TypeScript

面部情绪分析：基于高精度面部关键点检测与微表情识别算法，实时捕捉眉毛、眼睑、嘴角等43个面部动作单元的细微变化，结合深度学习模型（如ResNet+注意力机制）对快乐、悲伤、愤怒、恐惧、惊讶、厌恶、中性等7类基础情绪进行置信度评分，支持情绪强度时序曲线生成与关键情绪片段标记。语音情绪分析：通过梅尔频谱

本系统通过采集机组振动、温度、转速、电气参数等多维度运行数据，实现实时在线监测与异常识别。利用AI算法与故障模型，精准预判齿轮箱、发电机、叶片等核心部件潜在故障，自动生成预警等级、故障定位及趋势分析报告。同时支持历史数据追溯、运维策略推荐与异常告警推送，助力开展预测性维护，减少非计划停机，提升机组可

1.蜘蛛池核心模块：①分布式IP池管理（动态切换海外高匿IP，模拟多地区真实访问，规避谷歌风控）；②智能蜘蛛诱捕（分析谷歌蜘蛛抓取规律，定时推送高质量链接，提升抓取频率）；③行为模拟（模拟真实用户的点击、停留、跳转行为，提升页面权重）；④抓取数据监控（实时统计谷歌蜘蛛抓取量、收录量、抓取成功率）。2

一套集行为识别、数据服务与可视化管理于一体的课堂智能分析系统，主要功能包括：课堂行为智能识别基于YOLOv8模型对课堂视频或图片进行目标检测支持识别抄袭、分享答案、东张西望、使用手机、睡觉等多种课堂行为提供单帧检测、视频检测及实时流检测能力实时与离线分析能力支持摄像头或RTSP视频流的实时行为检测支

支持教师发起直播教学，直播过程可录制并自动生成回放视频供点播。系统记录学生视频观看进度、完成率、仿真实验次数、考试成绩等（学生观看学习视频的可以提供1.25倍速或者1.5倍速观看）教师可按“专业→产品→课程”三级结构上传、编辑、删除视频/课件/文档；支持拖拽上传、批量操作。课程视频采用HLS或MPE

后端使用java + spring开发rest api，移动端通过http请求后台api来传递数据，数据库使用mysql数据库。 移动端使用android，在后端定制随访内容，后台查询数据库，把表单内容格式化成json数据传递给移动端，在移动端根据后台定制json动态显示问卷内容。 获得随访数据以后，在后台运用大模型定期进行数据分析，排查出有风险的相关人群。

1、负责智能座舱软件开发。座舱 SoC 基于 hypervisor 运行中控及仪表的双系统，中控系统为 Android ，负责娱乐交互，包括腾 讯生态、语音识别，视频播放等。仪表为 Linux ，负责信息显示，以及辅助驾驶应用的运行。 2、负责自动驾驶算法的初步预研，主要包括 DMS/OMS （面部及手势识别）、语种识别（通过识别语言的种类，将系统自动切换 到对应的语种）。