业务和功能介绍
该平台是专为重庆三大园区量身定制的土地业务专属管理工具，核心目标是降低 GIS 技术使用门槛，让园区非专业人员无需学习 ArcGIS 等专业软件，即可轻松查询、获取土地调查数据。
一、项目规划与核心模块
1. 分期建设：项目分三期推进，逐步覆盖不同使用场景，依次推出 Web 版（满足多终端在线操作）、单机版（适配离线办公需求）、移动版（支持现场实时作业）。
2. 功能模块：集成五大核心模块，形成完整业务闭环。
- 总览模块：直观呈现园区土地整体概况，快速掌握关键指标；
- 空间分析与总体分析模块：提供数据研判工具，支撑土地规划决策；
- 巡查管理模块：优化现场巡查流程，实现工作轨迹与问题记录同步；
- 数据管理模块：规范土地信息存储与更新，保障数据完整性。
二、项目核心价值
通过 “简化操作 + 全场景覆盖 + 多模块协同”，平台构建了功能全面、操作便捷的土地管理体系。一方面显著提升了园区土地管理工作的效率与质量，减少专业软件学习成本；另一方面为园区提供全面、准确、及时的土地信息，为后续规划、开发等决策提供数据支撑。
一、项目规划与核心模块
1. 分期建设：项目分三期推进，逐步覆盖不同使用场景，依次推出 Web 版（满足多终端在线操作）、单机版（适配离线办公需求）、移动版（支持现场实时作业）。
2. 功能模块：集成五大核心模块，形成完整业务闭环。
- 总览模块：直观呈现园区土地整体概况，快速掌握关键指标；
- 空间分析与总体分析模块：提供数据研判工具，支撑土地规划决策；
- 巡查管理模块：优化现场巡查流程，实现工作轨迹与问题记录同步；
- 数据管理模块：规范土地信息存储与更新，保障数据完整性。
二、项目核心价值
通过 “简化操作 + 全场景覆盖 + 多模块协同”，平台构建了功能全面、操作便捷的土地管理体系。一方面显著提升了园区土地管理工作的效率与质量，减少专业软件学习成本；另一方面为园区提供全面、准确、及时的土地信息，为后续规划、开发等决策提供数据支撑。
项目实现
技术介绍：
1.Web版本：
部署于Win2008 Server 服务器，整体技术栈覆盖后端、前端、地图服务与数据库，形成稳定高效的地理信息应用支撑体系。后端开发以JDK1.8为基础环境，核心采用SpringBoot+MyBatis+Shiro框架构建完善开发体系。前端依托Vue+ElementUI组件库快速实现美观且交互流畅的界面，引入Arcgis Js SDK4.17提供专业的地图渲染、空间分析与可视化能力，满足地理信息相关业务场景需求。地图服务与数据存储方面，基于ArcGIS Server10.2为前端提供精准的地理数据支撑；数据库采用Oracle10.2，凭借其高可靠性与数据处理能力，高效存储和管理系统业务数据与地理空间数据。
2.单机版：
采用 Qt5 框架开发，凭借其高效的跨平台架构与灵活的信号槽机制，实现了界面与业务逻辑的低耦合设计；基于 Qgis3.42 进行二次开发，扩充部份源码，深度复用其成熟的地理信息引擎与丰富 API，在保证地图渲染精度、空间分析效率的同时，集成了注册码验证机制，通过硬件特征绑定与动态授权校验，防止未授权使用，保障软件版权；同时通过轻量化架构设计，实现了核心地理功能与版权保护机制的协同高效运行，兼顾开发效率、运行性能与知识产权安全。
3.移动版：
基于QField 源码进行二次开发，继承其专业的移动地理信息采集与处理能力；核心框架采用Qt6，充分利用其跨平台特性（支持 Android、iOS 等系统）与高效的图形渲染引擎，确保在移动设备上的流畅运行体验。集成了单机版的总览功能，包括定位、地图操作、信息查询、测量、卷帘比较和档案查找等，同时针对移动场景进行了触控交互优化与性能适配，实现了地理信息处理功能的轻量化便携化。
成员：1人
角色：全栈开发
业绩：20w
1.Web版本：
