业务和功能介绍
本项目旨在解决制造企业在复杂价值网环境下能力资源与多任务优化匹配的难题。用于维护企业制造资源信息、任务信息以及调度信息，为多价值链与多任务优化匹配模型的配置、输入准备、输出可视化提供支撑服务。制造企业使用本系统提供的在线制造资源管理、任务管理、自动化任务分解、制造任务状态实时追踪等功能，能够极大程度节约人力成本，提高业务管理的效率和可靠性。此外，制造企业通过本系统可以方便直观地了解到当前订单任务的调度情况、能力制造资源的负载情况以及订单任务的及时交付情况，及时了解到当前生产力和生产调度中存在的风险，为企业生产布局做出及时调整提供有力的信息支撑，帮助企业更好的完成生产任务，提升企业的市场竞争力。
项目实现
本系统集成了五大核心模块
1.制造资源状态管理：实时维护资源实例及其有效负荷、成本、状态轨迹。制造任务管理：支持任务的在线发布及基于工艺路径的自动化子任务拆解。
动态调度管理：通过配置优化目标（如时间、成本），执行智能匹配算法完成任务分配。
异常检测与响应：自动识别资源故障并提供智能重调度恢复策略。
状态监控与可视化：提供实时状态看板与调度甘特图，直观展现订单交付风险。
业务流程描述：
管理人员首先进行资源状态录入；
在发布生产任务后，系统自动分解子任务序列；
接着，调度算法根据实时负载进行智能匹配；
最后通过可视化看板监控全流程进度。
项目实现
1、整体架构和设计思路：
项目采用前后端分离架构，通过用户、前端、后端与 MySQL 数据库的四层交互实现业务闭环 。前端基于 Vue 2.9 + Element-UI 确保交互响应性，后端运行于 Apache Tomcat 9.0.5 服务器环境.
2、我的负责模块和结果：
负责系统核心调度模块的开发，成功集成了强化学习与进化算法 。实现了多目标调度支持（时间、成本、利用率三者不冲突），并在异常发生时，智能重新调度功能可自动移除故障资源并重构最优路径，极大程度降低了人力干预频率。
3、遇到的难点、坑和解决方案：
系统在早期版本中，右侧主界面在未点击侧边栏时会出现“白板”现象。解决方案：通过配置 Vue-Router 的默认子路由，并在首页引入了静态的业务流程导引欢迎页，提升了用户初次登录后的引导体验。
1.制造资源状态管理：实时维护资源实例及其有效负荷、成本、状态轨迹。制造任务管理：支持任务的在线发布及基于工艺路径的自动化子任务拆解。
动态调度管理：通过配置优化目标（如时间、成本），执行智能匹配算法完成任务分配。
异常检测与响应：自动识别资源故障并提供智能重调度恢复策略。
状态监控与可视化：提供实时状态看板与调度甘特图，直观展现订单交付风险。
业务流程描述：
管理人员首先进行资源状态录入；
在发布生产任务后，系统自动分解子任务序列；
接着，调度算法根据实时负载进行智能匹配；
最后通过可视化看板监控全流程进度。
项目实现
1、整体架构和设计思路：
项目采用前后端分离架构，通过用户、前端、后端与 MySQL 数据库的四层交互实现业务闭环 。前端基于 Vue 2.9 + Element-UI 确保交互响应性，后端运行于 Apache Tomcat 9.0.5 服务器环境.
2、我的负责模块和结果：
负责系统核心调度模块的开发，成功集成了强化学习与进化算法 。实现了多目标调度支持（时间、成本、利用率三者不冲突），并在异常发生时，智能重新调度功能可自动移除故障资源并重构最优路径，极大程度降低了人力干预频率。
3、遇到的难点、坑和解决方案：
系统在早期版本中，右侧主界面在未点击侧边栏时会出现“白板”现象。解决方案：通过配置 Vue-Router 的默认子路由，并在首页引入了静态的业务流程导引欢迎页，提升了用户初次登录后的引导体验。
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