Vue

●项目介绍：本项目设计并实现了一个从单张人脸图像预测BMI的端到端系统。我们自行爬取数据并制作数据集，设计并实现了一个轻量级CNN。最终，模型在独立测试集上取得了4.39的平均绝对误差（MAE），并使用Flask框架将其封装成一个可交互的Web应用，完整实现了从数据获取、模型训练到服务部署的全流程。

基于StableDiffusion开源接口构建的AI视觉创作平台，在交互与功能层面实现全链路优化：前端采用Vue框架打造直观流畅的操作界面，用户可轻松完成参数配置、模型选择与生成预览；模型应用支持双模式——既提供经过性能优化的系统预置模型，满足快速出图需求；也开放用户自定义训练通道，允许上传专属数据

该系统支持遥感图像上传与管理、多模型（如RT-DETR、YOLO系列）目标检测任务动态调度、检测结果可视化标注，并集成本地大模型（如DeepSeek-R1、Qwen3.0、Gemma3）对识别结果进行语义理解与专业解读，例如生成地物分类报告、变化检测分析或应急响应建议。同时提供用户权限管理、任务历史

本项目主要开发设计了基于yolov11+SE的垃圾分类系统，本系统集成yolo模型以及引入se注意力机制，开发了一款app，界面简约，功能完善。可以用来学习如何调用yolo模型！以下是摘要介绍： 在当今这个城市化快速发展的时代，城市里的生活垃圾产量一直在持续不断地攀升，传统的人工进行垃圾分类的方式，它的效率特别低下，而且分类的准确性也不怎么高，很难契合现在资源循环利用以及环境保护方面的需求。本系统专门设计并且实现了一个基于深度学习的生活垃圾分类目标检测系统，这个系统借助了比较先进的图像识别技术，能够实现垃圾的自动化精准分类。凭借这样的分类方式，就可以提高垃圾分类的效率，还可以降低对环境的污染，促进资源的循环利用，在系统开发的过程当中，凭借多种不同的渠道去收集数据，把公开的数据集进行整合，收集到的数据经由去噪、标准化以及数据提高等一系列的预处理操作之后，按照7:2:1的比例划分成训练集、验证集和测试集，系统选用了YOLOv11模型，并且结合SE注意力机制来进行特征提取和模型训练，还利用Pytorch库对特征选择进行优化。在系统架构方面，前端是基于Vue.js框架来构建交互界面的，后端运用Flask框架来处理业务逻辑，搭配MySQL数据库来管理数据，这样就能实现实时检测、结果统计展示以及用户交互等功能，经由测试可以得出，这个系统对四类垃圾的分类精确度能够达到88%以上，就算是在复杂的环境之下，它仍然可以保持比较高的检测稳定性，有效地推动了垃圾分类智能化的发展，有很不错的应用前景。

自主研发了一款安全平台，该平台集成了当前主流的CLIP后门攻防算法，能够有效支持用户管理、安全评测、信息查询等多种功能。平台通过灵活的架构设计，提供了高度可扩展的安全评估能力，帮助用户实时监控与分析模型的安全性。通过集成的攻防算法，平台能够针对CLIP模型进行全面的安全防护，确保模型在面对各种后门攻击时依然能够维持较高的鲁棒性和准确性。

该项目主要分为三部分，算法、前端和后端，算法读取摄像头数据并实时处理，将处理后的结果发给后端保存，处理后的视频经流媒体发给前端显示；前端使用Vue框架，结合element-ui、Echarts实现了对人流量数据的图表分析功能。后端采用SpringBoot，实现数据的接收发送与用户权限管理。

#软件类设计#pc端#系统开发#app 接 专科/本科 软件类 论文设计、论文撰写，格式修改，降重 企业级 PC端系统开发、网页系统开发、手机app开发、小程序开发 高效完成✅ #软件类设计#pc端#系统开发#app 接 专科/本科 软件类 论文设计、论文撰写，格式修改，降重 企业级 PC端系统开发、网页系统开发、手机app开发、小程序开发 高效完成✅ #软件类设计#pc端#系统开发#app 接 专科/本科 软件类 论文设计、论文撰写，格式修改，降重 企业级 PC端系统开发、网页系统开发、手机app开发、小程序开发 高效完成✅

