人工智能 Windows应用 软件定制 案例

1. 项目背景 致力于为客户提供多家主流AI大模型厂商于一体的AI聊天应用 2. 软件功能 基础AI对话功能：支持切换主流的AI大模型，创建会话，与AI实时对话 角色模版功能：预置多种优化的角色提示词模版，一键启用拥有特殊角色模版的AI助手，比如文案大师 生图功能：支持使用生图AI创建生图任务

可以识别唐诗300首，帮助儿童树立唐诗学习的良好习惯。具有基础功能，支持通过语音输入诗句片段、诗名、作者名，系统实时识别语音内容，匹配并返回对应唐诗。例如说出“床前明月光”，自动检索《静夜思》全诗及详情；说出“杜甫的诗”，列出杜甫代表作清单。支持方言语音识别适配（如普通话、粤语），兼容模糊发音，降低检索门槛。

工业自动化项目，基于.Net平台开发，上位机控制及监控设备数据，本软件为超高压精密注射泵站的上位机控制软件，界面与设备液晶屏界面功能相同，通过本软件可实现设备的远程控制与数据采集。

一款用于控制工业机器人进行自适应焊接的智能软件系统。通过3D视觉感知工件，在软件中完成路径规划、仿真和实时监控，并控制机器人完成高精度作业。主要包含点云显示，焊缝显示与编辑，焊缝仿真等功能

如今人工智能蓬勃发展，我预感未来AI游戏将会有广阔空间，于是想验证开发完全从零开始的AI玩家系统，只需要对程序设置奖励规则，并带着它玩一下，就能够自行操作游戏。虽然作为人类玩家可能道德法律上仍有争议，可作为NPC和怪物也是不错的选择。

该系统是用来接收数据将数据存储到本地计算机，并能够分析数据的频谱图，时域图且实时显示。功能如下： 1）使用QT实现UDP网络通信功能； 2）使用QT实现文件本地计算存储功能； 3）使用QT实现数据波形的频谱分析，并显示数据时域、频域波形；

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。

背景： 通常，工程师在处理一个汽车项目时需要提供上千个交付物，每个交付物需要参考的数据内容又分布在其余不同的交付物中，导致工程师耗费了大量时间去寻找数据和编辑数据，极大地降低了工作效率。有时一些交付物的内容需要有大量参考去进行确认，工程师们往往是查资料半小时，写数据一分钟。而一个项目往往是由多个工程师负责的，工程师们之间也存在着信息差，进一步影响着我们的工作效率。此外，不同工程师对汽车不同子系统的理解也制约着项目的推进，例如，造型设计师设计了一个独特的灯带，但工程区域分析后发现该结构无法实现量产。 大语言模型和数据库的深度结合与RAG想法的提出让我们看到了解决此场景下效率低下的可能性。与传统的逐个查找数据文件不同，AI通过调用数据库对项目的所有文件进行针对性的相似和关联查找。根据项目的进展和用户的问答不断建立自己的数据关联，记忆关键的数据节点，在工程师们需要查询数据时快速给出答案。而工具调用的出现让我们看到AI业务落地可以更近一步。借此，可以实现从AI告诉答案转变为AI直接输出答案至目标文件中。 本作品的作用为依据现场的实际流程，设计一个以汽车项目为导向的专业智能体应用系统，帮助工程师更好地编写对应项目的交付物和探索自己的想法的可行性，帮助解决传统方案下数据寻找困难、工程师交互存在代沟、交付物编写缓慢的问题，拟将交付物编写速度加快至少80%。 本系统基于Windows操作系统实现，分为前后端两个方向进行设计： 前端主要是UI界面，用来进行数据的展示，拟采用VUE3进行设计，通过HTTP协议来实现与后端内容的数据交互 后端包含向量数据库系统设计、数据、关系性数据库系统设计、文件系统设计、大语言模型与工具调用设计、前后端交互接口设计、文件数据提取与向量化配置、拟采用Chroma、Sqlite3、Minio、Ollama、LangChain、Flask、MinerU等技术栈和win32.client等windows底层接口进行实现。 本项目的创新点在于将现有技术深度和企业实际生产过程相集合，根据实际需求，定制化专有的AI调用工具和现有的企业需求进行匹配，而不是简单的基于已有项目的复制粘贴。现有的技术方案更多执着于问答交互，而运用AI对微软文档进行直接专业化编写的设计现阶段的解决方案并不多，且更没有让AI专业化地编写文档的相关设计。 本方案提出时已完成多个小的组件的测试和使用，准备进行所有组件的整合和深度测试，方案完全可行。

