1、基于Yolov3的深度学习模型，专门用于实时监控施工场地。该系统能够自动识别和追踪工地上的各种工程车辆，如挖掘机、推土机等，从而实现对潜在安全风险的及时预警。该项目不仅提高了监控效率，还显著增强了现场安全管理能力。
2、使用图神经网络技术，开发了一个预测分子属性的模型，该模型能够帮助科学家更好地理解分子结构与其性能之间的关系，从而加速新药的研发过程和材料科学的创新。此技术的应用显著提高了研发效率，减少了实验室测试的需求。
3、利用基于PointNet的深度学习模型，进行飞行器表面压力的预测，这对飞行器的设计和维护至关重要。此技术提供的精确预测帮助工程师优化设计，确保飞行器的性能和安全，同时降低了维护成本和提高了运行效率。