基于YOLO V5的西红柿品种检测平台是一个高效、用户友好的软件，它能够快速上传和处理图像，准确识别西红柿的不同品种，并通过直观的界面展示识别结果。平台支持批量处理和数据导出，同时平台具有百科全书，通过各种方法来向用户展示西红柿的各种科普知识、前世今生、品种分布、销售统计，此外，它还具备易于集成的API接口和全面的客户支持服务。 采用先进的YOLO V5深度学习模型，该模型以其快速、准确的目标检测能力而闻名，特别适合于图像识别任务。通过训练和优化模型，实现了对西红柿品种的高准确率识别，减少了误判和漏判的可能性。

该软件主要帮助客户开发对AI知识库的运用，使用客户产品知识库训练大模型回答相应问题，还能根据客户的语义，生成相应的图片（文生图、图生图）。 该项目主要分三大块，智能AI对话、智能生图、群聊功能，对于客户来说，主要解决了学生在机构中了解到机构的基本背景，通过机构的课程学习，能够使用app实现图片的生成，还能通过群聊与机构老师进行沟通。 该项目主要通过本地部署大模型（langchain+通义千问）实现智能对话，stablediffusion实现智能生图，通过调用腾讯即时通讯实现群聊功能，主要特点是大部分功能都通过开源框架本地部署来实现，能够节约外部调用api的费用。

本项目面向学生,使用相关AI技术完成对学生的考试评估,以及与AI智能对话 提供智能绘图 帮助学生定位自己薄弱知识点,也能够出相关题目,帮助巩固自己薄弱的知识点.还有视频课拱学生学习. 还具备先进的拍照解题功能,只需上传题目照片,便可得到答案.

基于Web前端技术和Firebase低代码服务搭建的内容创作平台。使⽤GPT-4和Gemini技术提供个性化的有创意的内容⽣成能⼒，可以⽣成包括新闻博客、⼴告、应⽤推⽂在内的多种类型的⽂章。⽣成的内容在媒体平台冷启动测试中，平台⽤户阅读率达5%-12%，展现量超过10万微⼩爆款⽂章占⽐1.8%，单篇最⾼展现量达到33万。

1.项目通过数据分析算法对工业数据进行分析，利用适宜的可视化图形进行展示，用户可以进行交互式的数据分析 2.我参与数据分析算法实现，前端页面以及后端API实现

自动完成发票查验，无需输入验证码，提供发票查验界面和webapi接口，方便于现有系统集成，查验速度2秒以内，可以免费体验，有任何需求和建议可以发给我。

引入mqtt消息队列、分库分表、ES等技术，解决高并发下海量数据存储与检索的技术难题 集成liveGBS流媒体服务，提供可视化 WEB 页面管理摄像头 集成电信aep平台数据

项目需求评审、工作量评估以及开发人员任务分配及进度管理 架构设计，模块重构，不同院校不同版本慕课的模块迁移和整合开发 部分模块解耦，独立设计部分模块，以适应不同学校的需求 核心业务模块逻辑优化，第三方接口对接优化 数据库查询性能优化，接口响应时间优化 线上问题排查解决，项目优化迭代跟进

架构设计。基础框架搭建，springboot+dubbo微服务架构 第三方底层框架集成。包括万科项目底层组件，云信直播、视频SDK 第三方业务系统集成。海尔单点登录集成，海尔用户中心注册、修改用户接口集成，对接海尔 COSMOPlat支付接口，对接海尔消息平台（短信），七鱼客服系统集成 核心业务模块。包括在线学习、直播、点播观看和管理，订单模块，支付模块 后台模块。包括用户管理，集团组织机构管理，用户权限（shiro），直播点播统计（ELK） 推流助手二次开发（c++）。对推流助手UI进行调整，添加了类似清晰度、直播暂停、恢复等功能 海尔COSMOPlat项目部署，基于k8s平台的docker镜像部署 基于pytorch开发、训练的AI搜索助手

气体检测模型搭建前后端平台。后端采用python+flask架构完成，前端使用vue3+vuetify完成。借助websocket实现前后端数据日志记录更新展示。借助基础组件对视频流效果进行封装，实现播放器功能。后端完成对yolo模型的导入和调用 本人主要负责前后端搭建编码和模型导入使用