电商智能视频混剪工具是一款集合图片转视频、文案生成、文案转语音、视频合成、视频配音于一体的智能电商视频生成工具，通过整合云计算、人工智能等技术，实现电商类推广视频的有效解决方案。 应用场景 1、电商推广类视频生成 2、小说解说类视频生成 3、其他涉及混剪类型的视频生成，视频生成类型跟素材相关

这是一个桌面端的 AI 安全分析平台，简单来说，它就是一个能指挥专业安全工具干活的 AI 聊天助手。 核心业务就是通过对话的方式，辅助你完成以下四类安全分析任务： APK 逆向：上传安卓安装包，它会在后台调用 JADX 帮你分析代码逻辑和漏洞。 主机逆向：扔进去 exe 或 elf 文件，它配合 IDA Pro 帮你分析汇编和程序行为。 流量分析：上传抓包文件（pcap），它利用 Wireshark 帮你识别异常流量和攻击特征。 文件破解：遇到加密文件或哈希，它能调用 Hashcat 帮你跑字典或掩码破解。 技术亮点： 它不仅仅是套了个 AI 的壳，而是通过 MCP协议，真正打通了 AI 模型与本地安全工具（JADX, IDA 等）的连接。AI 可以读取工具的分析结果，结合知识库，给你提供有理有据的分析报告。

一款个人开发的桌面应用，当时朋友在搞微信小店，要我用python做一个自动邀请达人的脚本，因为之前给他用python做了个抖音自动发弹幕及自动商品讲解的脚本，我闲着无聊直接用javafx做了个桌面应用，目前就一个功能，自动邀请达人，有需要可以后续加功能，

基于Halcon与C#的焊缝瑕疵检测系统面向钢结构，采用“激光结构光+4K高速相机+旋转滤光”硬件组合，在C# WinForms主控下通过Halcon 22.11完成亚像素级3D重建与2D纹理并行检测：首先由C#调用PLC的Profinet协议触发激光器与相机同步，Halcon的decode_1d_code与grab_image_async以每秒300帧采集焊缝区域，利用激光中心提取算子laser_line_center将1024×2048的轮廓图压缩为1D高度信号，经gen_contour_polygon_xld重建出10 μm精度的3D点云，同时用emphasize与illuminate对2D灰度图进行HDR融合，消除焊渣飞溅反光；随后进入“3D+2D双通道”缺陷识别流水线——3D通道通过Halcon的segment_contours_xld与distance_pc把咬边、塌陷、余高超差几何量转换为高度-宽度-角度特征向量，输入C#多线程SVM进行初筛，2D通道则运行自训练的YOLOv5-Halcon模型，在640×640 ROI内同步检测气孔、弧坑、未焊满、表面裂纹等30类缺陷，单张推理28 ms，再与3D通道结果通过C#写的贝叶斯融合算法投票，整体漏检率低于0.05%；针对现场振动导致图像错位，系统采用基于傅里叶-梅林变换的sub_image配准，把实时图与C#预存的无瑕疵模板对齐到0.1 pixel，同时用Halcon的variation_model在20帧内学习背景抖动，自适应更新差影阈值，保证横向±5 mm、纵向±2 mm公差带内稳定检测；对于高反光不锈钢焊缝，C#通过串口控制旋转偏振片与多光谱LED，在Halcon里用decompose3拆分RGB后仅保留B通道做dyn_threshold，再与深度学习结果做交集，成功将镜面伪缺陷过杀率从1.2%压至0.15%；数据输出方面，Halcon的disp_object实时绘制3D伪彩与缺陷掩膜，C#后台用gRPC把JSON坐标推给MES，驱动激光打标机在缺陷处刻录二维码，同时把NG图像以hdict压缩存入MongoDB，单张<80 kB，方便后续GAN数据增强；权限与追溯模块采用C# WPF + IdentityServer4，实现三级账号、电子签名与审计日志，满足ISO 3834与EN 1090认证；系统上线后帮助某客车底盘产线将焊缝一次合格率由92%提升到99.4%，每年节省返工与探伤成本超三千万元，且全程无需人工复检，真正实现了基于Halcon视觉算子深度优化与C#业务逻辑无缝耦合的高速、高精度、零漏检焊缝瑕疵检测。

