算法模型 软件定制 案例

传统工业底片检测依赖人工评定，效率低、标准不统一。项目目标是构建 工业底片数字化工作站，实现底片采集、数字化评定、审核和报告生成的全流程软件系统。 参与工业底片数字化工作站核心功能研发。 负责底片评定审核系统的软件开发。 参与数字化交付系统的设计与实现。

机器视觉是利用计算机技术模拟人类视觉的一种技术，主要通过摄像头获取图像，并使用图像处理算法进行分析和识别。它广泛应用于工业自动化、质量检测、机器人导航等领域，能够提高生产效率、增强精度，减少人为错误。随着人工智能的发展，机器视觉的应用前景愈加广阔。

核心功能: 1.一键录音，通过AI对用户的声音进行音高，音准进行分析 2.通过AI,对共鸣位置进行检测，以及音色的检查 3.首次嗓音监测，并生成个人嗓音档案 3.将各项指标展示成雷达图，并对其各个分项进行评分，以及简要问题说明和建议

使用GFNet 模型对来自 ADNI（阿尔茨海默病神经影像学倡议）的脑部 MRI 图像进行 分类，以识别阿尔茨海默症（AD）与认知正常（CN）状态，准确率达到 74.85%，并 展示了优秀的泛化能力和鲁棒性。 系统以GFNet模型为核心，具备以下功能模块： 1. 图像预处理模块 支持图像统一缩放至224×224像素； 提供数据增强功能（随机水平翻转、随机擦除等）； 支持灰度转换与自动黑边裁剪，突出关键区域。 2. 特征提取与分类模块 基于GFNet的块嵌入与位置编码，提取图像全局特征； 通过频域全局滤波层（Global Filter）捕获长程依赖关系； 经多层Transformer块与MLP层进行高层次特征融合与分类。 3. 训练与评估模块 支持余弦退火学习率调整、早停机制等训练策略； 提供准确率、损失曲线、混淆矩阵等可视化评估工具； 支持模型检查点保存与最佳模型自动选择。 4. 预测服务模块 提供单张或批量MRI图像的AD/CN状态预测； 输出分类结果及相关置信度。

简单来讲这个算法就是如何更好的学习到智能合约的代码的语义表示（可以理解为代码审计的一种） 这是我的学术论文，并且伴随相关的专利申请。主要功能是利用对比学习预训练模块可以更好的学习到智能合约代码的数据表征，之后将训练好的特征提取器参与一个半监督的分类器训练得到更好的分类器完成后续的分类工作。 核心点就是如何利用更少的分类标签完成更好的分类效果。

图论算法在交通网络规划、通信网络设计、电力系统布线等领域应用广泛。本项目旨在通过实现最小生成树的核心算法（Prim和Kruskal），构建一个交互式的算法演示系统。目标不仅在于展示算法原理，更重要的是建立理论与实际应用之间的桥梁，帮助学习者直观理解算法在资源优化配置中的价值，培养解决实际工程问题的能力。 包含六大核心功能模块： 1. 图结构管理模块：支持邻接矩阵表示的加权无向图，提供预置高速公路示例图和随机图 生成功能 2. Prim算法模块：实现基于贪心策略的最小生成树算法，时间复杂度O（V3），适合稠密图 3. Kruskal算法模块：实现基于并查集的算法，时间复杂度O（Elog E），适合稀疏图 4.算法对比分析模块：对比两种算法的执行过程、时间空间复杂度、适用场景 5. 高速公路应用场景模块：将抽象算法转化为具体的工程规划问题，提供成本效益分析 6. 交互式演示系统：提供7种操作的命令行菜单，支持用户交互和实时演示。 用户启动程序后，首先加载预置的高速公路网络示例图。通过交互式菜单，用户可选择：①查看图结构；②从指定城市开始执行 Prim算法并观察逐步构建过程；③执行 Kruskal算法并观察按权重排序的选择过程；④对比两种算法的结果和性能差异；⑤查看如何将最小生成树应用于高速公路建设规划；⑥创建新的随机测试图验证算法通用性；⑦查看算法正确性证明。整个流程形成"理论一实现一验证一应用"的完整学习

