业务和功能介绍
技术栈：C/C++, FreeRTOS, 卡尔曼滤波, I2C/SPI/GPIO, GSM, RFID, PCB设计
项目简介： 作为项目负责人，主导设计并实现了一套基于多传感器融合与边缘计算的智能安防系统。通过软硬件协同优化，解决了传统安防系统误报率高、响应延迟大、过度依赖云端等核心痛点，实现了高可靠性、低功耗的本地智能决策与报警能力。
项目简介： 作为项目负责人，主导设计并实现了一套基于多传感器融合与边缘计算的智能安防系统。通过软硬件协同优化，解决了传统安防系统误报率高、响应延迟大、过度依赖云端等核心痛点，实现了高可靠性、低功耗的本地智能决策与报警能力。
项目实现
核心职责与成果：
- 系统架构与硬件设计：独立完成模块化硬件系统设计，主导传感器选型与集成，通过I2C、SPI等总线集成火焰、红外、超声波等传感器，并完成定制PCB的布局、布线及调试。
- 实时操作系统与任务调度：基于FreeRTOS实现多任务管理机制，通过优先级划分与信号量同步，确保关键安防事件（如入侵检测）的响应延迟稳定在毫秒级。
- 多传感器数据融合算法：应用自适应卡尔曼滤波算法对多源传感器数据进行实时融合与噪声抑制，有效克服单一传感器局限性，将环境干扰导致的误报率显著降低。
- 智能事件处理与报警逻辑：设计并实现事件驱动的有限状态机模型，封装火灾、入侵、燃气泄漏等多种风险的独立判断与分级报警逻辑，提升系统情境感知能力。
- 可靠通信与报警机制：开发本地声光报警与GSM远程通知的双通道报警机制，通过硬件级冗余设计确保在单一模块故障时系统核心报警功能依然可用。
项目亮点：
- 完整的端到端开发经验：覆盖从硬件选型、传感器电路设计、PCB制板、固件开发到系统联调的全流程，体现软硬件综合能力。
- 以算法提升系统可靠性：通过自适应卡尔曼滤波算法在资源受限的嵌入式端实现数据融合，从根本上提升检测精度与系统抗干扰能力。
- 面向产品的系统级设计：系统具备低功耗运行、多重报警冗余、实时响应等产品化特征，并非简单的原型验证，展现出强烈的工程化思维。
- 系统架构与硬件设计：独立完成模块化硬件系统设计，主导传感器选型与集成，通过I2C、SPI等总线集成火焰、红外、超声波等传感器，并完成定制PCB的布局、布线及调试。
- 实时操作系统与任务调度：基于FreeRTOS实现多任务管理机制，通过优先级划分与信号量同步，确保关键安防事件（如入侵检测）的响应延迟稳定在毫秒级。
- 多传感器数据融合算法：应用自适应卡尔曼滤波算法对多源传感器数据进行实时融合与噪声抑制，有效克服单一传感器局限性，将环境干扰导致的误报率显著降低。
- 智能事件处理与报警逻辑：设计并实现事件驱动的有限状态机模型，封装火灾、入侵、燃气泄漏等多种风险的独立判断与分级报警逻辑，提升系统情境感知能力。
- 可靠通信与报警机制：开发本地声光报警与GSM远程通知的双通道报警机制，通过硬件级冗余设计确保在单一模块故障时系统核心报警功能依然可用。
项目亮点：
- 完整的端到端开发经验：覆盖从硬件选型、传感器电路设计、PCB制板、固件开发到系统联调的全流程，体现软硬件综合能力。
- 以算法提升系统可靠性：通过自适应卡尔曼滤波算法在资源受限的嵌入式端实现数据融合，从根本上提升检测精度与系统抗干扰能力。
- 面向产品的系统级设计：系统具备低功耗运行、多重报警冗余、实时响应等产品化特征，并非简单的原型验证，展现出强烈的工程化思维。
示例图片视频
相似推荐
基于多模态乳腺类疾病智能诊断系统
业务和功能介绍
立项背景与目标
针对乳腺癌临床诊断中存在的主观性强、效率低下、多模态数据（超声/钼靶/文本）难以整合三大痛点，本项目旨在开发一套基于多模态融合模型的乳腺病变智慧诊断系统。核心目标是通过AI实现病灶的精准、自动识别与分类，为医生提供高效的“第二意见”，助力提升早期诊断率。
软件功能与核心模块
本系统是一个端到端的智能辅助诊断平台，其核心智能由我主导的数据与算法引擎驱动：
多模态数据预处理模块：自动标准化处理DICOM影像与临床文本，为模型提供“干净数据”。
AI智能分析引擎（核心）：
病灶分割模块：精准勾勒病灶边界。
多模态融合分类模块：深度融合影像与文本特征，实现良恶性判别与BI-RADS分级。
结构化报告生成模块：一键输出含关键特征与诊断建议的标准化报告。
业务流程与路径
数据输入：医生前端上传患者多模态数据。
