Python

1、项目主要有以下几类模块： 1）QT界面设计制作（简易）；2）数据爬取逻辑设计；3）数据存储方式及清洗等。 2、QT主要使用python的pyqt5模块技术实现；主要通过python语言作为主项，然后通过node环境处理提前整理好的JavaScript作为辅项，实现整个数据逻辑；最终数据存储方式未mongodb数据库中作为第一数据，通过中间脚本（提前制作好的清洗数据模块），将清洗后的数据放入MySQL数据库中。 3、本次项目的难点主要是，数据爬取逻辑模块：涉及第三方逆向处理，耗时较长；账号池的维护：（账号来源、维护逻辑等）；在账号的前提下，IP显得比较容易。

数据集成：系统需要能够集成各种自然资源的数据，包括地理位置、类型、规模、使用情况等。 数据管理：系统需要提供强大的数据管理功能，包括数据录入、修改、删除、查询等。 数据分析：系统需要能够对数据进行各种分析，包括趋势分析、空间分析、预测分析等。 立案查处：系统需要提供立案查处功能，包括案件录入、处理、追踪、报告等。

本系统是一个Vue前端框架整合element ui组件库并配合后端Springboot框架开发的管理系统，共分为三个模块：管理员模块、销售人员模块及经理模块。管理员主要是对用户、权限等基本信息进行管理；销售人员模块主要实现票务的预订，其中又将其细分为三个子模块，分别为活动选择、座位选择及票据生成；经理模块主要是对销售数据进行分析，并以统计图的形式展现。

和加拿大公司The Daily Scrum（TDS） News合作，非开源，主要功能为通过API爬其他大型新闻网站的新闻，交于ChatGPT rephrase，重新生成新的新闻。 整个项目分前后端，前端负责网页设计，后端负责爬取新闻，对新闻分类，交由ChatGPT生成全新的文章，保证合法性，部署于亚马逊EC2服务器并自动化生成发布到网站上。 我主要负责后端爬取新闻，API连接，与对方公司网站后端对接与部署（包括自动化发布），和github Action 可用性测试代码保证项目顺利运行

模型训练，处理并识别图片和视频手语，输出对应文字/单词（用的是keras和torch） 我主要负责视频处理和训练，三种模型，CNN-RNN（分别处理空间特征和时间特征）；预处理InceptionV3+RNN；自训练预处理CNN+RNN

1.项目为数据处理中间层 2.本人负责airflow流程规划设计，python api与sparksql的功能编写，用groovy编写pipeline去实现自动化部署k8s的等功能。 3.项目难点在于airflow的整体设计，如何一层一层依据业务部署；使用redis去解决python代码中的一些并发场景，充当锁的功能。

使用socket接受UDP数据，使用字典解析接收到的数据，使用pyqt6开发GUI，绘制仪表，设置信号槽处理UDP接收，发射信号

名称: quick-msg 简介：无需安装Kafka等消息中间件就能使用消息队列的服务。 安装说明: 编辑 config.ini 执行 ./qmsg config.ini 硬件要求 操作系统：RHEL, CentOS,Ubuntu,macOS 10.13+ 软件：glibc 2.12+, x86_64, x86_32 内存：最小1GB以上 本地存储：最小1GB以上 网络：最小百兆网卡

名称：quick-mysql 简介：一键快速安装mysql，程序无序修改自动支持分库分表，完全透明。 安装说明： 编辑config.ini 执行 ./quickmysql -i config.ini 进行安装 删除 ./quickmysql -r config.ini 进行删除 硬件要求 操作系统：RHEL, CentOS,Ubuntu,macOS 10.13+ 软件：glibc 2.12+, x86_64, x86_32 内存：最小1GB以上 本地存储：最小1GB以上 网络：最小百兆网卡

1、给半砖科技公司做的微信公众号会员管理系统，服务号可实现会员注册、登录、充值、查询等功能。会员在客户的桌面端产品可扫码计费使用软件服务。 2、本人负责服务全过程搭建。包括Centos云服务器和Mysql数据库部署和运维，微信服务号UI和交互制作，桌面端产品的微信API对接。

一个基于开源聊天软件zulip修改的聊天系统。将zulip基于K8s微服务化，是的它能够快速扩展，响应更多用户的请求。

1.参与中石油：生产指挥调度系统、中石油数据湖、中石油erp等建设 2.参与中海油：物资标准化建设、物资累数仓建设、物资数据治理、财务一体化平台等。

1.参与中石油：生产指挥调度系统、中石油数据湖、中石油erp等建设 2.参与中海油：物资标准化建设、物资累数仓建设、物资数据治理、财务一体化平台等。

南方电网项目 我团队曾经从事南方电网行业交付 如 供应链金融、数据中台、数据资产、企业级app、内网商城等。 我团队曾经从事国家电网行业交付 如 一体化平台、财务、设备、项管、ERP等。

