可将用户输入的Python代码实时运行并返回运行结果；独立于网站，是一种无状态化服务，可水平扩展。后期实现了基于Docker的部署版本。

图像增强， 亮度调整， 灰度值， 二值化，进行切割， 瑕疵区域膨胀， 框选值，标记破损位置 将待检测物品按照8：2分为训练集和测试集最终进行检测 过程全程自己做的，可以准确检测（以鸡蛋为例） 另做过心电信号检测，人脸识别（剪刀石头布出现频率、是否人脸戴口罩检测） 掌握matlab，python，c++可以用于工程，有相关经验

软件是一款精确度高、实时性强的植物病害检测系统。当今是人工智能的时代，利用深度学习算法可以很好地解决图像分类的问题。因此，我们考虑使用计算机来辅助人工进行植物的病害检测，一方面借助计算机视觉算法检测目标物体的实时性，另一方面借助卷积神经网络模型识别分类疾病的准确性。将计算机视觉识别和卷积神经网络有机结合，可以大大提高植物病害检测系统的实时性、准确性和鲁棒性。综上所述，本毕业设计课题的研究目标如下： 1)通过SSD算法对植物叶片进行特异性检测与识别，要求从实时图像中精准地识别和查找到相应作物的叶片，同时对目标区域图像进行提取。 2)通过ResNet残差神经网络模型对SSD提取目标区域图像进行实时诊断检测，诊断出叶片的健康程度。 3)设计一款具有综合应用功能的上位机软件，用于实时获取植物叶片的健康状况，同时对叶片相关的疾病给出解决方法和诊治方法，方便相关工作人员进行操作使用。此外还可以满足相关机构或是企业用于交流的邮件系统，以及为工作人员提供当地实时的天气状况，同时判断当前天气状况是否适合户外工作。

此运行平台主要为大数据分析人员，提供基于Hadoop和Spark的数据分析教程；其后台是基于Redis队列实现的习题异步运行框架。 技术栈： Python + Nginx + MySQL + Redis + Hadoop + Spark

 创建Chome的webdriver（浏览器）对象，打开豆丁首页并从登录框中填写豆丁账号密码进行模拟登录；  登录成功后条状到文档上传页点击上传触发文件选择窗口弹出；  用win32库中FindWindow方法定位到window弹出的文件选择框，并从文件选择框定位到文件名输入框和提交按钮，在文件名输入框填写需要上传的文档路劲并点击提交，则完成了文档上传操作；  文档上传页面中识别金额框并选择金额，在验证码输入框后将验证码图片截取（picShot方法），并用pytesseract库将图片转换成文字（英文、数字识别正确率接近100%，中文识别正确率在50%-80%之间）并将识别的文字填入验证码文本框中，提交，若验证码识别错误则刷新验证码后重复操作；  提交成功则删除刚上传的文档文件，再继续跳转到豆丁文档上传页面继续循环上传操作。

In the times of covid, when education has totally become digital, there comes a need for a system that can connect teachers, students, and HOD and that was the motivation behind building this project. Tools and Technologies Used in the Project: 1.HTML 2.CSS 3.JAVASCRIPT 4.JQUERY 5.BOOTSTRAP 6.DJANG

为了提高边缘计算设备对植物叶片病害检测的识别速率, 本研究采用卷积神经网络搭建了植物叶片目标识 别模型和植物叶片病害分类模型, 并且使用 OpenCV 将两个模型整合成植物叶片病害检测系统. 通过 SSD (single shot multibox detector) 算法对植物叶片的目标区域进行定位并裁剪, 再利用植物叶片病害分类模型对裁剪的植物 叶片区域进行病害分类. 同时, 通过 TensorRT 加速推理对分类模型进行优化处理, 以及在同一台主机设备和 Jetson Nano 计算平台上, 对优化前后的模型进行了对比实验. 实验表明, 在同一主机设备上优化后的植物分类模型识别速 率提升 22 倍. 同时, 优化后的分类模型使植物叶片病害检测系统识别速率提升 7 倍. 而将优化后的系统部署在 Jetson Nano 计算平台上, 对比优化前的植物叶片病害检测速率提升 10 倍, 实现了实时的植物叶片病害检测。

项目概述： 基于一个脚本化(使用的脚本为python + shell)的安装程序，进行深度定制化修改，来完成自主系统的安装和操作需求，提升用户体验，使操作界面更好友好。 主要职责： 1、 负责系统安装程序的功能开发与维护. 2、 完成新设计需求。 3、 保障系统安装能够正常、稳定、高效的完成。 4、 优化系统安装，包括但不限于优化启动速度、升级安装、操作体验等。 主要成就： 1、 将系统安装过程拆分成两块，安装+基本配置过程和首次启动配置过程。 2、 优化升级安装的过程，使升级安装速度得到大幅度的提升。 3、 优化系统安装精减安装步骤，更易于普通用户使用，同时也提供高级用户的自定义功能。 4、 优化界面显示。 5、 提升系统安装程序的适应性。

该系统是基于菜单搜索的一门式门户，将其他系统统一集成到一门式系统中，一门式系统将作为所有系统的唯一登录入口 ●责任描述： 1.根据客户需求定制功能 2.配合平台组开发人员完成页面数据显示，各系统数据的注册及维护 3.撰写注册使用文档供其他系统开发人员使用

项目为部门相关人员使用，非商用项目，主要有提升认证管理、证书查询、证书归档、导出筛选结果等功能，提高工作效率。 采用django + sqlite3 轻量化实现，并布署在部门内部服务器上使用，后台管理页面使用 django-admin，并添加一些自定义功能，所有功能均由本人实现。

1.【40%】flask 后端框架，word文档自动生成程序 2.【20%】推药mysql数据库搭建,python 爬虫收集FDA，NCCN 等推药网站数据 3.【40%】构建前端页面，方便下游人员操作

一个简单的网路爬虫,实现对音乐播放器的音乐进行批量下载,避免了人工进行不必要的操作,其中包含了使用这基本的requests模块,发出的请求,这个里面包含了一些加密,eg:aes,base64对数据的简单处理

本系统的web端的搭建基于streamlit框架， streamlit是一个开源 Python 框架，可以快速的搭建机器学习与数据分析的web端平台，同时也可以使用 Streamlit 轻松部署web端。Streamlit 允许您以与编写 python 代码相同的方式编写应用程序。Streamlit 可以无缝地处理 Web 应用程序中的编码和查看结果的交互循环。 在编程时，如果 streamlit 的 python 脚本的源代码发生更改，应用程序会在右上角显示是否重新运行应用程序。还可以选择“始终重新运行”选项以在源脚本更改时始终重新运行。 这使的web端的开发流程变得更加容易，每次进行一些更改时，它都会立即反映在当前的 Web 应用程序中。编码和实时查看结果之间的这种循环使您可以无缝地使用 streamlit。

客户需求:实现对视频播放量的刷取 使用py基础的模块requests发出请求,并对网站分析.发现h5是视频的发起,并把他其中的参数逆向,拿到了结果,返回去的数据进行加密,我们使用js逆向aes结出,并得到分析结果使他完整

1. 剪画包含音频剪辑、视频剪辑，AI剪辑等功能 2. 我负责所有技术工作，包括设计研发，前端及后端代码都是本人开发 3. 没有使用任何第三方接口，所有功能包括AI功能都是自己实现。期中视频剪辑采用FFMPEG SDK做为底层，C++实现剪辑逻辑