机器深度学习

本团队密切关注食物系统、危机应对等领域的创新机遇自主研发出了基于AIOT的“AIOT-冷链箱”。本“AIOT-冷链箱”除了能完成市面上基本的保温效果以外，还有5大创新技术，由此本团队将以下我们的5大创新技术分别介绍“AIOT-区块链技术监测官”。 1. 区块链与食品信息结合，保障食品信息安全无法篡改 本团队通过使用以JD Chain为底层开发的区块链接口实现了区块链的调用，并且可将区块链与数据库相连接，实现食品信息数据实时上链。并且当数据库信息被恶意篡改后与上链信息对应不上将会提醒管理员以此保障信息安全。 2. 人工智能与物联网结合，产品功能实现全程自动化 人工智能 (AI) 能够让物联网更好地发挥作用。物联网终端设备通过内置智能功能使AI对人脸、手套等人体属性进行数据分析并随后做出正确的决策，从而保障整个过程无需任何人工操作，进一步保障食品、食材等不被污染。我们将 AI 技术应用在边缘设备上，大大的降低与云分析相关的需求和成本。 3. 区块链与溯源结合，使食品信息溯源公开透明 本团队通过使用以JD Chain为底层开发的区块链接口实现区块链的调用，将区块链与数据库相关联，实现食品信息可实时上链。并且因区块链去中心化特性，用户可查看到公开透明的数据信息，从而密切关注食材从田间到冷链箱所经历的所有步骤。 4. 轻量级设备搭载AI结合边缘计算，满足功能实时体现 本团队利用英特尔第二代神经计算棒（Intel Neural Compute Stick 2）的高运算速度以及Raspberry Pi 4B所自带的入门级 x86 PC 系统相媲美的桌面性能，给用户带来高品质体验。并且结合Raspberry Pi 4B的轻巧且强大的特性以它为核心搭载部署AI，让本团队在保证低成本的情况下实现全部功能。 5. 智能AI主动监测，全程无接触 本团队结合当代新冠疫情大环境，通过Raspberry Pi 搭载的智能AI实现对取/放餐人员检测。本团队主要是对人脸信息，手套，口罩是否佩戴规范进行检测，保障取/放餐的过程对菜品无接触，更好的避免了菜品污染。

个人构建基于酒店咨询类对话机器人 1、项目使用RASA开源框架； 2、项目内加入自己训练的情感识别模型、信息抽取模型、意图识别模型； 3、可以作为酒店有限域对话机器人； 4、项目由本人独立完成。

1、功能是针对用户话术的情感分析，方向为正向，中性、负向； 2、通过开源数据、ChatGPT标注数据、人工标注数据构建数据集； 3、模型选型使用BERT类NLU模型； 4、融合对抗训练等策略训练模型； 5、模型F1达到98%； 6、本人独立完成。

基于yolo的目标识别与检测，通过TOF数据识别机器人充电桩，实现机器人自动找桩充电；由于SLAM的全局定位依赖于当前激光和先验地图的匹配，而先验地图是采用膨胀栅格的方式来表示的，天然存在匹配误差，导致绝对定位做不到毫米级精度，所以通过TOF进行充电桩识别

使用yolov8 与LPRNet开发的车牌识别软件。opencv dnn 模型部署,yolo v8 迁移只训练了5 epoch,LPRNet 5万张 照片同样训练了5 epoch 纯cpu训练。识别率已经在90%以上，两个模型非常小巧。c++开发识别速度非常快

负责客户端工具的开发工作， 1、对高精度地图数据绘制，优化工具交互，提高三维交互友好性，同时美化软件操作界面。对高精度地图数据进行解析和压缩，提供网络传输效率 2、维护当前软件已有的功能，修改用户反馈的bug； 3、参与新客户端的重构需求分析工具。

