基于图像识别的智能垃圾分类辅助系统

1、采集产线上所有工位每颗螺丝的数据(扭矩、转角、耗时) 2、将总成码和部件码进行绑定 3、将以上数据存储在本地数据库且推送至公司数据库服务器，展示在数据追溯系统上(web) 4、可在软件界面上手动创建自定义的数据库表 5、自动打码扫码

生产制造ERP系统 — 业务与功能介绍 一、产品概述 本系统是面向中小型离散制造企业的生产管理平台，覆盖从物料主数据、BOM、工艺路线到生产工单、库存、质检、采购、销售的全链路。采用 Go + React + PostgreSQL 技术栈，前后端分离架构，支持私有化部署。 二、核心业务模块 1. 物料管理 支持原材料、半成品、成品、消耗品四类物料主数据管理，包含编码、规格、单位、分类、安全库存、最大库存、最小订购量和提前期等完整字段。提供搜索、类型筛选和分页查询。 2. BOM与工艺路线 BOM管理支持版本控制、生效/失效日期、损耗率、关键件标记和多层物料清单。工艺路线支持多工序编排，每道工序可指定工作中心、准备工时、单件工时和外协标记。 3. 生产管理 生产工单覆盖完整生命周期：草稿→下达→进行中→完工→关闭。工单可引用BOM和工艺路线，自动生成工单号，实时追踪工序进度。支持逾期工单预警。 4. 库存管理 采用事务流水+余额快照双表设计，支持入库、出库、工单领料、工单完工、调拨和调整六种事务类型。批次号/序列号全程可追溯，多仓库多库位管理，库存余额支持现有量、已分配量、可用量三级展示。 5. 质量管理 提供来料、过程、成品三类检验方案管理，支持抽样方式和样本量配置。检验结果可关联生产工单、采购收货或库存批次，记录检验结果（合格/不合格/让步）。 6. 采购与销售 采购订单覆盖草稿→审核→收货→关闭状态流转，支持多行明细和金额自动计算。销售订单覆盖草稿→确认→发货→关闭流程。供应商和客户支持完整的基础数据管理。 7. 系统管理 用户认证采用JWT+bcrypt，支持独立登录页和路由守卫。角色-权限体系包含76个精细权限码（14个菜单权限+62个数据操作权限），7个预设角色。支持部门、员工组织架构管理和用户角色分配。 三、技术特性 后端使用Go语言，chi路由框架，原生SQL访问PostgreSQL，45张数据库表。前端使用React 18+TypeScript+Ant Design 5+毛玻璃风格UI。提供78个RESTful API端点，10个后端集成测试和7个前端单元测试。 四、部署方式 支持Docker Compose一键部署PostgreSQL，或连接已有数据库。初始化SQL脚本包含完整建表和种子数据（角色、权限、管理员账号）。前后端独立部署，前端通过Vite代理或Nginx反向代理连接后端API。 五、适用场景 机械加工、电子组装、五金制品、模具制造等离散制造领域的中小型工厂。系统设计遵循BOM→工单→工序→入库的核心生产闭环，适合从接单到交货的全流程数字化管理。

研发项目管理系统 面向化工企业研发实验室的全流程管理平台，覆盖从立项到配方存储的完整闭环。 核心能力 权限与安全：五级角色体系（管理员/主管/项目负责人/实验员/配方管理员），配方数据采用 AES-256 加密存储并支持独立白名单授权，全操作审计日志不可删除，满足化工研发溯源合规。 项目管理：立项→任务拆解→进度跟踪→问题记录→结项归档。自动计算进度百分比，任务支持待开始/进行中/阻塞/完成状态流转，结项时校验所有任务和里程碑是否完成。 实验配方：核心刚需。实验录入支持反应参数动态配置，提交即锁定、不可篡改，更正生成版本快照留痕。实验结果支持合格判定，一键生成打印级报告。配方组分/比例/工艺参数全程加密，支持版本迭代和历史回溯，未授权用户仅能看到脱敏数据。 审批流转：内置立项、物料领用、实验变更、结项四类审批。危化品领用强制审批，非危化品直接出库。审批通过自动执行关联操作（扣库存、改状态），驳回自动回退。 物料样品：危化品台账、出入库记录、库存预警。支持批量出入库，入库需确认后更新库存，出库逐条确认。样品建档→存放→关联实验→溯源链路完整可追溯。 系统组成：React 18 + Ant Design 6 前端嵌套10个功能页面，NestJS 后端提供57个API端点，PostgreSQL 数据库。Docker 一键部署，私有化运行。

