1. 该业务监控平台实现了对某个业务上所有组件和服务的监控，当业务办理出现故障，第一时间定位到故障并进行修复，或者单个服务和模块发出告警后，第一时间进行修复避免业务办理受阻，所有服务和组件的指标采用不同的数据库进行采集和存储，并对采用智能阈值算法实现了对各个指标的自动告警，并将所有指标趋势和业务链路的告警点都在web端进行展示。涉及技术有：python，java，influxdb，机器学习，clickhouse，web开发等 2. 我负责：智能阈值算法开发，java后端各种指标的数据查询接口开发，业务链路上各个服务告警点的接口开发

1. 该项目基于python,tensorrt,yolov5以及pyqt5库，通过对网络摄像头的rtsp流的读取，实现了监控下施工现场的头盔检测，主要工作分为四个部分，labelme数据标注，算法模型训练和优化，pyqt5应用端展示，模型tensorrt推理加速部署 2. 我负责： 数据标注和应用端展示程序开发以及算法模型的训练和优化

本平台主要功能是训练深度学习的缺陷检测算法模型，目前支持目标定位算法，图像分割算法以及图像分类算法。主要分为数据管理、工程管理、模型测试、任务管理和资源管理5个部分。 功能：1. 数据管理：可以上传labelme标注完的数据，删除数据，查看数据基本信息，如图片数量和每个类别标注框的数量 2 . 工程管理：上传完数据之后需要创建工程训练，工程管理模块可以创建训练工程，修改创建工程，删除创建工程，训练工程，模型转换，模型下载等 3. 模型测试：选择训练完的工程，并上传图片测试训练好的模型效果 4. 任务管理：查看正在训练的工程或者训练完成的工程的训练状态 5. GPU资源管理：查看GPU的状态 我负责：采用streamlit和python基于yolov8算法实现，本项目由我个人完成