部署于Win2008 Server 服务器，整体技术栈覆盖后端、前端、地图服务与数据库，形成稳定高效的地理信息应用支撑体系。后端开发以JDK1.8为基础环境，核心采用SpringBoot+MyBatis+Shiro框架构建完善开发体系。前端依托Vue+ElementUI组件库快速实现美观且交互流畅的界面，引入Arcgis Js SDK4.17提供专业的地图渲染、空间分析与可视化能力，满足地理信息相关业务场景需求。地图服务与数据存储方面，基于ArcGIS Server10.2为前端提供精准的地理数据支撑；数据库采用Oracle10.2，凭借其高可靠性与数据处理能力，高效存储和管理系统业务数据与地理空间数据。
2.单机版：
采用 Qt5 框架开发，凭借其高效的跨平台架构与灵活的信号槽机制，实现了界面与业务逻辑的低耦合设计；基于 Qgis3.42 进行二次开发，扩充部份源码，深度复用其成熟的地理信息引擎与丰富 API，在保证地图渲染精度、空间分析效率的同时，集成了注册码验证机制，通过硬件特征绑定与动态授权校验，防止未授权使用，保障软件版权；同时通过轻量化架构设计，实现了核心地理功能与版权保护机制的协同高效运行，兼顾开发效率、运行性能与知识产权安全。
3.移动版：
基于QField 源码进行二次开发，继承其专业的移动地理信息采集与处理能力；核心框架采用Qt6，充分利用其跨平台特性（支持 Android、iOS 等系统）与高效的图形渲染引擎，确保在移动设备上的流畅运行体验。集成了单机版的总览功能，包括定位、地图操作、信息查询、测量、卷帘比较和档案查找等，同时针对移动场景进行了触控交互优化与性能适配，实现了地理信息处理功能的轻量化便携化。
成员：1人
角色：全栈开发
业绩：20w
示例图片视频
相似推荐
智能多端协同平台-yinglong智能系统
立项背景和目标
本项目旨在构建一个集智能对话、自动化信息处理、终端远程控制于一体的业务中台。解决企业日常运维、信息采集、多系统协同中的重复性劳动问题，通过AI技术实现部分环节的无人值守。
2、核心功能模块
AI对话与推理模块：基于大语言模型的智能问答与决策支持，可辅助业务分析。
浏览器自动化模块：模拟用户操作网页，自动完成数据抓取、表单提交等任务。
情报API服务：对外提供结构化数据接口，支持第三方系统集成。
终端远程管理模块：通过WebSocket实现远程服务器命令执行与日志查看。
主控调度中心：统一管理各模块的任务队列、健康检查和异常告警。
3、业务流程
用户通过前端界面（或API调用）提交任务请求 → 主控中心解析任务类型 → 分发给对应的AI/自动化模块执行 → 结果存入Redis缓存并同步MySQL持久化 → 最终返回给用户。整个过程支持异步和同步两种模式。
包装袋生产日期检测
一、立项背景和目标
在现代工业化高速包装产线上，喷码漏印/错印/重印以及包装破损、封口不良等缺陷严重影响出厂合格率，传统人工抽检方式效率低、易漏检且无法做到全检。本项目面向高速自动化流水线，构建了一套“工业级 OCR 生产日期识别与表面缺陷在线智能质检系统”，实现包装表面特征毫秒级全检，并与产线 PLC 控制系统无缝联动，实现残次品 100% 自动定位与精准剔除。
二、软件功能与核心功能模块
1. 工业相机触发与高速图像采集模块：支持光电传感器外部硬件触发（Hard Trigger），实现微秒级曝光同步抓拍高速运动工件。
2. 喷码字符定位与 OCR 文本解析引擎：自适应定位生产日期、批号、保质期等变动喷码区域，执行多角度倾斜矫正、字符分割与高精度内容识别，并与生产工单标准文本实时核对校验。
3. 包装表面与封口缺陷检测模块：结合形态学与深度学习分割算法，实时识别包装漏液、褶皱、划痕、压边残缺及喷码模糊等外观缺陷。
4. PLC 通信与气动剔除协同模块：集成工业总线/串口通信协议，将检测判废结果与编码器脉冲位置同步传递给下位机 PLC，驱动气动电磁阀/机械推杆完成剔除动作。
三、业务流程与功能路径
工件流经检测工位 -> 光电信号触发工业相机抓拍高清图像 -> 图像处理流水线执行字符 OCR 结构化比对与表面缺陷检测 -> 综合判定工件良品/不良品等级 -> 判定为 NG 时通过工业通信协议向 PLC 发送剔除信号与编码器追踪位移 -> 机械剔除机构在指定位置将废品吹出/推入废品箱 -> 实时记录检测报表与瑕疵原图归档。
工作状态监测
一、立项背景和目标
