业务和功能介绍
本项目源于传统人工巡检效率低、成本高、风险大的痛点，旨在构建一套基于无人机的智能化巡检系统，实现对交通、电力等基础设施的高效、安全、自动化监测。项目目标是通过“无人机+AI+平台”模式，将单次巡检效率提升3倍以上，缺陷识别准确率达90%以上，并支持全流程数字化闭环管理。
系统主要功能包括：用户权限管理、无人机设备注册与状态监控、可视化航线规划、巡检任务调度、多源数据（图像/视频/红外）自动回传、AI智能缺陷识别、缺陷台账管理及自动生成标准化报告。核心模块涵盖任务管理、地图引擎（集成CesiumJS）、AI分析对接、实时通信（MQTT/WebSocket）和数据存储（PostgreSQL + MinIO）。
业务流程从用户登录开始，经由地图选区或导入区域边界 → 自动生成或手动编辑航线 → 选择无人机并下发任务 → 无人机自动起飞执行巡检 → 实时回传飞行状态与采集数据 → 后台触发AI分析服务 → 识别结果入库并推送至前端 → 用户在地图上查看缺陷位置、复核结果、导出PDF报告，形成“计划-执行-分析-处置”完整闭环，典型任务路径耗时从传统2小时缩短至20分钟以内。
系统主要功能包括：用户权限管理、无人机设备注册与状态监控、可视化航线规划、巡检任务调度、多源数据（图像/视频/红外）自动回传、AI智能缺陷识别、缺陷台账管理及自动生成标准化报告。核心模块涵盖任务管理、地图引擎（集成CesiumJS）、AI分析对接、实时通信（MQTT/WebSocket）和数据存储（PostgreSQL + MinIO）。
业务流程从用户登录开始，经由地图选区或导入区域边界 → 自动生成或手动编辑航线 → 选择无人机并下发任务 → 无人机自动起飞执行巡检 → 实时回传飞行状态与采集数据 → 后台触发AI分析服务 → 识别结果入库并推送至前端 → 用户在地图上查看缺陷位置、复核结果、导出PDF报告，形成“计划-执行-分析-处置”完整闭环，典型任务路径耗时从传统2小时缩短至20分钟以内。
项目实现
在本次无人机巡检系统项目中，我参与了基于 Vue 前端与 Java 后端的整体架构设计与核心功能开发。系统采用 Vue 3 + TypeScript + CesiumJS 构建前端可视化平台，后端使用 Spring Boot 3 + MyBatis-Plus + PostgreSQL（含 PostGIS 扩展）实现任务调度、设备管理与空间数据处理，并通过 MinIO 存储航拍影像，AI 缺陷识别由独立 Python 微服务完成，无人机通信采用 MQTT 协议。我主要负责前端地图模块与巡检任务全流程交互功能的开发，包括航线绘制、任务创建/状态同步、缺陷地图标注及报告预览，共实现 12 个核心页面、3 个可复用组件，支撑日均 50+ 巡检任务调度，用户操作效率提升约 40%。开发过程中遇到三大难点：一是 Cesium 与高德坐标系（GCJ-02）不兼容导致航线偏移，通过引入 coordtransform 库实时转换 WGS84 与 GCJ-02 解决；二是大量图像加载造成页面卡顿，采用虚拟滚动 + 图像懒加载 + Web Worker 预解码优化，首屏渲染时间从 8s 降至 1.5s；三是任务状态实时同步存在延迟，最终通过 WebSocket 替代轮询，并设计本地状态缓存机制，使状态更新延迟从 5–10 秒降至 1 秒内，显著提升用户体验。
示例图片视频
相似推荐
agent开发的家具安全
围绕核心 AI Agent 的部署架构设计、调用链路的深度性能优化，以及面向垂直场景的特制 Skill 开发，存在一系列亟待攻克的关键问题。部署层面需解决模型服务化后的冷启动延迟、动态扩缩容与异构算力调度；调用优化则聚焦于构建异步流水线、智能缓存与请求合并策略，以降低响应时延和推理成本。特制 Skill 开发要求将领域知识、外部工具 API 与 Agent 推理闭环融合，形成可编排、可复用的专业能力单元。同时，还需应对多 Agent 协同通信、安全合规、效果评估与持续交付等衍生挑战。系统性解决这些问题，是智能体从原型走向高可用、低成本生产级落地的核心前提。
AI智能客服与大模型应用
基于飞致云 MaxKB 知识库问答系统作为底座，快速完善企业在线智能客服的 AI 助手能力。主要负责 MaxKB 的二次配置、知识库构建、RAG 链路调优、多渠道接入及效果评测。
1.底座集成：部署并配置 MaxKB 开源版本，将其作为智能客服的核心引擎。利用其内置的模型管理、知识库管理和 RAG 流水线能力，大幅缩短开发周期。
2.知识库构建：梳理 10 万+ 条历史客服对话记录，完成清洗、分类与结构化处理，导入 MaxKB 知识库。通过文档分段、QA 对提取等方式提升知识召回率。
3.RAG 检索优化：在 MaxKB 原生 RAG 流程基础上，调整检索参数（Top-K、相似度阈值），并增加重排序（Rerank）环节。并基于 MaxKB 支持的模型接入能力，选用 Qwen3系列模型。利用收集的领域数据，通过 LoRA 方法进行轻量化微调，并集成回 MaxKB 底座。微调后客服场景回答准确率达 92%，幻觉率降至 5% 以下。通过 MaxKB 提供的 API 接口，实现与企业微信、App、Web 端等多渠道的无缝对接。开发简单的消息适配层，完成会话管理、上下文关联等基础功能。
AI对话国产大模型SDK
本项目基于百度大模型和阿里千问大模型以及Deepseek的SDK调用实现个人本地大模型调用工具，通过设置api ky后缓存本地，就可以访问对应的大模型，目前仅实现对话模型以及流式对话，图片功能未完整实现。
tob 跨境电商 shopify AI一件代发平台-阿里产品-dscopilot
基于AI智能驱动的 Java 跨境电商运营一站式托管平台
项目描述：
1、服务跨境电商 DropShipping 生态，面向全球 B 端商家，利用 AIGC 和 AliExpress 的平台资源，开拓 "一键代发" 和海外独立站领域的市场，建设起精准、高效的一站式选品和铺品能力，解决跨境业务"选品难"、"铺品难"的问题；
2、通过同款平替和深度店铺诊断技术，提升 AliExpress 商品铺品率；通过 AI 优化和 LUI 创新，提升商家标题、商详、图片等编辑效率，规避商家约 80% 版权风险；
3、利用 AI 实现消费者端同款商品全面对比，促成平台商品 GMV 突破 10W 美元；
4、设计并开发核心支付基建项目，服务于四大主要业务，支撑总订阅金额已突破 3W 美元。
5、设计实现一站式全链路问题排查可视化系统，小二运营和客满服务效率提升 70%。
某些热成像项目
本类项目是基于非制冷红外探测器的成像模组项目。
旨在实现低功耗、小体积、高质量图像以及视频接口高兼容性。
本项目是团队合作项目，我主要负责FPGA工程架构设计、软核软件架构设计，并参与某些具体的算法/视频接口/外设驱动的实现及调试。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服