本项目目前仍在进行，因涉及保密协议无法完全说明细节，作品图片已经涂抹处理。简单来说，本项目通过对友达光电在不同工况下某种时序信号的分析，做数据清洗，特征提取，特征可视化等基本流程，去判别时序信号来源器件的毁坏程度。

本项目使用PyQt制作前端，Python实现后端的神经图像识别，基于Yolo框架。可以读取摄像头的视频流，可以在线检测目标是否佩戴口罩，并且统计流量结果和日志信息。同样也可以设置佩戴口罩的严格程度，以及是否必须要医用口罩，或普通口罩。

本项目拟研究的基于强化学习和神经网络的路径规划方案，是机器人或无人机在自主导航中的核心技术之一。和传统的人工势场法相比，它可以进行在线学习，具有面对复杂未知动态环境的能力，并且对传感器的要求较低，节约成本。本项目致力于解决机器人遇到大型障碍物时因陷入局部极值而产生振荡的问题，将全局路径规划和局部路径规划进行合理结合，研究局部振荡点检测及排除技术，以及通过仿真得到较优参数。