QT

项目概述：一套工业级高精度化妆品灌装系统，实现自动称重、PID控制灌装、自动打印标签全流程自动化。系统特性：-高精度控制：实时读取电子秤重量变化（精度0.1g），PID算法动态调节灌装流量-多设备协同：集成称重模块（/dev/ttyUSB0）、打印机（/dev/usb/lp0）、扫描仪、PCB控制板

本项目主要包含五大核心功能模块：1、多协议设备管理模块：提供图形化配置界面，支持以插件形式动态集成ModbusTCP/RTU、西门子S7、OPCUA等主流工业协议，实现设备的快速添加与数据点（Tag）定义。2、实时监控与可视化模块：Web端数据仪表盘及实时趋势曲线，集中展示设备状态、工艺参数，并提供

一、项目模块组成-config.py-框架配置文件，定义测试目录、报告目录等路径配置-excel_reader.py-Excel用例读取模块，负责解析测试用例文件并提取测试数据-keywords.py-自动化测试关键字封装，提供丰富的设备操作和测试方法-logger.py-日志模块，记录测试执行过程

支持FTP文件上传下载、批量文件处理、传输进度显示、已处理文件记录管理等功能，提供简洁易用的图形界面操作体验。系统具备智能文件去重机制，通过记录已处理文件的哈希值或路径信息，避免重复传输相同内容，节省带宽和时间资源。用户界面直观友好，包含拖拽上传、多线程并发传输、断点续传、错误恢复等实用特性。工具支

1、基于深度神经网络的reid技术​1.1)采用局部信息对齐技术进一步提高精度​1.2)Top1识别率达到89%，Top3达93%以上​，即匹配结果在前三名识别率93%1.3)自动区分幼体和成熟体，幼儿未发育完整，无明显特征，统一归为一类，一般通过其母进行跟踪2、QT开发的桌面软件通过XXX部海YY

1.新一代信息技术融合‌5G、人工智能（AI）、数字孪生等技术与工控软件的深度融合，正在重塑工业应用场景。5G的高速率和低延时特性为实时数据采集和远程控制提供了网络基础；AI技术通过机器学习优化生产参数、预测设备故障，使工控软件从“工具”升级为“智能决策伙伴”；数字孪生技术构建物理世界的虚拟映射，支

?高性能内核基于CGAL(ComputationalGeometryAlgorithmsLibrary)，提供业界领先的几何算法与数据结构支持，确保计算的精确性与鲁棒性。高效的渲染管线与场景图管理，流畅处理大规模三维数据。?现代化的用户体验基于Qt框架，提供原生、跨平台的用户界面，支持Windows

一键换肤：支持动态切换主题，轻松适配不同风格（如深色/浅色模式、企业定制色等），提升用户体验。优雅窗口特效：内置阴影、圆角、模糊背景等效果，让应用界面更具质感与层次感。流畅动画引擎：集成多种预置动画（如渐显、滑动、弹性效果等），让交互更生动。跨平台兼容：基于QML的强大跨平台能力，可无缝部署到桌面、

UTKWidget分为三个核心模块：utkwidget：基础控件库，提供统一样式、颜色和主题风格，支持亮色/暗色主题切换和换肤效果utkcore：提供除UI以外的类封装，如线程、同步/异步消息机制、配置文件解析等example：代码示例，帮助开发者快速上手这个框架遵循模块化设计思想，使开发者可以根据

单线激光雷达，支持宽电压供电、25~100Hz扫描频率、最高216K发射频率、内置区域监测算法、对外提供网络数据报文、IO信号输出（PNP、NPN）。高可靠性工业设计，IP67，-40℃-65℃宽温度环境。

本上位机系统作为连接现场设备（PLC、扫码枪）与工厂管理系统（MES）的桥梁，核心功能模块如下：1.工单与规程管理从MES系统接收生产工单，并自动载入对应的压力工艺参数（如压力上限、下限、保压时间），确保作业标准化。2.电芯身份绑定 引导工人使用手持扫码枪扫描电芯唯一二维码，系统验证码制有效性，并作

plc速度控制；力与力矩数据采集与波形分析；悬浮控制与数据采集；不同风速下压强的数据采集与分析；历史数据存储matlab仿真与滤波；QCustomPlot波形控件的设计与算法。

1. 大数据爬虫与智能筛查模块该模块通过大数据爬虫技术，自动采集与筛查校园安全、交通等领域相关的多模态数据，提供高质量的训练数据和分析结果。利用深度学习算法对采集的数据进行智能筛查和分类，为后续的监测系统提供支持。2. 计算机视觉与模式匹配模块该模块主要通过计算机视觉和模式匹配技术，实时分析视频流中

项目包含3大核心功能模块，覆盖“媒体输入-缺陷检测-数据管理”全流程：多媒体输入模块：支持实时摄像头采集、单张图片导入、本地视频解析三种输入方式，适配产线实时检测、离线样本分析等不同场景。智能缺陷检测模块：自动对输入帧做灰度化、自定义二值化处理（基于95%亮度分位数动态调整阈值）；提取图像中间500

本系统通过3D视觉实时识别焊缝，在软件中自动规划焊接路径并进行仿真，最终控制机器人实现高精度、自适应的免示教焊接作业。主要包含点云显示，焊缝显示与编辑，焊缝仿真等功能。

使用qtwidget完成了一个无边框的天气预报程序，涉及到的技术主要是HTTP请求，JSON数据的解析，绘制温度曲线等内容，学习了qtwidget框架的使用

在多业务场景中，存在大量依赖人工完成的数据整理、格式转换与报表输出工作，流程分散、效率低下，且容易因人工操作导致数据不一致或错误。项目目标是通过自动化与工程化方式，将原有人工流程系统化、标准化，实现稳定可复用的数据处理能力。技术方案 • 使用Python构建自动化处理框架 • 基于pandas/nu

平台集成“点云编辑器+AI分割+RRT路径规划+流程”四大引擎。①点云：一键去噪、降采样、模板匹配，0.1mm精度生成抓取点；②AI：深度学习模型包管理，自动识别异形件与缺陷；③规划：关节-笛卡尔混合避碰，支持DXF轨迹导入，节拍优化20%；④流程：拖拽式图形编程，逻辑、视觉、运动同屏调试，虚实同步

1.数据预处理数据清洗：识别并处理缺失值，但异常值不宜进行处理。2.特征提取与选择多维特征分析：从数据中提取能够描述医疗保险欺诈的特征。特征选择：使用方差阈值等方法选择对预测最有贡献的特征。3.模型构建与训练模型选择：基于项目需求和数据特性，选择合适的机器学习算法。模型训练：使用训练数据集对模型进行

使用相机底层SDK开发采集软件，sick3D线扫相机硬触发出图，dalsa2D线扫相机硬触发出图，图片采集后进行存储并传输到服务器上进行二次处理，需要对图片进行拼接与切图处理等等。