人工智能

1.项目分为 设备通讯，设备数据采集，数据分析，报表打印 有一个简单清晰的人机交互页面与设备通讯 2、我负责全部的开发任务，整体采用c#实现。 最终让用户简单明了的查看设备传回来的数据并进行打印操作 功能比较少，但是非常实用

功能模块 （1）用户注册和认证：用户可以通过手机、邮箱、社交媒体等方式注册账号，并且通过特定的 认证机制保证用户真实身份。 （2）话题帖子：为用户提供发表和参与讨论的平台，让用户可以自由选择话题，讨论学习和社 交相关的问题、热点与事件，积累和分享学习经验，提高交际能力和沟通技能，增强用户的参与 度和归属感。 （3）社交互动：该平台提供了聊天、互动、研讨、发起活动等社交功能，增强同学之间的沟通 和互动。 （4）赛事组队：帮助用户在学习之余增加娱乐和运动性，促进学生之间的互动和协作，提高学 生的社交和管理能力。 （5）校内活动：让用户可以不仅局限于线上学习，参与更多有趣的活动和社交，丰富学生大学 生活。 （6）课表功能：让用户可以更加有效地管理自己的学习时间，提高学生的管理和规划能力，将 学习的有序性提高到更高的水平。 （7）代币兑换：用户通过平台创作、分享学习资源、参与社交互动等行为，获得对应的代币奖 励，可以在平台上兑换实物或虚拟物品，增加用户对平台的参与度和忠诚度，同时提高平台的活 跃度和贡献度 使用技术栈 （1）前端框架：使用流行的前端框架 Vue、微信小程序框架等，辅助开发团队实

作为一名具有多年分割、分类、检测算法编写经验的工程师，我能够为您提供高质量，高效率的个性化服务。我熟练掌握各种领域的算法，并能够根据客户需求进行定制开发。如果您需要优秀的工业、监控分割、分类、检测算法编写服务，请与我联系，我会竭尽所能，为您提供最好的解决方案。

首先第一次接触的时候完全看不懂都是上网摸索着如何学习新的技能，反正现在也是在大学期间时间多完全可以多学一些其它知识丰富自己也可以为自己多找一个吃饭的路子

一款整合了各种花语的APP，已在android 28 版本经过多次测试，全部由Kotlin编写，项目结构清晰，复用性较高，可供广大开发者学习。

ETC自助服务终端 硬件： 主机 i5 8G 128G obu发行：驰卡obu发行器 三合一读卡器：驰卡5570读卡器 小票打印机：美松np80A打印机 a4热敏打印机：励能808 高拍仪：林慧通高拍仪 吸入式身份证读卡器：创自吸入式二代证读卡器 摄像头：双目摄像头 灯控板：灯控板（人体感应） 广告屏：广告屏 桌面软件：electron,uniapp 动态库：c# 系统功能： etc申办：手机号验证，驾驶证验证，银行卡验证，obu设备自助发行激活 etc充值：etc卡信息读取，写入，支付宝微信支付充值 etc查询：查询充值，消费记录 etc咨询：查询各类问题，在线视频客服 etc售后：etc设备回收

作为一名具有多年分割、分类、检测算法编写经验的工程师，我能够为您提供高质量，高效率的个性化服务。我熟练掌握各种领域的算法，并能够根据客户需求进行定制开发。如果您需要优秀的工业、监控分割、分类、检测算法编写服务，请与我联系，我会竭尽所能，为您提供最好的解决方案。

1、对切割完的晶圆进行AOI检测，检测外观瑕疵，ID，脏污，结构缺陷等。 2、前期对样品进行拍照，测试，实现检测算法。 3、难点在于算法兼容性。

作为一名具有多年分割、分类、检测算法编写经验的工程师，我能够为您提供高质量，高效率的个性化服务。我熟练掌握各种领域的算法，并能够根据客户需求进行定制开发。如果您需要优秀的工业、监控分割、分类、检测算法编写服务，请与我联系，我会竭尽所能，为您提供最好的解决方案。

Arduino系列主板硬件控制开发 树莓派主板系列 STM32主板系列 快速硬件产品原型开发 模型制作开发，创客竞赛作品，机器人开发，科技展示模型产品开发 做过非常多的作品100+，不少在省教育局、科技馆展示，获得省级科技竞赛作品10+，市级获奖作品30+，区级获奖60+

• 对说话人识别系统进行后门攻击 o 设计了一个白盒后门攻击系统，使用 VoxCeleb1 数据集和数据污染，攻击基于 ResNet-34 的说话人识别 系统和开源说话人识别平台 Kaldi。这是首个全面攻击说话人识别系统的工作。 o 设计了两个常见说话人识别任务的数字和物理后门攻击:说话人验证任务和闭集说话人识别任务。 o 在这两个任务上实现了 89%以上的数字攻击成功率和 70%以上的物理攻击成功率(ISPEC 2022, Long paper)。 • 通过文本数据增强以提升 NLP 模型的性能 o 通过创建同义词和反义词样本以及特征空间优化来微调RoBERTa。在文本分类任务中比基准RoBERTa 模型准确率提高了约 5.4%，在文本相似性任务中达到了约 0.907 的皮尔逊积矩相关系数。 o 使用数据增强方法将SQuAD问答数据集转换为掩码语言模型数据集，以丰富域外数据的代表性， 并微调了 Hugging Face DistilBERT 模型，将其问答性能提高了约 3.3% (基于 F1 分数)。 o 对Covid19推文文本进行数据增强以预测转推次数，在LSTM-GRU上实现