本任务主要用于统计高速路车流量和景区人流量。 •项目实现： ①.目标跟踪是目标检测的更高级用法，主要解决问题是能正确识别不同帧之间的同一个目标，而不是仅仅是同一类目标。 ②.使用yolov8分类器和DeepSort跟踪器识别车辆和行人并训练其ID； ③.MatchingCascade(级联)：对detection使用匈牙利算法找到最小成本的匹配，在每个连续的帧之间确定每个目标的ID； ④.卡尔曼滤波分预测阶段：根据系统的动态模型对系统当前状态进行预测，并预测系统状态的协方差(表示不确定性)，预测的结果作为下一更新阶段的输入；更新阶段：滤波器使用新的数据来修正预测结果。这里涉及到卡尔曼增益，决定如何在预测和实际检测之间去平衡，然后滤波器会更新状态估计和状态协方差； ⑤.马氏距离：实现代价矩阵门控的函数，使代价矩阵中的不可行条目无效。对每一个检测和跟踪的匹配计算马氏距(MahalanobisDistance)作为门控阈值，如果马氏距离大于预定阈值，说明该匹配不可行。

项目要求：批次不同LOGO图案及文本信息不同，需要在规定的时间内进行LOGO匹配和文本识别，目前版本数有8种。 一、技术栈和项目流程： 1.取图，对图片进行分析总结。每张图片分为两个区域（文本区和LOGO区），并对LOGO进行取图保存； 2.用labelImg对图片标注为2类，用yolo模型进行分类定位（文本区：1类、LOGO区：2类）； 3.对分类结果分别处理： 1).LOGO区用knnFlann算法进行模版匹配； 2).文本区用paddleocr进行文本识别。 4.由于现场硬件限制，使用 openvino对模型进行加速； 5.基于VS使用C++对算法进行编译，生成 DLL文件，供现场调用。 二、openvino的具体操作： 1.cmake、cuda、cudnn等 环境配置和安装； 2.安装openvino，配置环境变量； 3.在tools/export_onnx.py 将权重文件转成 onnx格式，然后再转成xml格式，供VS调用； 4.vs编译，生成dll文件，供客户端使用 三、项目的难点及解决方案： 1.logo匹配：由于现场相机打光不是很好，导致原图叫暗，不能准确匹配。解决方法：在图像处理中使用增加对比度（cv2.convertScaleAbs），将图片变亮； 2.文本识别中，错误率较高，如字母C识别成0，S识别成3/9等。通过数据增强、调整learning_rate、max_text_length、和适量增加样本集进行调整训练，准确率有所上升； 3.对模糊图片进行预处理，也可以提高准确率。

前端：获取数据集(扫描仪扫描试卷上传至从阿里云，然后从阿里云获取数据集)； 图像处理：对获取的数据集进行处理，实现自动识别判卷，生成学情(学生信息、得分、错题题号等)；yolov5模型+opencv 后端：(对学情进行统计并发布) 一：yolov5模型训练 1.使用yolov5s对答题卡信息(考号、单选、多选、判断、填空和主观题)等进行分类训练 ①.以PASCALVOC的格式构建数据； ②.数据集格式转换，格式为x1，y1，x2，y2，type。(x1，y1)(x2，y2)分别表示左上角和右下角，type用0-5的整数对应；主要库os，cv2； ③.训练集、验证集、测试集的数据划分，比例3：1：1； ④.修改配置文件：新建一个.yaml文件(train.txt、val.txt、test.txt) 二、OpenCV对yolo模型预测结果进行后处理： Ⅰ、第一步拿到图片，根据二维码进行正反面排序； Ⅱ、每个考生和图片数量进行对应，再根据答题卡的左上角小黑块进行旋转，保证正面图片进入模型； Ⅲ、根据yolov5模型预测返回的类别标签和相应的坐标，然后使用np.lexsort根据坐标(x，y)值进行排序，返回升序后元素对应的索引，根据索引匹配相应的labels；再根据坐标进行裁剪； Ⅳ、各个题目类别的处理： 1、识别二维码(主要依赖第三方包pyzbar)，返回学生信息(年级、姓名和考场号，判断是否为本场考试)： ①.对ROI图片进行灰度处理，然后使用pyzbar进行识别获取二维码中的内容数据， ②.对得到的内容数据解密：使用PBKDF2生成解密私钥，然后使用AES进行解密。 2、是否缺考处理 ①.拿到ROI图片size； ②.使用GaussianBlur和Cannny进行去噪边缘检测； ③.findContours，boundingRect进行轮廓查找并计算外接矩形，获取(x，y，w，h)，通过切片获取涂卡区域； ④.使用np.logical_or(thresh，mask)*np.where(thresh==0，mask，thresh)对比两个数组，取非零值； ⑤.cv2.countNonZero统计黑色像素，然后和总像素值求比值，再根据设定的阈值得到是否填涂缺考标记；

简单基础的语音数字识别程序 基于数万个音频数据训练 包括模型构建，训练和实用 可以识别数字0到9，准确率达到99%

一个简单的图像识别程序 基于数万张图像数据训练 包括模型设计和实际使用 可以识别10种服装，有20000个验证图像，通过输入号码查看

通过定制好的数字人模型和语音生成直播视频，与直播间观众实现互动交互，通过触发设置的关键词，调用产品库的接口实现话外音的互动。