基于深度学习的算法框架，能够对多维度时间序列数据实现精准识别、高效去噪与可靠预测三大核心功能。通过构建 CNN、LSTM、TCN 等网络模型，可自动挖掘数据中的隐藏特征与时序规律，滤除复杂噪声干扰，同时结合历史数据趋势，对未来序列走势进行科学推演，为金融、工业监测、音频处理等领域提供强有力的技术支撑。

1、基于隐私保护背景下的人体姿态监测； 2、适用于公共场所和有隐私保护需求场景； 3、使用TOF传感器采集点云数据，不包含人眼可识别的可见光信息、面部、面貌、细节信息等，保护人员隐私； 4、监测人员运动状态，发生异常时（跌倒、爬墙、斗殴等）告警

【立项背景】 当前，学校在教学管理、资源调配、师生服务等方面面临传统模式效率瓶颈：教务排课依赖人工易冲突、学情分析缺乏精准数据支撑、后勤报修响应滞后、校园安防存在监控盲区。随着教育数字化战略深入推进，人工智能技术与校园场景的融合成为必然趋势。本项目依托 AI 算法与大数据分析能力，打通校内各业务系统数据孤岛，构建智能教学、智慧管理、安全校园一体化服务体系，旨在破解校园运营痛点，提升管理效能与师生体验，助力学校实现教育高质量发展。 【软件功能】 1、AI辅助教学：常用报告、人才培养方案、教学计划、授课计划、教案、PPT生成与优化，试题生成与管理、文件转译（文件资料识别、高效资源处理）、教学质量分析。 2、AI辅助决策：毕业率预测、就业率预测、专业招生人数预测、学生流失预警。 3、AI学工管理：学生评价报告生成、学生评价数据可视化、智能预警与干预。 4、AI校园服务：高频问题解答、人工转接功能、事务申请模板、智能审批流转、办理进度查询、消息自动提醒与推送。

立项背景：随着电商业务规模扩大，海量交易、用户行为等数据亟待系统化分析，为业务决策提供数据支撑。核心目标是挖掘年度经营数据价值，优化产品布局、营销策略及用户体验。核心功能包括数据收集整合、多维度分析（销售、用户、供应链）及可视化呈现，通过梳理数据流转逻辑，清晰呈现业务关键指标关联，为公司战略调整提供直观依据。

立项与业务功能介绍：Polymarket平台上的crypto-15min_Up_or_Down栏目中存在诸多价值不均衡的情况，如何捕获这些价值不均衡的时机。这一个项目实现了这一功能，调用binance api获取实时数据，计算提取特征，训练mlp进行预测Up或Down的概率，以捕获价值偏离信息。并进行了详细的量化回测且进行了实盘部署。

本项目是一套成熟的中文文本分类全栈解决方案。它基于目前中文自然语言处理(NLP)领域最领先的 RoBERTa 预训练模型，专为政务工单自动分办、客服咨询智能归类、舆情监控情感分析等场景设计。相比传统方案，本项目不仅识别更聪明，更重要的是解决了AI模型“不可解释”和“难以纠错”的行业痛点。 1. 分类结果完全可控 大多数AI模型是黑盒，分错了只能干着急。本项目内置了“业务规则引擎”，允许您通过配置简单的关键词逻辑来直接干涉预测结果。 例如：只要文本中出现“断水、断电”且包含“学校”，可以强制规则将其划分为“校园后勤”类，而无需重新训练模型。这种“AI模型+规则引擎”的双保险机制，确保了在生产环境中的100%可靠性。 2. 训练维护零代码 您不需要学习任何编程知识。只需要维护一份普通的 Excel 或 CSV 表格（左边文本，右边分类名称），系统会自动识别您的分类体系。无论是增加分类、删除分类还是修改分类名称，上传表格后一键即可完成模型迭代。 3. 性能卓越与标准化交付 系统采用 FastAPI 高性能框架开发，单条文本预测仅需毫秒级响应。支持 Docker 容器化一键部署，无论是在本地电脑、云服务器还是政府内网环境，都能实现分钟级快速安装。

深耕人工智能与能源市场交叉领域，拥有多年算法研发与项目落地实战经验，核心聚焦电力现货价格预测方向。主导完成多个电力市场智能预测系统搭建项目，针对行业痛点——极端价格尖峰难以捕捉的问题，创新性融合LSTM时序建模能力与LightGBM的非线性拟合优势，构建多特征融合的混合预测模型，有效提升极端价格场景下的预测精度超30%。