基于Halcon与C#的巧克力外包装瑕疵识别系统采用“图像采集-预处理-特征提取-缺陷分类-结果输出”五段式流水线，在500万面阵相机与穹顶LED无影照明的硬件底座上，首先通过Halcon的gen_rectangle1与grab_image_async完成每秒120帧的触发取像，利用C# WinForms编写的PLC对接模块把编码器脉冲实时映射到Halcon的image_height，实现零丢帧；预处理阶段在GPU加速下调用emphasize、illuminate与dyn_threshold组合，可在1.2 ms内同时消除塑料折光与铝箔镭射干扰，并采用基于傅里叶-梅林变换的sub_image配准算法，将实时图像与无瑕疵模板对齐到亚像素级，保证后续差影精度；特征提取环节，系统融合传统算法与深度学习：先用Halcon的edges_sub_pix提取封闭轮廓，配合shape_model在360°旋转与0.7-1.3倍尺度空间进行鲁棒匹配，定位商标、营养表与生产批次三大ROI，再在各ROI内部运行自训练的YOLOv5-Halcon跨平台引擎（C#通过HTuple调用Halcon的DLModel句柄，实现30类缺陷端侧推理，单张耗时28 ms），同步用texture_laws与cooc_feature_matrix计算能量、熵、相关性等六维纹理向量，输入C#多线程SVM进行二次校验，有效降低过杀；缺陷分类层支持褶皱、划痕、打码缺失、套色偏移、异物吸附、封口焦糊、日期重影、角部破裂八大家族120种细分缺陷，通过C#反射工厂模式动态加载不同的Halcon检测算子脚本，实现ppm级缺陷与μ级尺寸测量同屏输出，系统还引入基于Transformer的序列决策模型，把连续20帧的缺陷置信度当作时间序列，利用C#的TorchSharp推理DLL判断真伪缺陷，进一步将过杀率从0.8%压至0.15%；结果输出方面，Halcon的disp_object实时绘制缺陷掩膜并生成UTF-8 JSON，C#后台服务通过RabbitMQ推送给MES，同时驱动贴标机与吹气剔除阀，整线节拍可达800包/分钟；数据层面所有OK/NG图像按缺陷类别自动存入C#调用的MongoDB GridFS，Halcon的hdict压缩后单张仅150 kB，方便后续GAN数据增强；权限与追溯模块采用C# WPF + IdentityServer4，实现三级账号、电子签名与审计日志，满足FDA 21 CFR Part 11；系统上线后帮助某跨国巧克力品牌将外包装不良率由1200 ppm降至42 ppm，每年节省返工与投诉赔偿超两千万元，且全程无需人工复检，真正实现了基于Halcon视觉算子深度优化与C#业务逻辑无缝耦合的高速、高精度、零漏检巧克力外包装瑕疵识别。

基于大规模手势训练的实时手势与目标检测无人机系统，融合了深度学习、边缘计算与多模态感知技术，核心功能在于通过端到端AI模型实现空中视角下的自然手势识别与目标检测，可在无需遥控器、语音或穿戴设备的条件下，让单兵、应急救援人员或普通消费者仅凭单手姿态即可对无人机下达包括起飞、悬停、左右平移、上升下降、目标锁定、环绕拍摄、物品抛投、返航、降落在内的十余种飞控指令，同时系统在同一帧图像流中并行运行YOLO-v5+Transformer融合网络，对人员、车辆、船只、火点、生命体征热源等二十类目标进行亚秒级检测、跟踪与语义标注，支持多机协同下共享栅格地图与动态手势语义，实现“看到即控到、指到即拍到”的零门槛交互。大规模手势训练：基于海量多域数据（不同光照、背景、穿着、距离、镜头角度等）训练高鲁棒性的手势模型。 实时推理：在飞行中以低延迟对摄像头输入进行手势识别，响应时间目标通常<50–200 ms（取决于硬件）。 命令映射与状态机：将识别到的手势映射为明确的飞控指令（起飞、悬停、前进、后退、上升、下降、转向、跟随目标、跟随手势、返回基站、紧急降落等），并与飞控状态机无缝协作，确保安全过渡。 自适应与个体化：对操作者的个人手势进行快速自适应，支持多操作者切换。

