云计算 软件定制 案例

1、立项背景和目标 在金属表面缺陷检测（如裂纹、划痕、麻点）的实际生产线上，受光照变化、纹理背景干扰等因素影响，预训练的目标检测器即使架构先进，推理时的置信度阈值若不匹配现场环境，也容易产生大量漏检或误报。传统方法往往需要重新训练模型或增加后处理模块，导致计算开销上升。本项目的目标是：在不改变YOLOv8n网络权重、不增加任何浮点运算量（零FLOPs）的前提下，仅通过推理时阈值的系统化校准，显著提升检测器的稳定性和F1-score，为工业部署提供一种“零成本”的性能优化方案。 2、软件功能、核心功能模块的介绍 数据集统一与清洗：融合NEU-DET与GC10-DET两个公开金属表面缺陷数据集，统一为17类缺陷（剔除单例标签），划分训练/验证/测试集。 基线YOLOv8n检测器：采用Ultralytics YOLOv8n作为基础模型，在合并数据集上进行微调，支持实时缺陷定位与分类。 固定阈值校准模块：在验证集上对置信度阈值（0.1~0.9步长0.01）进行网格搜索，以最大化F1-score为目标，选出最优阈值。该模块不修改模型结构，推理时仅替换阈值参数，实现零FLOPs提升。 质量感知自适应阈值（可选控制）：基于图像亮度、对比度、清晰度、噪声估计计算单张图像质量分Q，动态调整阈值适用于光照变化剧烈的场景。 类别依赖的双风险阈值（可选控制）：根据每个类别的经验假阳性率与假阴性率，进行类别级别的阈值微调，可在误报敏感的生产线上进一步降低虚警。 消融对比模块：实现P2特征增强分支的YOLOv8n-P2变体，以及CLAHE预处理变体，用于验证“增加复杂度是否一定带来性能提升”。 3、业务流程、功能路径描述 用户输入金属表面灰度/彩色图像 → 调用已微调的YOLOv8n模型进行推理 → 系统读取校准后的最优阈值（或自适应阈值）对检测框进行过滤 → 输出缺陷类别、置信度、边界框坐标 → 可视化叠加于原图上。整个流程相比原始YOLOv8n仅改变一个阈值参数，推理速度完全不变，内存占用不变，无缝集成到现有产线质检系统中。

无人机/机器人、安防监控/消防 1、立项背景和目标 在无人机安防巡检、火灾监测等热成像应用中，传感器由于物理限制常产生随机的脉冲状亮斑或条纹（impulse-like artifacts）。传统中值滤波或深度学习去噪方法要么会破坏真实的高温边沿，要么需要GPU算力，无法在边缘设备上实时运行。本项目的目标是开发一个无需训练、仅依赖CPU的轻量级图像预处理算法，能够在不模糊目标轮廓的前提下，自适应地抑制脉冲噪声，特别保留火灾、车辆发动机等高温区域的结构完整性，提升下游视觉任务的可靠性。 2、软件功能、核心功能模块的介绍 局部不确定性估计：基于局部均值与方差计算每个像素的归一化偏差，区分噪声与真实热信号。 连续置信度映射：使用Sigmoid函数将偏差转换为0~1之间的抑制权重，避免硬阈值导致的不稳定。 结构张量保护模块：通过计算像素邻域的结构相干性（coherence），自动识别边缘/角点等需要保护的区域，大幅减少边界模糊。 全局安全限幅：根据图像整体的98%分位数动态限制最大抑制强度，防止在高温区域过度平滑。 软混合输出：将原始像素与中值滤波结果按风险权重融合，输出噪声抑制后且边缘锐利的热红外图像。 3、业务流程、功能路径描述 用户输入一张热红外图像（单通道，uint16或float32） → 算法自动计算局部均值/方差 → 生成偏差图与置信度 → 并行计算结构张量获得相干性图 → 结合全局安全因子得到最终抑制强度 → 将原图与中值图按像素级权重融合 → 输出处理后图像。整个过程单帧耗时约70~200ms（640×480~1280×1024），可直接集成到无人机飞控或热像仪嵌入式系统中。

全栈爬虫技术能力 静态页面：requests + BeautifulSoup / lxml，高效抓取标准 HTML。 动态渲染：Selenium / Playwright / Puppeteer 模拟真实浏览器，处理 JavaScript 异步加载的页面。 API 逆向：通过抓包分析（Fiddler/Charles），直接调用 XHR 接口获取 JSON 数据，性能极佳。 登录态维持：Cookie 持久化、模拟表单登录、扫码登录、OAuth2.0 授权。

本项目构建了一个跨语言异构分布式计算平台，核心目标是在单一系统中整合多种编程语言的优势，实现高性能计算任务的统一调度与执行。系统采用经典的分层架构设计：Java Swing 客户端作为用户交互入口，通过 HTTP REST API 与 Python Flask 调度服务器通信；Python 层负责任务解析、负载均衡和结果汇总，并通过子进程调用 C++ 计算引擎执行实际运算；C++ 引擎实现了快速排序、归并排序、堆排序、矩阵乘法/求逆/行列式、统计分析、埃拉托色尼筛法素数计算等算法；C 语言通信库提供跨平台的 Socket 通信和共享内存 IPC 机制，支持进程间高效数据传输。

