人工智能 算法模型 软件定制 案例

帮一个无人零售企业，提高供应链各个环节的智能化程度，这个项目主要是聚焦在供应链中的采购环节的智能化算法研发上，具体来说就是帮助无人零售企业的采购部门研发多商品联合订货算法，及其编程实现，

将待处理的视频输出为字幕擦除后的视频及附加字幕提取文件（若客户需求） 需求多为要能兼容横板及竖版视频，字幕多为英文或中文单行及多行形式 难点在于成本及输出效果，成本通过下述项目实现具体阐述，输出效果的区别在于无码化，详见上传的结果示例

1：本项目是一个工业机器人控制与仿真系统，旨在提供完整的机器人操作、监控和仿真平台。主要目标是： - 实现机器人的可视化控制和实时监控 - 提供直观的3D仿真环境 - 支持工艺流程的可视化配置 2：系统包含五大核心功能模块： - 基础信息管理：机械臂配置、相机标定、环境设置 - 工艺规划：工艺参数配置、轨迹规划、碰撞检测 - 工作流设置：可视化流程配置、任务编排 - 实时状态监控：设备状态、运行数据实时展示 - 3D仿真：机械臂运动仿真、路径预览、碰撞预警 3：系统主要业务流程： - 设备初始化：完成基础配置、相机标定、环境建模 - 工艺规划：制定加工方案、设置工艺参数、规划运动路径 - 任务执行：启动任务、实时监控、状态反馈 - 数据分析：运行数据采集、性能分析、优化建议

面向滴滴打车等出行平台，我们设计并实现了支持WebRTC、SIP电话等多渠道接入的实时语音智能客服系统。该系统深度集成企业知识库，通过智能路由与语义理解，自动、精准地处理用户与司机的高频咨询，大幅提升客服响应效率与人效，显著优化用户服务体验与满意度。

智能体决策时往往需要兼顾实时性、协同性和鲁棒性，为了解决智能体在高维状态空间中长期决策困难的问题，本项目提出一种多智能体协作对抗方法。该模型可以： 1.构建拟真的城市对抗环境模型，支持多类智能体的交互与博弈； 2.通过强化学习提升多智能体协作与对抗能力，兼顾同构与异构智能体； 3.提高收敛速度和奖励回报率。 该模型构建了真实对抗环境，采用近端策略优化的AC结构，结合嵌入方法解决异构智能体的空间差异；还设计了自适应经验采样模块，融合 on-policy 与 off-policy 数据，提高经验利用率并加快收敛速度；最后采用了权重继承机制，在智能体消失时将其策略传递给队友，保证任务执行的连续性和快速适应性。 系统运行流程包括四个阶段：首先进行初始化与建模，设置城市环境和智能体组别；其次是交互与训练，由AC网络输出动作并进行价值评估，将状态与奖励存入经验池；接着在策略优化阶段，通过近端策略优化结合自适应采样不断改进策略，同时利用嵌入方法保证异构智能体的训练一致性；最后进入分布式执行，各智能体基于局部观测独立决策，并通过权重继承保持协作，从而实现最终目标。

随着自动驾驶技术的快速发展，车辆需要具备对周围环境的高精度、实时感知能力，以保证行驶安全并支撑智能交通、城市管理等应用。然而，单一传感器存在局限：相机具备丰富语义信息，但深度估计容易受遮挡、光照、动态模糊影响；而LiDAR提供几何精确性，但数据稀疏且对小目标不敏感。 因此本项目提出了一种目标检测技术，以突破多传感器异构性与模态差异，构建一个动态跨模态雷视融合的3D目标检测框架。主要目标包括： 1.构建统一的鸟瞰图（BEV）表示空间，实现相机与LiDAR的高效对齐与互补； 2.提升动态环境下的检测鲁棒性，解决快速运动、遮挡带来的不稳定问题； 3.通过跨域注意力机制实现关键目标的多尺度增强，确保检测的精确性和一致性。 本系统由三个核心模块构成：首先通过超源模态构建将相机伪点云与LiDAR点云统一到BEV空间，兼顾语义信息与几何精度；其次利用动态回溯时序融合引入多帧历史特征，提升动态环境下的检测连续性与鲁棒性；最后通过跨域注意力引导融合在关键区域选择性供应超源特征，强化多尺度和多模态表示，并结合Transformer检测头输出精确的三维目标结果。 系统整体流程包括：首先采集多视角相机图像和LiDAR点云，并完成统一特征对齐；随后在BEV空间生成超源特征，通过时序融合与跨模态注意力机制实现特征增强；最终将融合后的BEV表示输入检测模块，输出目标类别、位置和运动状态，形成可直接服务于自动驾驶决策、路径规划和交通监测的检测结果。

为某省级官媒合作打造元宇宙内容创作SAAS化生产力平台，结合虚拟数字人、虚拟人直播、3D视频制作工具、真声克隆、VR云展、一体机等XR应用提升虚拟内容制作效率，核心业务包含： 一、SAAS企业租用体系 二、企业授权模型管理与本地桌面端分发 三、桌面端3D元宇宙编辑工具 四、AI脚本驱动数字人动作 五、声纹克隆训练 六、直播弹幕获取与问答互动