负责 FPGA 综合前端工具的全流程维护，核心覆盖从基于 lex/yacc 完成硬件描述语言的语法解析、语义分析，到中间表示构建、逻辑优化、技术映射，最终落地门级电路综合的完整链路；日常排查流程异常，优化解析效率与综合精度，适配新 FPGA 器件规格，保障工具稳定运行。

实现智能安防系统，获取区域所有摄像头数据，调用算法实现区域人员防护，实现电子围栏，安全告警，并通过数字孪生技术进行全局显示。使用主要技术包括视觉目标识别、目标跟踪、目标定位、数字孪生技术。

随着工业 4.0 与智能制造的快速发展，目标检测技术在质量检测、安防监控、自动驾驶等领域的需求呈爆发式增长。然而，传统的深度学习模型训练流程存在以下痛点： 技术门槛高: 需要专业的 AI 工程师进行数据标注、模型训练与调参 流程碎片化: 数据管理、训练执行、模型部署分散在不同工具中 资源利用率低: GPU 资源调度缺乏可视化管理，成本难以控制 本项目旨在打造一个低代码、可视化、一站式的目标检测平台，让业务人员也能快速构建和部署AI 检测模型。 #### 1️⃣ 数据集管理模块 - 支持多种标注格式导入（YOLO、COCO、VOC） - **智能图像预处理**: 自动缩放至 640×640，保持宽高比 - 异步批量处理，支持万级样本数据集 - 数据增强配置：旋转、翻转、色彩抖动等 #### 2️⃣ 模型训练引擎 - 基于 **Ultralytics YOLOv8/v11** 系列模型 - 可视化超参数配置：epochs、batch_size、learning_rate 等 - **实时训练监控**: loss 曲线、mAP 指标、GPU 利用率 - 智能错误诊断：GPU 内存溢出自动提示解决方案 #### 3️⃣ 检测推理服务 - 单图/批量图像检测 - 置信度阈值可调节 - 检测结果可视化与导出 - RESTful API 接口，支持第三方系统集成

图像识深厚的多模态技术栈： 二维基石：精通图像增强、分割、特征提取等传统方法，深刻理解其物理意义与局限性。 三维纵深：掌握点云处理、三维重建、立体视觉等技术，能解决二维视觉无法处理的遮挡、精确测量和形貌分析问题。 智能核心：熟练运用深度学习（CNN、Transformer等）进行识别、检测、分割，并知道如何与传统方法结合，发挥最大效能。 系统工程：从光源选型、相机标定，到算法部署（边缘设备、工控机等）和系统集成，具备端到端的交付能力。 独特的复合价值： 精度与鲁棒的守护者：在工业测量与检测中，您深知99.9%的准确率与99%有天壤之别，并能通过多传感器融合、算法冗余等工程手段逼近“零缺陷”。 技术方案的“架构师”：面对一个新问题，您能迅速判断：该用传统方法解决，还是需要训练一个模型？是否需要引入三维信息？您的决策基于十年积累的“技术直觉”和成本效率权衡。 跨越“实验室-生产线”鸿沟的桥梁：您处理过光照变化、振动、粉尘等真实工业环境下的挑战，您的代码里充满了对抗现实世界不确定性的“经验”与“技巧”。别、图像增强、图像处理、图像

通过多模态数据（视觉、激光雷达、GNSS、里程计等），通过以深度学习为核心的综合技术创新进行物理世界理解和构建，建设完善情报体系产线（车道线、指示牌、车道结构等），最快可达分钟级别对物理世界的更新、端侧小时级更新（考虑到功能安全）。

从无到有搭建的一个以金融为中心的机器人，主要里面涉及三个模块NLU和NLG， 以及最后一个对话管理DM模块组成，以机器代替人工，24小时随时接待，让客户随时享 受服务，体验机器带来的方便，解决了一些用户常问的问题。里面主要包括功能有：基金 的查询、保险的查询、以及推荐保险，天气查询等功能。通过用户的查询迅速以语音的方 式返回给用户想要了解的问题的答案，实现快速问答。

功能： 1、定时获取外部新闻数据 2、进行新闻事件过滤 3、新闻内容分析 4、分析结果整合并完成结构化入库 功能模块： 1、后端接口服务 2、Coze工作流 3、前端展示 4、数据存储 5、NLP模型 能够自动获取外部新闻信息，按需进行多维度分析，并完成定时通知