面向长上下文/序列建模评估，构建一个受控 lag-kernel 任务 benchmark，用于分析不同序列模型在不同依赖结构下的偏好区域。项目包含任务生成、模型训练、结果汇总、可视化分析、鲁棒性检查和论文投稿流程，目标是证明 aggregate score 会掩盖模型在不同 task neighborhood 上的结构化差异。目前ICML26CTB在投

本项目是一款基于云计算技术开发的微信小程序，旨在为用户提供轻量化、便捷的在线服务。立项背景为解决传统应用开发成本高、部署周期长、维护难度大等问题，目标是借助云平台的弹性计算、对象存储等能力，实现快速上线、按需扩容、降低运维成本的应用服务。 小程序核心功能包括用户管理模块、数据存储与查询模块、在线交互模块三大模块：用户管理模块负责用户的注册、登录与权限校验；数据存储模块利用云数据库实现数据的安全存储与高效读写；在线交互模块提供用户与服务端的实时通信能力。 业务流程为：用户通过微信授权登录小程序，提交服务请求，请求通过云函数转发至后端服务，云服务根据请求类型调用对应的计算与存储资源，处理完成后将结果返回给用户，实现端到端的轻量化服务闭环。

这是个纯前端的网页搭建工具，不用搞后端，浏览器里直接用就行 能做这些事： - 左边是组件库，有文本、标题、按钮、图片、卡片、容器，直接拖中间画布就行 - 点一下组件，右边能改文字、颜色、大小、对齐方式 - 按钮可以设置跳转链接，还能选新窗口打开 - 有两种布局模式：自由模式（想把组件拖哪就拖哪），自动模式（竖着按顺序排） - 可以预览，看看做出来什么样 - 能导出HTML文件，直接就能部署 - 操作错了能撤销重做 - 界面适配手机电脑 界面用的shadcn/ui组件库，看起来比较现代简洁，没事自己做个简单网页用挺好

这是一个专为新手小白设计的PHP多语言开发项目，旨在解决开发者在编写中文后端代码时面临的国际化难题。该项目通过本地部署中文关键词，实现自动翻译转换为英文，让开发者可以用熟悉的中文编写后端逻辑，同时自动生成符合国际化标准的英文代码结构。 新手友好：降低多语言开发门槛，无需精通英语也能开发国际化应用 本地部署：支持本地化部署，保护敏感数据安全 自动转换：中文关键词自动转换为英文，保持代码结构一致性 灵活配置：支持自定义翻译词典和转换规则 性能优化：缓存机制减少重复翻译，提高响应速度

平台是基层数字治理引擎，核心应用于网格化管理、矛盾纠纷线上调解、民生服务响应及应急事件协同处置四大行业场景。 该平台通过构建多级联动指挥体系，整合线上便民服务端口与线下网格力量 主要功能：网格员动态管理、事件纠纷线上上报转办、数据统计分析、矛盾纠纷调解（婚姻家庭、邻里、合同等七类）、便民服务响应（小程序）、应急协同处置，实现基层治理数字化闭环管理。

首先进行的是星载PS-InSAR技术研究， 在技术研究的基础上完成生产软件的开发， 然后进行批量化的全球数据的处理，包括云服务和Linux服务器部署任务等。 属于课题组独立专研项目：永久散射体库生产软件开发。

1，云实验环境适合对于配置要求不高和不追求反应速度的项目。 2，对于那些对硬件要求较高的环境，建议还是在本地运行，例如移动软件UI设计（Adobe Photoshop）等对配置要求严格和要求反应速度较快的环境，仍然以本地为主 3，云实验环境可以通过增加节点来扩展实验环境和用户数量，可以减少硬件的闲置，有效的避免硬件资源浪费。 4，本地实验环境迁移上云，要保证在使用中和本地环境无异的同时，最大限度的复原本地环境，实在无法迁移的应当寻找类似的替代品。如是公司所购买的配套软件，应当额外注意，是否需要额外授权等。

本项目针对传统餐饮门店选址依赖经验、缺乏数据支撑的痛点，构建了一套智能选址系统。系统基于人口、消费、交通、收入、社交多维度数据，通过 DBSCAN 算法识别高需求热点区域，再用改进遗传算法完成多目标优化选址，输出最优门店坐标、面积、客单价和营业方案。核心功能模块包括数据预处理、需求指数计算、热点识别、多目标优化与可视化展示，业务流程覆盖从数据采集到最终方案生成的全链路，帮助决策者降低选址风险、提升门店存活率与投资回报率。

