人工智能 Windows应用 软件定制 案例

视觉测量设备开发,本项目开发用于检测产品尺寸，提高产品良率，包括设备采购，硬件设计，硬件调试，软件开发，软件测试等步骤。能与其他机台进行数据传输，完成软件串口通信开发，通过控制底层IO卡，PLC驱动整个机台正常运行，数据处理程序，通过HTTP通信能够将数据实时上传数据库。

1.工厂流水线生产太阳能电池硅片会出现几种问题 （1）电池硅片边缘可能出现破损缺口 （2）电池硅片条纹的宽度过宽 （2）电池硅片条纹与条纹之间的距离不符合标准 2.需要通过工业相机传来的图像检测出以上的问题并发出警告

硅晶区域检测是衡量MEMS（Micro-Electro-Mechanical Systems，微机电系统）光谱芯片质量的重要评价指标之一，硅晶区域半径是MEMS光谱芯片检验环节中重要的评估参数。 传统技术中，对于硅晶区域半径的检测方法主要是通过图像采集器在红外光源下获取图片，然后人工观察硅晶区域，评价其质量。以这种方式进行检测不但效率低下，同时也存在人为检测标准不一致，视觉疲劳等现象，造成出厂产品质量的波动。

AOI视觉测量设备开发,本项目开发用于检测产品尺寸，提高产品良率，包括设备采购，硬件设计，硬件调试，软件开发，软件测试等步骤。能与其他机台进行数据传输，完成软件串口通信开发，通过控制底层IO卡，PLC驱动整个机台正常运行，数据处理程序，通过HTTP通信能够将数据实时上传数据库。

1. 是个完整的机器学习应用落地项目 2. 后台实现了机器学习的多种算法 梯度提升机 (Gradient Boosting Machine)， I-BRT， SALP， RE-BET， 多层线性模型 (HLM)，AHP 层次分析法 3. 实现了模型管理的前后端 4. 实现了数据集管理的前后端 5. 统一的机器学习模型接口框架，可以接入不同的机器学习模型 6. 软件地址 https://github.com/9DemonFox/simpleLearning/blob/master/README.md

1.视觉定位，实现自动化产品位置角度定位。 2.运动控制，通过运动控制卡实现对xyz平台的运动控制。 3.激光控制，通过运动控制卡实现对振镜，激光器的控制，实现对产品的自动化打标。 4.上位机软件开发，将上述功能整合到一个Qt上位机软件中，设计界面ui设计，多线程，通讯，SDK调用等

Anubis 是一款强大的时政分析助手，核心功能包括： 智能信息聚合与清洗：自动从全球主流新闻媒体、政府公报和智库报告中爬取、清洗和摘要时政新闻，形成结构化语料库。 深度语义分析与事件抽取：利用大语言模型（LLM）精准识别文本中的实体（人物、组织、地点）、关键词、情感倾向和核心事件，并抽取出事件的主谓宾结构。 动态知识图谱构建：基于Neo4j图数据库，将抽取出的实体和事件构建成可视化的知识图谱，清晰展示实体间的复杂关系（如合作、对抗、隶属）和事件的演化路径。 智能问答与溯源分析：用户可通过自然语言提问（如“A国与B国近期的经贸关系如何？”），系统将基于图谱和语料库生成综合报告，并提供观点溯源，增强结论的可信度。 多终端可视化呈现：通过Flutter开发的跨平台应用，为用户提供直观的时间线、关系图谱和综合分析报告，支持实时交互探索。