面向政企、会展、商超、景区等公共服务场景，开发基于2D/3D虚拟人的智能交互一体机系统，作为某省级官媒AIGC元宇宙项目的核心SAAS应用。解决公共场所虚拟人服务需求，支持展览、会议等场景的智能导览、语音交互、营销宣传功能，实现近场拾音唤醒、多模态内容播报（文字/图片/视频）及企业级知识库隔离管理。

该软件具备多类功能模块。简历解析模块，能智能提取简历关键信息；面试问题库模块，支持自定义生成不同岗位面试问题；评分模块，可依据预设标准对面试者表现打分；还有面试记录与复盘模块，能完整记录面试过程并生成复盘报告，助力企业高效、规范开展面试工作，提升招聘精准度与管理水平。

CSUF重建系统显著减少了迭代算法的超参数依赖。并且在仅使用 20 个投影的条件下，重建的 CT 图像的峰值信噪比（PSNR）和结构相似性指数（SSIM）出色可达 26 dB 和 0.85。实验结果表明，重建图像具有较好的视觉质量，能够满足临床诊断的需求。

1.借用prompt、模式识别，基于开源llm实现了text2sql 2.text2sql后的sql结果直接与后台pgsql数据库相连并输出结果 3.可增减基座llm，有管理llm页面 4.在会话时可动态切换已有模型 5.支持多轮对话，可根据历史会话调整sql 6.有“历史”页面存储曾经生成的sql结果

验质平台产品设计，设计包含实时验质、人工验质、历史记录、设备管理、算法管理等功能的验质平台。 智能验质流程数字化，从样本入库到实时验质、争议处理、结果出具全流程数字化设计，代替人工流程。

1.功能介绍: 该项目分为4个模块，用户注册登录，后台管理，用户主界面，各功能界面，对于使用者可利用该系统实现，歌曲的录入（单曲录入/批量录入/录音录入），听歌识曲功能，音乐分析功能（从音乐的节奏，歌词，人声等）进行按需的功能分析，可视化图表生成等，播放器功能，个性化推荐功能等以及后台界面对录入歌曲的增删改查,相关日志的管理等。 2.相关技术栈: Python（DRF、Scrapy爬虫、Librosa、PyTorch（CNN模型）、PySpark）、MySQL、AES加密、Vue 3、Django Admin（SimpleUI优化） 注：补充itemCF/userCF，pandas，pyecharts，echarts，numpy，nltk，jieba

1.图像识别任务，任务精度非常高， 2.机器视觉技术运用在里面，结合了机器视觉与深度学习视觉技术，技术深度深， 3.将技术与服务结合，部署在微信小程序端口，方便使用。 4.算法完成程度非常高，并做了边缘计算的适配工作。

该系统通过3D打印技术将指静脉和指关节纹采集设备集成在一起，实现了采集流程的集中化。系统主要包含1:1识别模式和1:N+1识别模式两大功能模块。在1:1识别模式下，用户输入注册号码后放置手指，系统自动采集图像并进行比对验证；在1:N+1识别模式下，系统可直接对未知用户进行数据库检索匹配。系统还配备了完善的管理员功能模块，可对注册人员进行增删改查等管理操作。用户界面设计简洁直观，操作流程优化，从采集到识别结果返回形成完整闭环。系统采用改进的SIFT算法进行特征提取和匹配，并通过SVM支持向量机进行多模态分数融合，最终识别准确率达到99.974%。

替代人工分词，支持每秒数万条文本处理（远超人工日均不足万条的效率），可批量处理金融舆情、电商评论、政务公文等非结构化文本，降低人力成本，满足各行业数字化场景下的高效文本处理需求

针对个人与企业不同需求，提供定向资金支持：个人端覆盖消费（装修、教育）、大额支出（房贷、车贷）；企业端满足经营周转、供应链结算、扩张投资，填补自筹资金不足的缺口。支持差异化需求适配：提供短期（1-12 个月）周转、长期（3-30 年）分期等期限选择，匹配小额（千元级）消费、大额（百万级）经营等额度需求；同时通过线上申请、智能审批系统，缩短小额贷 1-3 天到账周期，解决传统线下 “材料多、跑网点、等待久” 的效率痛点。

搭载红外避障模块，能在火灾、地震等危险场景中，替代人员进入高温、浓烟或结构受损的楼梯区域，完成双重任务：一是环境探测（如监测温度、气体浓度），二是物资输送（如传递急救药品、小型救援设备），规避人员进入危险区域的伤亡风险。

身份精准核验功能 基于生物特征唯一性，实现毫秒级快速身份匹配，支持移动端、终端设备（如门禁机、考勤机）适配，可应用于政务身份核验（如社保认证）、支付身份确认、机场 / 车站安检身份核查等场景，替代密码、实体卡等传统验证方式，确保身份信息真实对应。高效管理赋能功能 为企业、机构提供自动化管理支持：在考勤场景中，自动识别员工人脸完成签到，无需人工统计；在门禁管理中，无需采购、维护实体门禁卡，减少卡片丢失 / 补办成本；同时降低密码系统维护、人员信息核对的人力成本，提升整体管理效率。提高人脸识别精度

语音采集功能，通过电脑端的扬声器采集声音 语音识别功能，基于ASR任务识别语音为文字 语音识别结果纠错，通过大模型进行分析语音意图，纠正语音模糊带来的问题 调用MCP服务，大模型来调用可用的tool，若无法分析出语音意图就返回“请重新录入需求”