1. 立项背景和目标 为满足公司对多源异构数据（如天眼查、招标公告等）的自动化采集与标准化治理需求，本项目旨在构建一套稳定可靠的数据管道。主要目标是实现从数据自动采集、清洗、入库到质量监控的全流程自动化，为上层业务分析提供高质量的数据基础。 2. 软件功能、核心功能模块的介绍 系统主要包括三大模块：1）自动化采集模块：基于Playwright等工具，实现多平台数据的定时爬取和环境迁移，成功交付超12,000条完整公告数据；2）ETL与数据治理模块：设计标准化数据表20余张，并开发智能清洗算法，将核心字段覆盖率从0.37%提升至99.58%，修复无效数据300余条；3）运维监控模块：通过Docker部署和飞书机器人，实现容器健康状态定时告警。 3. 业务流程、功能路径描述 采集脚本定时启动 → 从目标网站获取原始数据 → 进入ETL清洗层，根据预设规则进行数据抽取、清洗与标准化转换 → 清洗后的数据写入PostgreSQL标准化表 → 质量监控脚本每日检查数据覆盖率等指标 → 结果通过飞书推送给团队。整个流程无人值守，异常问题通过脚本自动修复或报警。

使用 Oracle GoldenGate 解决复杂的数据同步难题。 业务场景：核心交易库向分析库同步、上云迁移、灾备搭建。 技术栈：OGG 12c/19c/21c 全版本部署、性能调优、异构（Oracle->MySQL/Kafka）映射。 合作价值：提供亚秒级延迟的数据同步方案，保障您的业务连续性，让数据迁移不再需要漫长的停机窗口。

对象存储系统数据回收服务 内部一套面向对象/分片治理的任务调度与执行系统。它的业务目标主要是做数据整理与后台治理，比如 compaction、blob 检查与删除、任务下发、节点状态维护、容量水位控制、并发控制以及 worker 执行回收。目录上通常分成 master、worker、client、cranecommon 等部分：master 负责调度、队列和节点管理，worker 负责具体任务执行，client 负责 grpc 通信，cranecommon 提供配置、限流、通用组件和基础能力。整体上它更像是 TOS 后台治理链路里的“控制面 + 执行面”核心模块。

对接海促项目需要进行维护，于是开发需求中转站项目，这个项目主要是客户可以直接上传需求，图片用七牛云存储，然后我们领导通过登录管理员进行分派任务和指定时间，我们分配的需求可以进行多次更新，最后如果完成稿上传apifox审核即可

为公司业务平台提供视频基础能力，包括设备接入，媒体接入，视频录制回放，视频直播分发，视频剪辑，视频处理等基础功能。在项目中负责整体流媒体技术，包括流媒体服务架构，媒体推流，视频录制，视频回放，直播分发，视频处理等功能。

本系统基于 STM32 主控，集成多类环境传感器采集温湿度、空气质量等数据，通过物联网模块上传至可视化平台，实现数据实时监测、异常告警与远程控制，界面直观易用，适用于智能家居、工业监测等场景，兼具高可靠性与低功耗特性。

业务一： 实现对人的身份、姿态、行为及意图的精准、实时理解，为上层应用提供可靠的结构化数据。 关键技术与功能： 高精度人脸/人体姿态追踪： 基于深度学习模型，在复杂光照和遮挡条件下，实现亚像素级的人脸关键点检测与2D/3D全身骨骼关键点追踪。功能包括头部姿态估计（Pitch/Yaw/Roll）、肢体动作捕捉、手势识别等。 移动端优化与部署： 针对资源受限的移动设备（iOS/Android），采用模型剪枝、量化（INT8/FP16）及神经网络架构搜索（NAS）等技术，将大型模型压缩至数MB级别，在保证精度的同时实现45FPS以上的实时推理性能，成功应用于AR互动、智能健身、远程协作等场景。 以人为中心的活动识别： 融合时空上下文信息，利用卷积神经网络或Transformer架构，对视频流中的人体行为进行细粒度分类与预测。可识别从简单动作到复杂交互等多种活动，服务于智慧医疗、工业安全与智能家居。 业务二： 应用最前沿的3D重建与渲染技术，降低高质量3D内容创作门槛，赋能元宇宙、数字人、电商等新兴领域。 关键技术与功能： 3D高斯泼溅 ： 相较于传统的NeRF（神经辐射场），3D高斯泼溅通过数百万个可学习的3D高斯椭球体来表现场景，实现了无需训练即可实时渲染（>90 FPS）的突破，构建照片级真实感的虚拟数字人、商品3D展示及沉浸式AR/VR环境，显著提升了建模效率与交互体验。

针对当前社会治安防控中视频数据量大、线索排查效率低、跨区域资源难以联动、案件研判不直观等痛点，建设公安图侦综合管理平台，以实现视频图像资源统一汇聚、智能分析、快速检索、闭环办案为目标，提升公安机关案件侦查、治安管控、应急处置的智能化与实战化水平。 平台具备视频接入、车辆研判、人员识别、行为分析、案件管理、线索布控等核心功能，重点模块包括：视频摘要与回放、车牌识别 OCR、以图搜人、电子围栏、轨迹分析、智能布控预警、案卷管理与协同研判，实现从海量视频中自动提取人、车、物关键信息。 业务流程为：前端监控视频统一汇聚入库→管理员配置布控规则与检索条件→通过车牌 OCR、人像比对等智能算法快速筛选线索→对目标进行时空轨迹碰撞与串并案分析→生成研判报告并推送至办案民警，功能路径遵循 “视频汇聚→智能检索→深度研判→落地处置” 的实战闭环。