TensorFlow

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

核心功能模块：1.多平台消息接入网关：支持企业微信、钉钉、Slack、Teams的Webhook消息接收，统一处理后进入AI意图识别流程。2.AI意图识别与结构化解析：基于LLM对自然语言消息进行意图分类（采购申请/库存查询/价格查询），提取物料编号、数量、用途等结构化字段，准确率高。3.自动生成采

可以实现贪吃蛇游戏的基本流程，系统稳定可靠，是在stm32f103上面实现的，可以通过遥感控制贪吃蛇的方向，通过PCB板上面的按钮进行开始，暂停等罗辑控制，通过OLED显示屏显示

本项目实现了一个可调控生物节律LED光源分析与优化系统，主要功能包括：1）读取并清洗LED光谱功率分布SPD数据，完成波长、功率和单位的预处理；2）基于CIE色度学模型计算相关色温CCT和色偏差Duv；3）基于TM-30显色评价方法计算保真度指数Rf和色域指数Rg；4）基于CIES026/E生理节律

项目包含数据读取与清洗、归一化处理、灰色关联度分析特征筛选、WGAN合成样本生成、LSTM时序预测、误差评估（MSE/RMSE/MAE）和结果可视化等模块，核心功能是在小样本金融数据条件下提升股价预测精度与稳定性。

项目围绕轴承故障诊断构建了四个模块：数据重采样与滑窗预处理、多维物理特征提取、源域故障分类与可解释分析、以及基于DANN的跨域迁移诊断。支持从振动信号生成时频谱图、训练分类模型、输出目标域故障标签，并结合SHAP、Grad-CAM和包络谱验证模型决策依据。

设计了常量与配置模块、核心数据结构模块、工具类模块、索引与词图计算模块、核心分词逻辑模块。常量与配置模块：定义工厂的“基础规则”和“标准配件”，避免硬编码，统一管理配置。核心数据结构模块：定义分词过程中需要的“实体对象”，封装词的属性（位置、长度、权重、类型）。工具类模块：提供底层工具能力——字节流

系统主要包含数据预处理、候选图书召回、特征工程、模型训练、推荐排序和结果导出等功能模块。1.数据预处理：对用户信息、图书信息、借阅记录进行清洗、去重、缺失值处理和格式统一；2.候选召回：基于用户历史借阅行为、相似用户协同过滤、图书热度等策略生成候选图书；3.特征工程：构造用户活跃度、图书热度、类别偏

1、设备候选校验：自动评估候选设备规格匹配度，生成评分报告；2、预算优化：基于约束条件推荐最优设备组合方案；3、生态兼容性检查：检测设备间协议与接口兼容性；4、工程搭建路线：生成分步实验搭建指南；5、实验优化路线：基于历史数据推荐参数调优方案；6、产业化路径分析：提供从实验室到量产的迁移建议。支持S

支持仿真参数可视化配置输入、多工况自动迭代计算、计算结果图表化展示、标准化工程数据文件导出，内置智能收敛判定与误差修正逻辑，能够有效缩短仿真计算周期，降低人工调试成本，显著提升低空装备与流体力学工程领域的研发效率。

前后端分离架构设计与核心开发：基于FastAPI构建高性能后端服务，使用Vue3开发响应式前端管理界面。通过RESTfulAPI实现前后端解耦，独立完成用户认证、文档管理、问答会话等10+核心接口设计与实现。结构化数据与向量数据双存储架构：使用MySQL存储用户信息、文档元数据、对话历史等结构化数据

本项目的核心创新并非单一算法的修修补补，而是在系统架构层面重新审视了无人机智能感知任务的执行范式。传统无人机视觉系统通常遵循一种固定的流水线——检测然后跟踪然后依据预设逻辑做出响应——这种模式在面对复杂多变的自然语言指令或未曾预见的边缘场景时显得僵硬而脆弱。UAVagent1.0通过引入异构多智能体

项目建设完成后，将在以下方面实现突破：专业化知识理解：精准解析燃机领域技术规程、诊断步骤及运行数据。数据驱动决策支持：为运行调度、故障排查提供智能分析。可扩展的技术架构：支持多场景扩展与持续模型迭代，保障系统在未来业务需求变化中的适应性。本项目的实施将有效提升燃机运行管理的智能化水平，降低人工

主导搭建工厂能碳一体化管理系统，深度整合仪表PI系统实现多源设备数据实时高效采集与统一汇聚。负责能源全流程业务架构设计与配套软件开发，打通能源管理全链路，大幅提升运维与管控效率。完成碳排放数据标准化对接与核算，精准满足环保核查与合规上报要求。主导HVAC系统节能优化改造，有效降低能耗与运营成本，提升

1.整数模6分类：输入任意正整数范围，自动按模6余数将整数分为阳数（6k+1）、阴数（6k-1）及中性数，并高亮素数。2.半素数分解：对合数进行质因数分解，识别其阴阳因子属性，计算基于勒让德符号的权函数值。3.统计抵消模拟：对阴类半素数执行贪心配对算法，可视化展示污染项的统计期望归零过程。4.数据导

将整个研究视为一个“感知-决策-部署”的完整系统进行顶层设计。该方法将目标检测模块、多目标跟踪模块，分析并权衡各子系统在精度、速度、资源占用等关键指标上的内在矛盾与协同关系。基于此，规划出从算法层改进、到应用层集成、再到工程层优化的阶梯式技术路线，确保最终实现的系统原型在整体性能上达到最优平衡，满足

系统基于多目相机完成溜井扫场与标定，结合目标检测算法识别石头、破碎机、栅栏、车辆、人员等目标信息；下位机根据识别结果完成自主路径规划、破碎、推石、扫石及人员/车辆避障，并通过CAN通信控制破碎机执行作业；上位机实时接收并展示破碎次数、人员进入次数、车辆进入次数、石头层高等关键数据，同时支持多路RTS

1.基于ROS2Humble搭建机器人通信框架，实现多节点分布式开发，支持传感器数据实时采集与传输；2.集成YOLOv8目标检测算法，实现对行人、车辆、障碍物等多类目标的实时识别与跟踪，检测帧率稳定在30FPS以上；3.提供目标坐标输出、ROS话题发布功能，可直接对接机器人导航、避障等上层模块，支持

系统由前端用户端、团长管理端、供应商/仓储端、后台运营端四方构成，形成完整生态。1.前端用户端（居民视角）•拼团购买：发起/参团商品，设定24小时拼团时效，满员自动成交，未满自动退款。•邻里自提：支持到社区自提点自提或配送到家，查看商品溯源信息与用户评价。•预售/预约：针对生鲜、定制商品提前锁定需求

开发一款融合计算机视觉、嵌入式系统与人机交互的智能台灯，实现健康坐姿监测、护眼照明与多模态交互。核心闭环为“视觉感知—智能决策—机械执行”，在树莓派5上高效部署YOLOv8n与MediaPipe模型，集成DeepSeek语言模型实现语音交互，达到实时性能。