本项目旨在解决用户“今天吃什么”的选择困难问题，通过随机推荐美食、提供菜谱教程和附近商家推荐等功能，提升用户就餐决策效率。 核心功能模块包括： 微信登录授权：用户可通过微信一键登录。 随机美食推荐：支持按菜系筛选，跑马灯式随机选择美食。 菜谱查看：提供详细菜谱教程，支持图片放大查看。 附近商家推荐：获取用户地理位置，推荐附近餐厅。 自定义添加美食：用户可自主添加美食信息。 数据统计：展示用户选择美食的统计信息。 后台管理：管理员可管理菜系、美食、修改密码等。

一、业务和功能介绍 1. 立项背景和目标 随着铁路客运系统的日益普及，乘客对于车票信息的获取和分析需求不断提高。然而，市面上大多数购票平台仅提供基础的查询功能，缺乏对售票趋势、起售时间、卧铺余量等深度分析的支持。本项目“火车票分析助手”旨在开发一款集车票查询、卧铺售票分析、起售时间查询于一体的本地化工具，帮助用户更高效地获取和分析火车票信息，辅助出行决策。 2. 软件功能与核心功能模块 本系统主要包括三大功能模块： 车票查询模块：支持用户输入出发地、目的地及出发时间，实时查询并展示相关车次、座位类型、票价等信息。 卧铺售票分析模块：针对用户指定的路线，分析卧铺类车票的售票情况，辅助判断余票趋势。 车票起售时间查询模块：根据车站名称查询该站车票的官方起售时间，帮助用户掌握最佳购票时机。 3. 业务流程与功能路径 用户首先在“车票查询”界面输入查询条件，系统返回车票列表；若需进一步分析卧铺售票情况，可切换至“卧铺售票分析”模块进行专项查询；而“车票起售时间”模块则独立提供各车站的售票时间信息。整个流程清晰、模块耦合度低，用户可根据需求灵活切换功能路径。

本地部署的聊天机器人，用于有隐私需求的养老、医疗、教育场景 1，纯端侧部署，断网可用 2，大语言模型应用，对硬件需要较小 3，实现端侧语音聊天，适应场景广阔 4，可实现情绪识别 5，主动的情绪管理 6，微表情识别 7，多种感知应用 8，全方位的智能感知，推理，决策，执行系统

“基于 Qt + OpenCV + YOLO 的工业缺陷检测系统” YOLOv5 / YOLOv8 / YOLO11：具备完整落地经验，包括 PyTorch → ONNX → onnxruntime / OpenCV-dnn 的模型转换、量化、NMS 参数自调优；在 RTX3060 + i7 上实现 1080p@60fps 多目标检测。 负责整体架构与核心推理引擎，支持 3 路 4K 相机同步采集 → GPU 批处理 → 检测结果 QML 3D 可视化，已在客户产线稳定运行 12 个月。

翻车机翻车前，压车梁要保证压紧车厢边沿，该项目通过AI视觉的方式检查压车梁是否压紧； 翻车机回翻后，车厢有可能脱离轨道，该项目通过AI视觉的方式检查车厢是否脱离轨道； 设计上位机显示识别结果，检查到风险后报警。

技术栈：Python 3.11, PySide6, scikit-learn, jieba, SQLite, 并发编程, Pillow, Git 代码仓库：https://github.com/StellarTrail/Smart_Organizer.git 项目简介：独立设计并开发了一款智能桌面文件管理工具，通过机器学习算法自动理解文件内容，实现文件的智能分类与自动化整理，从根本上改变了依赖手动规则的传统文件管理方式，显著提升了个人数据管理的效率与规范性。