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。

立项背景和目标 随着我国电力线路总里程突破200万公里、光伏装机容量连年跃升，传统人工巡检模式已难以为继。巡检人员需翻山越岭、登高作业，不仅效率低下（人均每日仅能巡检5~8公里），更面临高空坠落、触电、中暑等严重安全风险。与此同时，存量设备老化加速，缺陷漏检、误检时有发生，导致非计划停运事件频发，经济损失巨大。国家“十四五”规划明确要求加快工业互联网与能源基础设施深度融合，推动巡检作业向无人化、智能化转型。无人机技术、5G通信、AI视觉识别和数字孪生等前沿技术的成熟，为这一转型提供了坚实的技术底座。 基于此，本项目立项建设一套“无人机智巡智检系统”，总体目标如下：一是实现巡检作业全流程自动化，通过预设航线自主巡航，将单次巡检耗时从平均2小时压缩至20分钟以内，效率提升6倍；二是依托深度学习算法对可见光、红外热成像等多源数据进行实时分析，缺陷识别准确率不低于92%，误报率控制在5%以下；三是构建从任务规划、数据采集、智能诊断到工单派发、整改反馈的完整业务闭环，消除信息孤岛；四是利用数字孪生技术，在三维实景地图上叠加巡检数据，实现空间态势感知与历史数据对比分析，为运维决策提供直观支撑。最终，系统将覆盖输电线路、变电站、光伏场站、石油管道等多种场景，助力企业降本增效、本质安全。 2. 软件功能、核心功能模块介绍 系统共包含六大核心功能模块，各模块协同运转，形成完整能力矩阵： （1）无人机飞控与航线管理模块：支持多品牌、多机型无人机设备的统一注册、健康状态监控及固件升级管理；内置航线库，支持KML/KMZ等标准格式导入，并提供可视化航点编辑工具，可在二维GIS或三维地球上进行航线规划，模拟飞行轨迹，预判碰撞风险。 （2）巡检任务管理模块：提供日常巡检、特殊巡检、应急巡检等多种任务类型；支持单次、周期性、触发式任务调度；任务执行过程中实时接收无人机回传的经纬度、高度、电量、速度等遥测数据，并以动态仪表盘呈现；任务结束后自动归档影像、日志和识别结果。 （3）AI智能识别与分析模块：基于YOLOv8和ResNet等深度网络模型，针对绝缘子破损、导线断股、销钉缺失、鸟巢、树障、异常发热等十余类典型缺陷进行自动检测；支持模型在线更新和增量学习；分析结果附带置信度分数和定位框，并支持人工复核标注，形成闭环优化数据。 （4）数字孪生与三维可视化模块：基于倾斜摄影和激光点云技术构建巡检场景的高精度三维模型（厘米级），在地图上融合显示无人机实时位置、历史航迹、缺陷标注点；支持多期数据对比，通过卷帘工具直观展示设备前后变化；支持空间量测、剖面分析等高级功能。 （5）缺陷管理与工单闭环模块：统一展示所有识别出的缺陷，按严重等级（危急、严重、一般）分级高亮；每个缺陷可一键生成工单，自动关联位置、影像和识别结果，派发给指定的运维班组；支持工单状态追踪（待处理、处理中、已完成）