工加SCM供应链管理系统基于大型分布式架构方案、大数据分析与云计算技术，帮助B2B供应链平台为供应链上下游企业提供信息服务、交易服务、物流服务、金融服务、售后维保服务、营销服务等一站式深度价值服务，实现数据互通、全链融合，综合提升平台运营效率与平台收益。 目前已为多家客户提供了定制化的供应链解决方案，并获得了良好的用户反馈和口碑。

该软件采用高级编程语言C#开发，基于WPF框架，主要功能为结合自动化设备提供相应的人机操作界面，协助操作人员完成对设备的控制和监控，软件通过与PLC协议交互完成对整套系统的自动化控制，包含用户登录、主界面、自动化生产控制、工程调试、工作站配置、数据信息显示、生产信息统计、参数配方管理、IO点位展示和配置等模块界面。系统中包含超过10个工作站，所有PLC点位总数超过5000个，用户通过软件界面可灵活配置生产参数，除大大减轻操作人员工作量以外，还极大的减少了由于需要配置参数较多容易导致的参数配置错误问题，优化了生产效果和流程，获得了客户极好的反响。

以WMS软件策略算法为核心，结合供应商协同、物料管理、运输管理、计费管理等，集成各种自动化设备，帮助零售、制造、物流等企业实现智慧仓储、智慧物流实现仓储的科学管理，优化存储结构，缩短库存周期，节约仓库空间和劳动力，从而降低企业运营成本。

项目分为小程序端和管理后台，对使用者来说可以将金额进行管理 我负责了全部，用了uniapp,springboot 计算汇率将每个国家的汇率进行分别计算

项目背景：为了有效的管理道路交通安全特设立本项目 架构：python、flask、vue、大数据平台、Oracle 当前项目主要负责后端架构设计、开发、测试

某电商平台为了实时了解双十一动态销量，从而启动了当前项目 架构：大数据平台、springboot、Oracle 负责指标表的设计以及大屏的实现

1、移动端，嵌入安卓 ios 独立使用 2、响应式页面，适应各种屏幕 3、react+rudux+toolkit+typescript 某公司的交易系统前端页面，移动端开发。移动互联网等等

1.项目主要面向企业，为其提供办理宽带以及企业便捷组网无忧办公等功能。 2.小程序主要负责交付报告模块以及满意度评价等模块 3.由于小程序交付需要和其他部门对接，需要将页面转为图片，但是由于小程序的特殊性，导致有很多兼容问题最后选定插件 Wxml2Canvas，将页面元素转换为 canvas，再借助插件将 canvas 转为图片。 由于要求每个订单都可以生成图片，且要求批量生成，但是插件的限制以及后台服务器的限制，无法做出同时批量生成，这时借助函数节流，在上一个图片生成完成之后，接着生成下一张图片，并作出加载动画优化用户体验。 小程序uniApp，大大的提高了开发效率。缩短项目周期。

1.由于业务调整，需要在老系统里新增话务员工单提交单页面，嵌套至老系统。由于系统久远，故需要向下兼容至IE5。 2.主要负责项目页面书写，与后端交互，解决IE下的各部分兼容问题。 3.首先由于IE5限制，jQuery版本部分也不能支持，能够兼容到IE5的版本一定要是2.0以下的，并且1.0版本的jQuery有一个版本也有问题，就是1.10.1。这个版本的jq在IE5上会报错。 由于IE低版本不支持XMLHttpReques对象，故使用ActiveXObject进行请求后端接口；并请求不支持跨域，故线上需要配置反向代理（Nginx）来进行跨域请求。 能够兼容打IE5的组件库目前几乎没有，对于一些弹窗、下拉框、多层级选择框、日期选择器、分页等常用的组件部分在网上查找案例，部分自己手写封装。 对于css兼容，flex、圆角、阴影、绝对定位等都不可以使用，flex使用浮动替代、圆角和阴影可以使用背景图进行替代等。

1.本人负责了页面的由0到1，实现了首页，前台驾驶仓 主持中台，决策后台四个模块的页面功能 2.是页面适配，始终按比例居中在屏幕中心，求变更时页面以及功能的修改，维护页面正常工作，使计划和进度快速、有序进行。 3.使用ECharts进行数据可视化，并将ECharts的各个图像其封装成组件进行复用。 根据客户方提供数据，进行数据预测，预测的数据在图标中以不同形式展示；并解决了柱状图的柱形分割风格问题。 根据UI设计图完全复现页面，使用scss变量、函数等特性提升开发效率。

1.远程桌面实现； 2.设备远程控制； 3.物联设备对接，mqtt； 4.精通dubbo，rocketMq; 5.精通物联场景的设备控制； 6.物联设备联动，规则引擎

1.设备使用记录管理； 2.远程设备控制； 3.设备应用管理； 4.权限控制； 能够实现im推送，掌握netty框架，能够搭建稳定的物联平台，有高并发架构设计经验

1.设备资产模块； 2.设备控制模块； 3.权限管理； 4.物联设备对接； 5.mqtt协议； 6.设备联动； 7.drools规则引擎； 有能够搭建物联平台的能力，掌握mqtt协议，对物联平台有较深的了解，了解整个物联平台的架构搭建； 熟练掌握spring整套