抖音直播间人气、全自动话术发言，游戏脚本，模拟脚本，协议脚本；抖音直播间人气、全自动话术发言，游戏脚本，模拟脚本，协议脚本

鲸麦工作台是一个主要面向亚马逊跨境电商卖家、产品开发、工厂、设计师的SaaS应用。 功能模块: 1. AI大脑: 1. 产品设计: 使用AI工具生成产品图，为产品设计师提供产品设计灵感。 2. AI撰写listing: 使用AI工具为亚马逊卖家生成listing标题、卖点、描述。 2. 市场洞察: 1. 搜索趋势: 抓取亚马逊listing数据，通过大数据分析挖掘出排名榜单。 3. 消费者洞察: 1. 产品分析: 抓取一条listing的所有评论信息，并用AI工具对评论信息进行分析，总结其产品的优点、缺点、用户期望、用户画像、使用场景、购买动机，并生成总结分析报告。 4. 套餐购买 5. 积分充值 6. 积分明细

当事人与律师的距离，只在屏幕间。 该项目主要功能分为： 1 商城功能 2 法律条例查询 3 找律师咨询聊天 4 打官司 5 拼团功能 只是为了给有相关问题的朋友，进入一个聊天的群，进行交流。 该项目最主要的目的就是找律师，跟法律相关，总而言之： 可以让普通用户随时随地都可以找到律师朋友~

QMS 项目作为 MOM平台的一个微服务，主要包括 IQC IPQC MIL MRB 等业务流程；架构采用微服务使用 consul ocelot 作为服务注册与 网关管理；后端使用.net core 5.0,mvc 前端采用 vue3.0 ；并集成各种流行高效组件如 MongoDB Redis ELK SqlSugar Nlog 等等来提交网站性能与客户体验；使用反向代理负载均衡来保证网站安全与稳定；模块化治理与其它各系统集成交互。

根据提供的原始数据图片以及数据标注员标注的图片和VOC格式的文件传入搭建YOLOV5神经网络模型检测识别交通道路情况。

智慧街道项目主要是一款智慧社区的一个解决方案，主要用于智慧城市的具体实施方案： 主要功能模块：管理系统、gis智慧社区、数字孪生街道场景 负责：除建模外的前端开发工作

项目属于前后端分离，前端使用H5页面以及vue框架构建页面，或者使用微信小程序开发。 网关使用的是Nginx代理服务器作为地址的转发，以及集群的Tomcat配置分发。 应用层主要就是使用Spring一系列技术，SpringSession是用来解决集群session共享的问题，数据层使用的MyBatis与数据库交互。 代码管理工具使用的是Git以及Maven仓库。

1. 设计管道内表面缺陷检测系统的方案，并对管道内表面缺陷检测系统的流程进行设计和阐述。将系统分为三个模块并对三个模块的内部处理过程进行描述。 2. 构建柱面转换模型，设计柱面转换算法。采用张正友棋盘标定法补偿镜头畸变，结合柱面转换算法实现对管道图像的柱面展开和去畸变，并对实验结果进行分析。 3. 基于现有的Yolov5网络结构对NEU-DET金属表面缺陷数据集进行学习检测，实现对金属表面缺陷的高精度识别、分类和定位，并与其他主流的网络检测模型比较精度结构。 设计了管道内表面典型缺陷的检测系统，并研究了管道内表面典型缺陷图像的转换方法。实现对管道内表面图像的畸变校正和柱面展开以及平面金属缺陷的分类、识别和定位。第一，基于相机标定方法对实验所采用的相机进行标定，得到使用相机的内外参，初步对采样的管道图像进行畸变校正；第二，建立管道柱面展开模型，编写管道柱面展开算法，并对采样的管道图像进行柱面转换，提取柱面转换后图像的特征点并与柱面转换前的特征点的面积特征进行对比，验证柱面转换模型的有效性；第三，利用Yolov5神经网络对平面金属数据集NEU-DET进行训练，并对训练所采用的超参数不断优化

编写的程序是基于tensorflow框架，主体分为四个部分：神经网络结构，损失函数，数据集读取，神经网络的训练和测试。其中神经网络结构的编写主要包括卷积、下采样(Maxpool)、上采样、归一化、激活、层连接等模块，分别对unet网络模块和unet++网络模块进行了构建，并设定原始图像输入大小和优化器。损失函数采用的是交叉熵损失(mse)和dice损失(dice coefficient)结合的损失函数。数据集读取包括对原图像进行裁剪并按7：2：1的比例划分为训练集、验证集及测试集(其中测试集在源数据下载的时候已经由官方单独存放)。神经网络的训练和测试模块主要包括设置网络训练的迭代次数、步长、步长下降因子等参数，测试模块主要包括对在测试集上测试网络模型的dice值，并对所有的测试集图像进行分割，最后保存网络模型的预测结果。 实验设计的程序改进包括以下四个方面：网络拓扑结构的改进，加入深层监督，增加数据增强模块，优化网络参数。