为一个班级的人员做了人脸识别系统，识别正确率达98%以上，使用卷积深度学习网络以及opencv图像处理模块实现，人脸实时检测

1、我为商业楼宇进行了数学建模 2、为商业楼宇能量管理设计了分层多智能体深度强化学习算法结构 3、用python实现了算法并完成验证

分别针对PC端与手机端进行设备缺陷检测开发，针对电力塔缺陷进行批量图片检测或摄像头实时检测 主要工作为数据清洗、图片标注，数据集构建、目标检测算法开发、PC端进行批量检测、手机端实时检测APP开发 全部工作为一人完成

使用AWS S3+Spark+Airflow架构搭建计算平台 包含家庭能源管理，设备功能AI推荐，智能衣物管理等业务模块(JAVA,Scala,Python) 数据管道，Airflow自定义插件开发

YOLO系列的人脸检测+106个关键点检测 该项目中，检测人脸和检测关键点都使用yolo网络，并且检测输出106个人脸关键点

搭建k8s云原生底座（containerd + calico） 集成NVIDIA GPU插件，实现训练任务调度 设计开发数据集，基础镜像，算法代码，AI模型，在线训练等平台功能

本作品是一种基于 YOLOv5 部署在小型嵌入式设备的远程监测系统，系统采用了 YOLOv5 深度学习算法进行目标监测，通过 YOLOv5 算法识别火焰，浓烟等指标，将检测到的信息以图片和视频的方式发送到邮箱的火灾监测报警系统。

东方化工风格化风格化房管局规划局更好看好看从非常棒v吧徐小凤手动的的上电复三个地方郭富城从v从幸福v吧的法国人大概此变成懂非

为我所就职的企业，开设在线AI课程而准备的小游戏。 1.通过Pygame编写的2d跑酷游戏。 2.通过决策树进行AI学习。AI自动控制奔跑的小猫遇到障碍或者沟壑时的起跳位置以及跳跃高度。 3.游戏可以选择人工游玩或AI游玩，如果选择后者，可以在几分钟内看到小猫的跳跃从完全乱跳到逐渐掌握游玩技巧的全过程。

1.红外传感器模块，K210图像识别模块，自组装轮式小车 2.整个团队负责这个项目，我主要负责算法编程 3.遇到的问题有小车需经过多个避障路段，比如攀爬楼梯，过曲折窄型弯道，刺破对应颜色气球，循迹行驶，使得小车必须具有多功能性，代码鲁棒性要强

基于pytorch框架，编写深度残差神经网络以及实现蒙特卡洛树搜索，同时完成自我对弈代码，通过自我对弈获取训练集，不断迭代。深度残差神经网络包含两个输出，策略输出以及价值输出，这两者将会辅助蒙特卡洛树搜索通过不断训练以达到良好的棋力

建立一套适用于冰雹识别、短临预报和潜势预报AI建模的冰雹天气过程数据集。该数据集包含对冰雹发生发展有指示意义的雷达产品、天气背景数据，以及标识冰雹发生区域和冰雹强度的标记数据。 利用该数据集，基于机器学习技术，可进行冰雹的识别、短临预报和潜势预报。

独立完成 因为想要使用Varian系统Export导出的系统参数做科研，但是没有详细的说明文档，所以爬取Varian系统的相关资料，创建自己的GPTs，作为Dicom图像的答疑助手，提高工作效率。

该项目的目标是实时检测舌苔，并截图保存。需要做到实时检测分析，保存图片清晰，且舌苔部分50%外露才生效。 项目主要由前端app+后端实现组成。前端负责调用摄像头进行视频采集和推送，后端主要负责视频流接收、分析、识别舌苔并保存图片、api管理、流程控制等功能。 主要负责： 1. 基础服务： 整个系统架构设计(技术选型、前后端交互方案、后端设计)、rtmp服务器构建、api服务器构建(数据库管理、缓存管理、用户管理) 2. 模型训练：图片搜集、标注、模型训练及测试微调 3. 项目上线及后续运维