智能补货预测:基于历史销售数据的LSTM预测模型(准确率92%),自动生成采购计划
三维仓储可视化:WebGL开发立体仓库模型,实时显示货架状态与拣货路径
区块链溯源:Hyperledger Fabric记录原料流转信息,扫码即可查看全链路质检报告
技术亮点:
攻克高并发难题:采用Redis缓存热点数据+数据库读写分离,QPS从800提升至3500
自研OCR组件:PyTorch训练定制化票据识别模型,采购单录入效率提升15倍
微服务化改造:将单体架构拆分为6个独立服务,API响应时间降低60%
担任角色:全栈开发负责人(团队5人),独立完成核心算法开发与系统架构设计
项目成果:客户库存周转率提升40%,人工操作错误率下降75%,获2022年省级数字化创新奖
关键词:供应链系统、Django全栈、库存预测、区块链溯源、高并发优化、OCR识别
技术文件云存储、管理平台 项目描述:编程语言为 c/c++
工作参与的项目因为版权问题不便展示.该程序为个人编写及使用.
因为我的大部分代码均未开源,没法给各位老板链接。该爬取脚本内
因为我的大部分代码均未开源,没法给各位老板链接。该爬取脚本内
Ollama上部署的大模型潜在漏洞进行实际利用 1. 将公
主要使用python爬取目标网站对应英文字段名称,从英文翻译
需求方专属客服,免费梳理匹配
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如当前档期不合,也可免费为您推荐相似案例作者