1.项目主要是针对以上大屏进行后台数据管理、权限管理以及用户管理等功能 2.对后台页面的开发，完成需求变更时的页面修改及bug修复，合理安排安排工作计划与工作进度密切结。 3.使用Element UI和Element Plus组件库开发，提升开发效率。 使用Axios插件获取上传文件的进度，从而页面交互更友好。 对Element Table和Upload组件进行二次封装，减少代码冗余提高开发效率。 对于公共方法或高度相似页面给予Mixin，提升代码复用率，减少开发周期。 实现全局导入导出功能；根据提供的模版，用户可以在Excel里编辑数据，在页面上快速导入新增或修改，也可将数据导出为Excel。。

该项目设计目的是为保险领域，用户在投保前进行利益的试算平台。主要分为前台用户端和后端管理端，客户端主要分为利益试算、PDF文件生成、日/月活跃用户统计、语音阅读。管理端主要分为险种配置、计算公式配置、产品页面元素配置、PDF模板配置。 1、负责管理端全部功能开发 2、负责客户端利益试算功能开发 3、负责语音阅读功能开发

1.用于展示当地的用电情况和公司人员管理。再根据业务使用需求，将其细致化的分配于其所属地级市，并由最高级进行统一管理，指标分配；常用于检测每个地区的用电生态指数、用电限度、市场开阔度、安全事件和营业户数等几十个大屏页面，本人完成了50%的页面。 2.项目基于Vue-CLI+webpack构建，使用Element UI和Element Plus组件库开发，提升开发效率。 3.使用Axios插件获取上传文件的进度，从而页面交互更友好。 对Element Table和Upload组件进行二次封装，减少代码冗余提高开发效率。 对于公共方法或高度相似页面给予Mixin，提升代码复用率，减少开发周期。 实现全局导入导出功能；根据提供的模版，用户可以在Excel里编辑数据，在页面上快速导入新增或修改，也可将数据导出为Excel。

1、本项目主要分为两部分一个是钢卷表面8分类检测，二是吨钢理赔价格预测为理赔模型，钢卷表面缺陷检测主要是对辊印、黑点、麻点、划伤、条纹、锌浪、锈蚀、斑迹此8个缺陷种类进行分类。理赔模型主要从缺陷名称、缺陷程度、合同重量、理赔重量、质量等级、销售价格、货物现存地、品名、厚度、宽度十个维度进行模型的训练。 2、本项目我主要负责全部算法的开发及部署，首先运用yolov5模型对8个缺陷的图片进行模型训练，其次运用机器视觉中SVM.SVR非线性拟合模型进行理赔模型的训练，运用docker容器进行部署，flask进行网络通讯，本次由于麻点和黑点的十分相似，在图片量有限的情况下，用户对于8分类的识别准确率要求是90%以上，理赔模型的单价预测小于30元。 3、此图片的相似程度比较大，因此结合相应的业务人员进行每张图片的分类，将每张图片的缺陷部分找到，在进行标注，这样在图片量有限的情况下对图片进行有质量的标注，同时在用户端上传图片时对图片进行把关，对图片清晰度及反光度进行判定，训练清晰度模型和反光度模型对图片上传进行严格控制，因此从输入端进行控制，这样得到的效果达到了客户的要求。

项目描述：用户定时推送xml文件以及json字符串信息，通过nginx转发到zk，由zk给不同的服务器下发任务。从而启动对应的采集适配器，定制解析即入库规则，通过解析适配器和入库适配器完成入库操作 责任描述：1、采集适配器、解析适配器开发以及入库逻辑实现。 2、各程序安装部署 3、linux环境搭建

学吧课堂是一个B2C模式的职业技能在线教育系统，分为前台用户系统和后台运营平台。后台运营平台包括讲师管理、课程分类管理、课程管理（流程、视频）、统计分析等功能。前台用户系统包括讲师列表和详情、课程列表和详情、视频在线播放、用户认证、第三方登录、微信支付等功能。 后端架构:SpringBoot、SpringCloud、MyBatisPlus、MySQL、Redis、RabbitMQ、docker、jenkins 前端架构：ES6+Node.js+ Vue.js + axios + Element UI + Nuxt.js 第三方:阿里云OSS,阿里云VOD,微信登录,微信支付,支付宝支付,ECharts图表展示,POI 1、 负责后台运营平台的课程管理模块 2、 负责后台运营平台的讲师列表展示和详情模块。 3、 负责阿里云OSS头像上传功能。 4、 实现前台用户系统视频在线播放功能编写。 5、 参与前台用户系统注册和登录认证功能编写。

1、本项目主要分为带钢带头跟踪检测及滚筒软区色块中心线的提取两个部分，目标是带头在前进的过程中到达某一点启动滚筒，当带头落在滚筒上时正好落在滚筒的软区色块上，色块是喷漆喷在软区的位置。 2、本项目我主要是运用目标侦测网络模型对带头进行检测，训练的pt模型转成onnx模型运用tensorrt框架进行部署，结合deepsort目标跟踪算法对带头进行跟踪，将带头传给前端，同时利用opencv算法对白色的色块进行中心线的检测，将中心线坐标传给前端。 3、本次的难点主要是deepsort和yolov5部署的结合上封装成dll动态库及在带头坐标和色块对齐上，本项目主要是对c++的功底要求比较高，同时在项目的调试上要根据滚筒的速度不断的调试，最终才得以实现功能。