涂装线自动控制系统

为应对复杂环境下手势识别准确率低的挑战，本项目旨在训练一个轻量化实时识别模型。系统通过摄像头捕捉手部关键点，利用时序网络分析动作序列，核心功能是精准分类静态手势与动态滑动手势，实现低延迟的人机交互控制。

基于传统算法与YOLO的手机壳缺陷检测系统 一、立项背景与目标 手机壳生产环节中，划痕、气泡、毛边、色差等缺陷直接影响产品良率与用户体验。传统人工检测效率低、误检率高，难以满足大规模产线需求。本项目融合传统图像处理算法与YOLOv8目标检测模型，构建高精度、高效率的自动化缺陷检测系统，实现手机壳表面缺陷的实时识别、定位与分类，目标将检测准确率提升至98%以上，检测速度控制在0.5秒/件以内，显著降低人工成本与漏检率。 二、软件功能与核心模块 图像采集模块：支持工业相机实时采集手机壳多角度图像，自动触发拍照与图像预处理（灰度化、去噪、增强对比度）。 传统算法模块：基于OpenCV实现边缘检测、形态学操作、模板匹配等算法，用于快速筛查明显缺陷（如毛边、缺角）。 YOLOv8缺陷识别模块：训练专用缺陷数据集，实现对划痕、气泡、凹陷、印刷偏移等复杂缺陷的精准识别与定位，支持多类别输出。 结果融合与决策模块：综合传统算法与YOLO结果，通过置信度加权与规则引擎输出最终判定，支持缺陷类型、位置、严重等级标注。 人机交互界面：提供实时检测画面、缺陷热力图、统计报表、历史数据查询、报警推送等功能，支持参数配置与模型更新。 三、业务流程与功能路径 图像输入：工业相机采集手机壳图像 → 图像预处理 → 输入检测系统。 双路并行检测： 传统算法路径：边缘检测 → 形态学处理 → 缺陷初筛。 YOLO路径：图像输入 → YOLOv8推理 → 缺陷定位与分类。 结果融合：双路结果比对 → 置信度加权 → 最终判定（合格/不合格+缺陷类型）。 输出与反馈：显示缺陷位置与类型 → 生成检测报告 → 触发分拣机构 → 数据存入数据库 → 支持历史追溯与模型迭代优化。

为市场分析、行业研究人员开发的公开数据自动化采集与整理工具，可对公开的行业资讯、商品价格、公开榜单等合规公开数据进行定时采集，自动解析、清洗数据，并按用户需求生成结构化的 Excel 或 CSV 数据文件，支持定时任务配置，实现数据的自动更新，为用户提供高效、稳定的数据支持。

技术栈：SpringBoot（Java）、阿里 AgentScope（Python）、Redis中间件、MemOs记忆系统、OSS、多智能体、Skill 技能系统、工作流剧本 项目简介： 企业级 AI 智能体平台，以多智能体协作 + 技能编排 + 工作流 + 记忆存储为核心，支撑智能客服、业务自动化、数据核对、日程管理等场景。

一、立项背景和目标 网文市场对高武都市爽文类型需求旺盛，但人工写作速度慢、质量不稳定、长篇连载节奏难以保障。本项目以AI辅助工业化小说创作为核心目标，构建一套可量产、可复现、质量可控的AI小说生成流水线，并最终形成可迁移至其他题材的通用小说生成工程体系。 二、软件功能与核心模块 系统由多个专项技能模块构成。novel-architecture负责世界观与设定生成，包括势力划分、修炼体系、主线冲突框架。novel-charac ter负责角色状态的全程追踪与更新，管理角色境界、关系网络及已退场人物。novel-outline负责400章全景大纲规划与Sprint任务卡 切分。novel-chapter是核心写作模块，采用分段生成策略，每段500到1000字逐步输出章节正文。novel-context负责跨Sprint上下文 加载，解决长篇创作中的记忆断层问题。novel-review执行15项维度的章节审查，涵盖逻辑、节奏、伏笔、角色OOC等。novel-memory- guard提供6项记忆一致性门禁检查。elatia-humanizer-zh专项消除AI写作痕迹，提升文本自然度。此外系统设有6道质量门禁，分别把 控字数、审查结果、一致性、打脸质量与爽点节奏。 三、业务流程与功能路径 系统采用三角色Harness架构驱动整个流水线，角色分别为Planner、Generator、Evaluator。 Phase 0为规划阶段，Planner读取400章大纲，将其切分为若干Sprint任务卡，每批5章。Phase 1为一次性初始化，依次执行世界观生成、角色初始化、章节目录生成，完成后通过字数规模校验门禁。Phase 2为核心的Sprint循环生成阶段，每轮Sprint先由novel-context加载历史上下文，再由Generator逐段落写作；每段完成后Evaluator执 行节流检查，通过则继续，失败两次以内则重写当段，失败超过两次则暂停等待人工介入。章节写完后依次通过字数校验、15项审查、 6项记忆一致性检查、5项打脸质量检测，全部通过后将结果回写至全局摘要、角色状态、叙事记忆等文件。Phase 3为节奏检查，每3章触发一次小爽点确认，每10章触发一次大爽点确认，确认通过后进入下一Sprint。