AI大师工具箱是一个前沿的、多功能的人工智能应用集合，旨在为用户提供一站式的AI服务体验。本项目基于Django和Vue框架开发，集成了多种人工智能技术，包括但不限于自然语言处理、图像处理和视频处理等领域。用户可以通过简洁友好的界面，轻松访问和使用以下核心功能： 1.ChatGPT聊天机器人：通过调用OpenAI接口，AI大师工具箱能够提供高质量的聊天机器人服务，支持多种场景下的文本交流。无论是日常对话，还是专业知识咨询，ChatGPT都能提供智能、精准的回复。 2.证件照拍摄与处理：用户可以轻松拍摄和上传照片，系统将自动优化照片质量，满足各类证件照的标准要求。从照片背景替换到细节优化，一应俱全。 3.简历自动生成：输入个人基本信息和职业经历，AI大师工具箱可以根据最新的行业标准，自动生成专业、精美的简历。用户还可以根据个人喜好，选择不同的简历模板和布局。 4.图片处理：提供强大的图片编辑功能，包括图片美化、格式转换、大小调整等。无论是个人照片的修饰，还是商业图像的处理，都能轻松应对。 5.视频处理：支持视频剪辑、格式转换、质量提升等功能。用户可以自定义视频的剪辑方案，轻松创建出符合个人或商业需求的视频内容。

人工智能平台系统底层基于人工智能和大数据平台构建，在x86服务器之上提供数据的采集、存储、计算、算法模型和前端展现等功能。 人工智能平台和IoT提供人体识别、行为识别、倾倒行为分析等算法的建模和训练能力；人工智能平台 边缘平台则处理街道、小区大门等前端摄像头设备数据的实时接入和监管，并提供模型部署、规则设计等功能。基于平台，提供倾倒行为识别系统，并开放数据传输接口，用于倾倒行为信息等样本信息的导入和导出。

AI数字人项目旨在通过人工智能技术，构建出高度逼真、具有交互能力的虚拟人物形象。这些数字人不仅具备生动的外观和动作，还能通过自然语言处理、语音合成、面部表情识别等技术，与用户进行实时互动和交流。该项目结合了计算机视觉、深度学习、自然语言处理等多个领域的先进技术，致力于为用户提供一种全新的、沉浸式的交互体验。 模块组成： 人物形象模块：负责创建数字人的外观和形象，包括面部特征、发型、服装等。通过多边形建模、细节雕刻等技术，使数字人具有逼真的外观和细腻的表情。 语音生成模块：基于文本生成对应的人物语音，使数字人能够说话和表达。该模块利用语音合成技术，将文本转化为自然流畅的语音输出。 动画生成模块：根据数字人的动作和表情需求，生成与之相匹配的动画效果。通过运动捕捉、骨骼绑定等技术，实现数字人的自然动作和表情变化。 音视频合成显示模块：将语音和动画合成视频，并通过显示设备呈现给用户。该模块负责处理音视频信号的同步和渲染，确保用户能够获得高质量的视听体验。 交互模块：通过语音语义识别、自然语言处理等智能技术，识别用户的意图和问题，并驱动数字人进行相应的语音和动作回应。该模块还支持多模态交互，包括面部表情识别、手势识别等，为用户提供更加自然和丰富的交互方式。 使用到的技术： 计算机视觉技术：用于数字人的面部表情识别、手势识别等交互功能，实现用户与数字人之间的实时互动。 深度学习技术：在数字人的语音生成、动画生成和交互模块中，深度学习技术发挥着关键作用。通过训练大规模神经网络模型，提升数字人的语音合成质量、动作流畅性以及交互智能性。 自然语言处理技术：使数字人能够理解和生成自然语言文本，实现与用户的对话和交流。 3D建模与渲染技术：用于创建数字人的三维模型，并通过高效的渲染技术，呈现出逼真的视觉效果。 语音合成技术：将文本转化为自然流畅的语音，使数字人能够发出声音。 实时音视频处理技术：确保音视频信号的同步传输和高质量呈现，提供流畅的交互体验。