智能分析：后台自动完成数据预处理、特征提取与多模态融合分析。
决策辅助：界面直观展示分割结果、可解释热力图、分类结论及结构化报告。
基层医疗服务平台
基层医疗服务平台包含：居民健康档案管理系统 ，身心健康监测预警系统，居民身心健康管理系统，家庭医生服务支持系统，居民健康随访管理系统，健康信息发布系统，预约挂号系统，服务反馈与评价系统，在线诊疗系统，AI疑问识别系统。
智慧养老平台
智慧养老平台是一款整合多元化养老服务资源的综合性管理系统，旨在通过数字化手段提升养老服务效率与质量。
智能呼叫模块为长者提供紧急求助与日常呼叫功能，支持一键拨号、语音识别，呼叫信息实时同步至管理端与家属终端，确保响应及时。
长者管理模块建立完整的长者档案库，涵盖基本信息、健康数据、服务记录等，支持分类查询与动态更新，助力精准服务。
设备管理模块对智能手环、跌倒报警器等物联网设备进行远程监控，实时显示设备状态、定位信息，便于故障排查与维护。
项目管理模块整合各类养老服务项目，支持项目创建、进度跟踪与效果评估，满足机构多样化服务需求。
服务管理模块实现服务预约、派单、验收全流程线上化，结合评分体系优化服务质量，提升长者满意度。
角色管理与菜单管理模块通过精细化权限配置，为管理员、护理员、家属等不同角色分配专属操作权限与功能菜单，保障系统安全与高效运转。
平台全方位覆盖养老服务各环节，为机构、长者及家属搭建便捷、智能的服务桥梁。
轻量级实时医学图像分割算法研究
该项目致力于在提高现有医学图像分割模型的实时高效性、适应不同数据的能力，在提高现有医学图像分割模型性能的同时降低其计算量和参数量。并完成相关文档撰写，论文及专利转化。在 Intel 酷睿i5 CPU、1000×1000分辨率图像上不做任何推理加速处理的模型推理时间为168ms左右，分割准确性相对于现有模型进一步提高。自研的上采样与下采样策略在其它模型上均能达到约1%以上的性能提升，具备很好的即插即用能力
村医工作站
村医工作站针对农村地区村医 “诊疗经验有限、文书记录繁琐、患者档案管理分散” 的痛点，提供一站式辅助解决方案：
1. 首页：AI 医疗问答模块（高频辅助入口）
作为村医日常诊疗的 “即时咨询工具”，聚焦医疗相关问题解答，覆盖村医常见需求场景。
2. 病例模块（核心诊疗记录工具）
解决村医 “病例记录繁琐、格式不统一” 问题，支持 “手动 + 语音” 双模式录入，提升记录效率。
手动输入：提供结构化模板（含 “患者姓名、主诉、现病史、既往史、体格检查、初步诊断” 等字段），村医按提示填写，避免漏项。
语音录入：集成科大讯飞语音转文字技术，村医口述病例内容（如 “患者张三，男，65 岁，主诉咳嗽 3 天，无发热”），系统自动识别并填充至对应字段，支持手动修改识别误差（如 “咳嗦” 修正为 “咳嗽”）。
病例管理：按 “患者姓名、日期” 筛选病例，支持查看、编辑、删除（需二次确认），病例数据本地 + 云端双存储（防止丢失）。
3. 患者模块（基础数据管理中心）
村医维护患者档案的核心模块，为病例记录、诊疗方案生成提供 “患者基础信息支撑”。
核心功能：
患者信息管理：支持 “新增、修改、查询、删除” 患者信息，字段包含 “姓名、性别、年龄、身份证号、联系电话、家庭住址、既往病史（如高血压、糖尿病）、过敏史” 等，其中 “既往病史、过敏史” 可关联至病例模块，自动填充（减少重复输入）。
患者标签：支持给患者添加标签（如 “高血压患者”“糖尿病随访对象”），便于村医快速筛选重点管理人群（如定期随访时，直接筛选 “糖尿病” 标签患者）。
业务价值：建立村医专属的 “患者档案库”，避免患者每次就诊重复询问基础信息，同时通过标签管理，提升重点人群随访效率。
4. 诊疗方案模块（核心辅助决策工具）
依托大模型技术，将病例数据转化为结构化诊疗方案，为村医提供专业参考，降低诊疗决策难度。
5. 我的模块（账号与合规管理模块）
保障系统使用合规性与账号安全，是村医使用工作站的基础前提。
账号管理：支持修改密码、绑定手机号（用于密码找回）、切换账号（如多村医共用设备时，快速切换个人账户）。
医师执业认证：村医需上传 “医师执业证书” 照片，填写证书编号，
实名认证：需填写村医本人身份证号，完成人脸识别（可选，提升账号安全性），避免账号冒用。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服