飞龙的案例列表

项目简介：负责在电子制造工厂场景中，基于工业相机采集的 PCB 板图像数据，完成整套 AI 缺陷检测系统的研发任务，包括数据处理、缺陷检测模型训练与调优、推理部署与后处理优化。项目职责： 1分析常见 PCB 缺陷类型（如开路、短路、焊盘缺失、异物等）并构建对应检测策略； 2构建数据标注方案，设计数据增强流程，处理不平衡样本与类别； 3基于 YOLO 系列与轻量 CNN 网络完成模型搭建、训练、剪枝与部署； 4应用图像增强与图像预处理技术，提升小目标与细节检测准确性；...

YOLO 实时嵌入设备安防检测

人工智能-其他飞龙

1 利用深度学习网络Faster R-CNN进行道路行人的检测与识别，用于安防，自动驾驶。主要包括精确找到物体所在位置，并标注出物体的类别。 2 利用深度学习网络YOLO进行目标检测，主要优化模型在嵌入式设备上的运行效率，在智能家居监控系统中集成，实现实时人员和异常物体检测，降低误报率 15%。...

基于DeepSeek搭建客服、医疗智能体

人工智能-其他飞龙

项目简介本项目基于深度求索（DeepSeek）官方大模型，结合LoRA低秩适应技术进行高效微调，并引入RAG框架实现知识库检索与对话生成相融合的智能体搭建。项目职责 1 负责梳理企业客服与医疗场景的核心需求，设计对话流程与知识图谱，并搭建文档与数据库的检索管道。 2 基于DeepSeek R1模型，采用LoRA微调策略，仅调整低秩矩阵，冻结主干权重，显著降低显存占用并实现高效定制化训练。...

基于OpenPose实时健身动作检测系统

人工智能-智能硬件飞龙

【项目描述】针对健身场景中用户动作不规范易导致受伤的痛点，开发了一套基于计算机视觉的实时动作检测系统。系统通过OpenPose提取人体关键点，后进一步优化为PointNet为基础的3D点云结合的系统，结合运动生物力学规则分析动作质量，实现深蹲、硬拉、卧推等10+健身动作的实时规范性判断，提供可视化与语音反馈。【项目职责】主要负责网络模型的算法部分。使用python语言，Pytorch框架，Openpose算法【代码量9000行】为提升系统对复杂环境的鲁棒性和空间理解能力，进一步将关键点转换为3D点云表示，引入 PointNet 架构，实现动作在三维空间中的精确识别；...

------ 加载完毕 ------

飞龙的案例列表

飞龙

PCB缺陷检测算法开发和部署

YOLO 实时嵌入设备安防检测

基于DeepSeek搭建客服、医疗智能体

基于OpenPose实时健身动作检测系统