本项目实现了一个功能完备的2D足球仿真环境，核心功能模块包括： 1. 物理仿真引擎：基于Pymunk库，精确模拟球员和球的刚体动力学，包括碰撞、地面摩擦、旋转和力应用，保证了运动的真实性。 2. 比赛规则引擎：实现了足球比赛的核心规则，包括开球、进球、出界（界外球、角球、球门球）、半场切换和比赛结束等状态的自动判定与管理（为了规则简洁，没有实现出界后球权交换）。 3. 多模式智能体控制：支持三种控制模式：人类键盘控制（WASD、Q/E 旋转、Tab 切人），提供流畅的实时交互体验；状态机AI，一个内置的高级AI，具备拦截预测、团队协作、传切配合和射门决策等复杂战术能力；以及为强化学习预留的AI策略接口。“1/2”数字键手动指定两队冻结状态。 4. 标准化环境接口：遵循Gymnasium API标准，封装成标准的step、reset循环，提供结构化的观测空间和动作空间，便于AI算法的接入与训练。 5. 高效渲染：Pygame 实时画面，包含场地/中圈/球门U形/禁区线、焦点高亮、比分与时间提示及键位提示，便于展示和调试。 6. 演示Demo：默认“A队1人键盘+队友AI、B队全AI”的即开即用演示Demo。

公式自己开发的电源设备，需要一款系统客户端软件与电源下位机进行调试验证，并且需要进行标校操作。公式自己开发的电源设备，需要一款系统客户端软件与电源下位机进行调试验证，并且需要进行标校操作。

这是一个移动端快速视频多人脸跟踪的开源项目，这个项目是基于mtcnn人脸检测加上最简单的模板匹配进行人脸跟踪的，算法简单但效果显著，移动端速度可以达到250帧以上，该项目的特点是可实现多人脸跟踪。开源视频人脸跟踪算法,MNN基于mtcnn人脸检测+onet人脸跟踪,在i7-9700k的cpu检测速度可高达500fps

这是一个移动端快速视频多人脸跟踪的开源项目，这个项目是基于mtcnn人脸检测加上最简单的模板匹配进行人脸跟踪的，算法简单但效果显著，移动端速度可以达到150帧以上，该项目的特点是可实现多人脸跟踪。 开源视频人脸跟踪算法,基于mtcnn人脸检测+onet人脸跟踪,在i7-9700k的cpu检测速度可高达250fps

该程序调用了Opencascade开源库实现了从翼型拟合点到输出一个建模软件可读的.stp文件功能，调用了Qt6开源库绘制用户操作界面。实现了从文献中翼型曲线或闭合曲线转化为2维曲线模型的功能。通过计算文献翼型图片像素位置与翼型特征长度之间的换算比率，实现了1：1翼型模型的复现。实现了四种绘制模式以因对不同的绘制需求：模式一为应对缺少翼型前/后缘参数而开发，绘制两条封闭的Bspline曲线实现翼型的绘制。模式二为已知翼型前后缘半径时绘制特征前后缘圆弧而开发。模式四是模式一的补足，考虑到模式一绘制的翼型易发生畸变，使用翼型前后缘特征点，通过三点绘制圆弧的方式实现翼型前后缘的绘制，避免了模型畸变的可能。模式三为绘制三阶闭合贝塞尔曲线，为翼型冷却通道的优化而开发，可绘制冷却通道的不同优化形状。1、界面说明本软件界面划分为左侧的特征参数区域与右侧的图片操作区，界面如图 1所示。左侧包括了四种互异模式的选择按钮，其下方是对图片操作的特征线调整模式与添加特征曲线模式选择框。随后为特征长度输入框，为模式三服务的贝塞尔曲线控制点输入框，还有为模式二服务的前后缘半径输入栏。而在特征参数输入区域的下方是文件操作区域，Set the origin coordinates 按钮为在图片中设置一个参考原点方便坐标计算。Add a new curve 按钮为绘制一条新曲线的按钮。Add Bezier Points按钮为服务于模式三的功能，用于绘制贝塞尔曲线的控制点，其右侧的Export Bezier Points按钮为输出记录控制点的txt过程文件。Add Edge Points 为服务于模式四的功能，用于增加翼型前后缘圆弧控制点。其右侧 的Export Edge points按钮为输出前后缘控制点的txt过程文件。最下方的Export STP File为输出.stp文件按钮，可以读取记录坐标的过程文件并根据模式输出对应的STEP文件。右侧图片操作区域可以实现导入图片、设置输出路径、对图片添加拟合点与控制点的功能。其下方的MessageBox可实时显示此时软件状态