在数字化工位管理、智慧办公与特种作业安防场景中，传统考勤系统仅能记录出入打卡，无法实时感知员工在岗状态及异常作业行为。本项目基于瑞芯微高性能边缘计算平台 RK3588，构建一套边缘侧低功耗、高实时性的“人脸识别与工作状态智能监测系统”，实现无感身份核验、在离岗检测及专注度/违规作业状态的边缘端一体化实时分析。
二、软件功能与核心功能模块
1. 高性能视频流采集与预处理模块：支持多路 RTSP/MIPI-CSI 高清工业摄像头视频流接入，利用硬件编解码单元（MPP）完成硬解与图像色彩空间转换（RGA）。
2. 边缘端人脸识别与活体检测模块：基于深度学习模型实现人脸快速检测、关键点对齐、RGB+红外双目静默活体防伪及本地特征库千万级特征向量秒级比对。
3. 工作状态与行为分析引擎：结合人体姿态估计与工位 ROI 区域检测，实时分析在岗/离岗时长、低头玩手机、脱岗疲劳打瞌睡及异常离席等工位状态。
4. 告警联动与边缘数据上报：支持状态异常事件触发抓拍、本地低延时告警，并通过 MQTT/HTTP 将脱敏状态数据结构化上报至企业中台。
三、业务流程与功能路径
摄像头实时输入视频流 -> RK3588 硬件解码与 RGA 图像裁剪缩放 -> NPU 驱动执行人脸识别算法完成身份绑定 -> 并行推理工位人体姿态与行为检测模型 -> 业务逻辑状态机聚合判定工位状态 -> 触发本地声光/日志告警并异步上报管控后台。
AI量体裁衣（日本公司外包项目）
一、立项背景和目标
传统西装高级定制高度依赖人工线下精准量体，存在服务门槛高、流程繁琐且难以实现规模化线上服务的问题。本项目旨在构建一套基于图像的“AI智能量体裁衣与穿搭顾问系统”，用户仅需上传全身照片，即可全自动解算西装定制所需的关键人体围度与骨骼几何数据，并依托智能体生成定制化穿搭与版型建议。
二、软件功能与核心功能模块
1. 图像采集与预处理模块：支持用户正面/侧面全身图像输入与图像质量自动化校验。
2. AI视觉量体计算引擎：集成人体关键点检测与三维人体参数化模型重构，精准拟合躯干网格并解算出肩宽、胸围、腰围、臀围、袖长、裤长等西装核心剪裁指标。
3. Coze AI穿搭咨询与决策工作流：将解算的量体数据、身形比例特征通过API传递给智能体，智能输出版型选择（修身/标准/宽松）、面料色彩及场合穿搭策略。
4. 服务端API与工作流协作：提供高并发服务端接口，实现图像上传、算法解算、结果回传与穿衣报告生成的全链路闭环。
三、业务流程与功能路径
用户上传人体图像 -> 系统调用人体检测与3D Mesh重构管线计算三维点云与骨骼关键点 -> 计算西装定制各项围度与长度参数 -> 结构化数据接入Coze智能体API工作流 -> 生成包含“精准量体数据 + 智能西装穿搭建议”的综合报告。
改进ProGAN的小样本纹理生成系统
1. 立项背景和目标：
针对传统ProGAN在生成高分辨率纹理时存在的模式崩塌、细节模糊及训练不稳定性问题，本项目旨在构建一套高保真纹理生成系统。目标是通过算法优化，实现4K级无缝纹理的自动化生成，解决游戏与影视制作中美术资产生产效率低、重复度高的问题，将单张高质量纹理的生产时间从数小时缩短至分钟级，并显著提升生成结果的多样性与真实感。
2. 软件功能、核心功能模块的介绍：
系统包含三大核心模块：
改进型生成对抗网络核心：引入自适应实例归一化与谱归一化技术，优化ProGAN的渐进式增长策略，增强高频细节表现力；
纹理后处理与优化模块：集成超分辨率重建与色彩校正算法，自动修复生成瑕疵，支持PBR材质贴图（法线、粗糙度等）的一键导出；
交互式评估看板：提供FID/IS指标实时监控与人工偏好反馈接口，支持用户通过文本或草图引导生成方向。
3. 业务流程、功能路径描述：
用户输入参数或参考图→系统初始化噪声向量→进入改进的ProGAN渐进式生成流程（从低分辨率逐步上采样至目标分辨率）→经过判别器多尺度校验→输出基础纹理→通过后处理模块增强细节→最终交付高清无缝纹理资产并自动归档。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服