云计算 算法模型 软件定制 案例

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。

针对化学储存设备清理厂的污水处理厂中传统运营中水质波动预判滞后、药剂投加全靠经验、数据各自为政、工艺调整缺依据、成本高效率低等难题，以工业互联网为底座，打造了一套覆盖全流程的智能监控与精准投加系统。这套系统构建起“数据驱动、云边协同、智能决策、闭环控制”的新型水务运营模式，让出水稳定达标、药剂成本大幅下降、运营效率全面提升，成为工业互联网在水务环保领域的标杆。 系统由六大模块协同组成：边缘计算节点扎根现场，兼容主流工业协议，实时采集从进水到出水全流程的水质、设备、药剂等数据，并自动清洗、补传，确保源头数据干净可靠；工业互联网平台作为中枢，搭建“云-边-端”一体化架构，通过数据中台、算法中台、设备中台三大核心能力，打破数据孤岛，为智能应用提供统一支撑；水质预测模块利用三年以上历史数据训练出LSTM时序模型，能提前24小时预判进水水质水量波动，让工艺调整从被动变主动；药剂优化模块融合机理与数据驱动，结合预测值和实时数据，实时算出PAC/PAM、碳源等药剂的最优投加量，告别经验依赖，实现精准控药；全过程智能监控与可视化模块通过大屏和Web端，让水质、设备、能耗、药剂消耗等状态一目了然，异常自动预警；自动化闭环控制模块与现场PLC安全对接，将最优参数自动下发执行，并根据出水仪表数据反向校正模型，形成“采集—分析—决策—控制—反馈”的完整闭环。 整个业务流程是一个自学习、自优化的数据闭环：边缘端采集并预处理数据，上传平台；数据中台统一治理，构建高质量数据资产库；算法中台调用预测与优化模型，输出最佳投加量与工艺建议；控制指令安全下发至PLC，自动调整加药设备；出水数据回传反馈，驱动模型持续迭代；平台自动生成运营报表，帮助管理者高效处置异常工况，真正实现全流程智能管控。

点云数据可视化平台是基于Vue.js构建的LiDAR点云数据展示和分析系统，支持大规模点云数据的在线可视化、地图集成、测量工具和数据管理等功能。项目集成Potree进行点云渲染，Leaflet提供地图服务，Three.js处理3D场景。核心功能包括数据管理（点云数据列表展示、编辑、详情查看，支持GeoPackage格式）、可视化工具（Potree点云渲染、Three.js 3D场景、Leaflet地图集成）、测量工具（距离测量、面积测量、点线面绘制）、导航控制（视角切换、裁剪工具、树形数据管理）和设置面板（点云显示参数配置、多语言支持）。

行业场景 各类商业有限元软件在使用中存在计算性能受客户机CPU计算能力限制、维护升级麻烦、无法满足移动化办公需求、正版软件费用高昂等问题。为提高传统三维有限元计算性能和便利性，开发了可进行前处理计算以及后处理云图展示的在线计算平台。 功能介绍 在线计算：集成了有限元渗流计算和静动力计算模型，支持在线发起应力计算和渗流计算任务，在线录入模型参数及计算边界条件，展示计算进度 结果展示：对于形变、应力、渗流等数据进行有限元云图展示，支持旋转、剖切、视图切换，支持不同断面切换

所属小组为5g核心网中通讯模块，提供类似 istio 一样转发控制功能，包含路由策略下发、数据交换（控制面以及5g数据面）。 负责5g业务数据提供流控功能，保证业务不死的情况下最大化使用物理资源。在5g大流量各场景下，在 golang gc 影响下，提供多种算法保证业务成功率。

项目对核心计算模块进行了高性能C++重构，引入OpenMP实现多线程并行加速，结合Eigen库优化稀疏矩阵运算，有效提升整体运行效率与资源利用率。同时兼容原有Python数据格式与接口，支持大规模图结构数据处理及批量实验执行，具备良好的扩展性与复现性。

AI 道路巡检管理系统以 “全流程智能化” 为核心，构建了从影像采集到养护决策的闭环功能体系，具体包含三大核心模块：​ 1. 智能病害识别引擎​ 依托深度优化的图像算法模型，可自动解析车载摄像头、无人机等设备采集的路面影像，精准识别裂缝（横向、纵向、网状）、坑槽、车辙、修补不良等 20 余种典型病害。系统具备自适应学习能力，通过持续积累实际场景数据，不断优化识别精度，当前对主要病害的识别准确率达 95% 以上，误报率控制在 3% 以内，可替代 80% 的人工判读工作。同时支持自定义病害类型，满足不同地区道路（如市政道路、高速公路）的个性化需求。​ 2. 全维度数据管理平台​ 构建 “病害 - 位置 - 时间” 三维数据档案：自动关联 GIS 地图标注病害精确坐标（误差≤5 米），同步记录病害尺寸（如裂缝长度、坑槽面积）、严重等级（按行业标准划分为轻微 / 中等 / 严重）及拍摄时间；支持多源数据接入，可整合养护历史记录、交通流量数据等信息，形成完整的道路健康档案。平台提供可视化查询与导出功能，用户可通过路段筛选、时间轴回溯等方式快速调取数据，生成标准化报表（如 Excel、PDF），为养护方案制定提供数据基底。​ 3. 养护决策分析系统​ 基于历史数据与实时监测结果，自动生成路段健康度评分（0-100 分）及病害发展趋势预测（如未来 3 个月裂缝扩展速率），辅助用户优先级排序养护任务；通过内置算法计算最优养护方案（如针对坑槽推荐 “切割修补” 或 “热拌沥青填充”），并预估所需人力、物料成本，实现资源精准调配。系统还支持模拟不同养护策略的长期效益，助力从 “应急抢修” 转向 “预防性养护”。​ 三大模块无缝衔接，从前端识别到后端决策全程数字化，大幅降低人工干预，让道路巡检与养护管理更高效、更精准、更具前瞻性。

1、实现了基于安全多方计算的隐私集合交集计算 2、接入PowerFL中，能够实现“语句解析-执行计划优化-隐私集合交集计算-返回结果”的全链路计算 3、方案具备可扩展性，可扩展至UNION等算子，并可支持后续的进一步SQL计算

项目包括：数字人视频推流模块，智能语音生成服务模块，人机互动模块 数字人推流主要是生成数字人视频，让数字人动起来，讲解PPT内容，嘴型要和说话的内容匹配，根据播放的内容请求生成语音、形象、字幕组合的数字仿真视频，并且可以进行人机对话，回答观众提问。

Agentar平台提供零代码、低代码开发以及可视化编排能力，大幅降低搭建智能体的门槛。平台正在内测上线国内首个金融MCP服务广场，集合高质量金融信息源、智能投研等超百个核心金融MCP服务，并提供“可插拔”式的行业know-how组件库，让非技术人员能够以拖拽的方式，快速搭建智能体应用。值得一提的是，平台具备金融级的数据与内容安全防御及监测能力，全面保障金融智能体应用场景的安全合规性。

百度智能云平台包含模型的训练和发布全流程，模型发布阶段会对接训练阶段的模型产出，对于离线部署的客户需要生成离线推理SDK包。EdgeKit对接适配多款硬件如Nvidia-GPU，高通骁龙芯片等。同时为了压缩部署成本，需要对已有的模型实施一系列模型压缩算法，以达到加速目的。

对于使用者来说，可以直接使用api的方式调用服务，服务最终可以反馈算法的执行结果，成功与否，目标位置等。还可以基于我的项目进行二次开发，源码库部署，ai前沿工具的使用都会一些，对k8s，onnx，tensorrt等都有一些了解