1、系统包括客户端与服务器； 2、角色有开发者与爱好者以及两者兼顾； 3、客户端面向大众，ID是唯一标识； 4、提供聊天的场所（需联网）； 5、作为开放平台，开发者享有开发益智游戏的权限与AI进行结合，可在平台进行交流； 6、作为娱乐平台，爱好者享有操作益智游戏的权限与AI进行结合，可在平台进行交流； 7、平台对使用者的数据进行采集，并生成报表； 8、系统配有健康模块系统，实时监测一举一动； 9、系统配备应用商城，开发者发布和爱好者操作可在商城中浏览、下载。

企业运营系统（ERP）、工程预算报价管理系统、供应商报价管理系统（SRM）、工程合同管理系统、施工管理系统、劳务结算管理系统、供应商结算管理系统、企业移动应用（APP、微信小程序）、智慧工地应用、财务接口系统，售后管理系统

当前方案是rgb-based算法，模型共有三个网络。第一个网络检测21个骨骼点的uv坐标并提取深度特征信息。第二个网络利用特征信息估计出三维手部模型的所有顶点深度，然后经过第三个网络回归出21个骨骼点的深度。然后结合第一个网络的uv坐标及相机内参，将像素坐标转换到相机坐标系中。最后将预测出来的骨骼点坐标与初始姿态对齐后，再逐一计算局部旋转量，并以四元数的形式返回。运行耗时30ms（标准卷积，未压缩），经过训练后，可支持不同深度不同拍摄角度（能区分正对及背对姿势）的手部骨骼点检测。

警用 AI 问答助手是一款面向一线执法场景的智能辅助产品，结合语音识别、大语言模型与行业知识库，为执法人员提供便捷的警务信息查询与指令响应能力。 前端已成功部署至执法记录仪、车载终端等移动警务设备中，支持公安内网环境下的推理，显著提升一线执法人员的信息获取效率与操作便捷性。

具体功能模块包括深度学习的缺陷、划痕以及噪点检测，在多模态中创建模态深度学习 对于使用者而言，在极大程度上简化了深度学习的模型训练，模型训练由大模型训练和培养 项目主要功能路径包含，八大接口，大模型本地部署和API调用

1.产品样本数据采集 系统支持对产品缺陷样本进行采集，构建高质量缺陷数据库，为后续检测模型的训练与优化提供数据支撑。 2.检测模型配置 提供灵活的生产模型导入功能，支持用户根据实际需求配置模型参数，确保模型适配不同生产场景。 3.智能瑕疵检测 通过高精度工业相机实时采集产线产品图像，经图像增强、去噪等预处理后，调用AI检测模型进行自动化缺陷识别，并将检测结果（含缺陷位置、类型等）直观呈现在交互界面上。 4.数据统计与分析 实时生成检测数据展示，动态统计不良率、缺陷出现率等关键指标，帮助用户快速定位原材料或工艺问题，为生产优化提供数据依据。 5.智能预警与干预 支持自定义缺陷报警阈值（如单类缺陷连续出现次数），触发报警后自动推送通知至生产终端，辅助用户及时干预异常工况，避免批量质量问题发生。

全自动高精度测试金属及部分金属材料硬度的专业软件，通过计算机主机实现对硬度计及载物台的自动控制。 1.相机数据流处理 2.图像识别处理 3.图像二次绘制处理 4.自动对焦 5.先进的图像识别算法 6.自动计算结果

本项目是基于深度学习的手语实时翻译系统，核心功能路径为： 摄像头捕捉手势 → 手部关键点检测 → 手势特征识别 → 实时翻译输出。 具体功能模块包括： 实时视频处理模块：通过OpenCV捕获视频流，MediaPipe实现21点手部骨点检测； 手势识别引擎：CNN模型解析骨点空间关系，识别50+基础手语词汇； 翻译输出模块：将识别结果转换为文字/语音反馈（如屏幕显示“谢谢”）； 用户交互界面：简洁可视化界面展示识别过程与翻译结果。 对使用者的核心价值： 无障碍沟通：为听障人士提供实时手语翻译，打破交流壁垒； 多场景适配：在教室、医院等场景实现即时翻译（准确率>85%）； 低延迟交互：150ms内完成从手势捕捉到结果输出。