基于深度学习的焊缝质量检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
本视频演示了一套基于YOLO算法的焊缝质量检测系统，包含用户登录、注册、多模态检测等功能模块。系统支持图片、视频及实时检测，具备结果保存和模型切换能力。技术栈采用Python3.10+PyQt5+SQLite，集成YOLOv5/v8/v11/v12多版本模型。实验表明，YOLO12n在COCO数据集... ...
高光谱成像基础（十二）光谱重建（Spectral Reconstruction）
在前面的内容里，我们已经围绕高光谱数据的降维、检测与解混展开了很多方法。 这些方法其实都有一个共同点： 它们都假设光谱数据是“已知且完整”的。 但在实际应用中，这个假设往往并不成立。 例如传感器只能采集少量波段、成像设备成本或带宽受限、数据存在缺失或严重噪声或者仅有 RGB 图像，却希望获得高光谱信 ...
3.Langchain 1.2.0 学习 --- Tools和Agent
LangChain Agents 和 Tools 完全指南：打造你的智能助手 想象一下：你请了一位博学多才的私人助理，TA 不仅能回答各种问题，还能主动查天气、算数学、搜资料、订机票......这就是 LangChain Agents 和 Tools 能为你创造的神奇体验。本文将带你全面了解如何用 ...
Docker+deepseek云模型本地部署openclaw+接入QQ机器人
docker 请确保电脑上已配置好 Docker 和 Docker Compose。 下载链接： Docker: Accelerated Container Application Development 或 Docker中文网 根据系统选择适用版本，安装步骤可查。 # 检查 Docker 版本 d ...
ICLR2026 | Ada-RefSR: 自适应隐式相关建模，开启“信而有证”的参考超分新范式
针对于单步SD的超分模型容易出现幻觉问题，提出了信而有证参考超分新范式，基于单步扩散模型构建，首先通过注意力机制引入参考信息，随后通过隐式相关性建模进行过滤与验证。 ...
从一个地狱笑话看大模型的推理机制
作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！ cnblogs博客 zhihu Github 公众号:一本正经的瞎扯 从一个地狱笑话看大模型的推理机制 我大约在七年前就看见了这个段子： 三个苹果平均分给五个小朋友，只能切两刀，应该怎么切？ 评论区置顶的内容是这么写的： 一刀捅 ...
高光谱成像基础（十一）异常检测算法 RX 与 KRX
在上一篇中，我们简单了解了提取端元光谱的基础方法，从而可以应用在我们前面介绍过的 MF 和 ACE 等经典高光谱目标检测方法中。这类方法的共同特点在于：需要预先给定目标光谱 \(\mathbf{s}\)，再通过不同的判别准则衡量像素与目标之间的匹配程度，从而实现目标检测，我们称之为目标检测算法。 但 ...
从直觉到算法：贝叶斯思维的技术底层与工程实现
当你的朋友推荐餐厅时，你已经在进行贝叶斯推理——只是你没意识到而已 引言：为什么82%的医生会答错？ 在医学教育中有一个经典案例：当医生们面对乳腺癌筛查问题时，82%的人给出了错误答案。 问题是这样描述的：1%的女性患有乳腺癌，筛查测试的灵敏度为80%（真阳性率），假阳性率为9.6%。 如果一位女性 ...
OpenClaw生产级部署指南：权限隔离、流量管控、用量追踪全方案
不少朋友装完OpenClaw爽是爽，但总担心两个问题：1）权限太大，万一哪天AI抽风执行rm -rf /*，硬盘直接原地升天；2）多模型切换用起来没数，一觉醒来token账单三位数。这篇我把自己踩了N个坑总结的OpenClaw安全管控方案全分享： 容器化部署隔离权限、IP白名单控制面板访问、toke... ...
2.Langchain 1.2.0 学习 --- Models
LangChain Models 学习笔记 如果你正在开发 AI 应用，那么 LangChain 的 Models 模块是你必须掌握的核心组件。它就像是你与各种大语言模型（LLM）沟通的"翻译官"和"调度中心"。本文将带你全面了解 LangChain 1.2.0 中 Models 的用法，并通过大量 ...
罗兰艺境GEO技术架构：基于DSS原则的认知基建工程体系
本文基于罗兰艺境《GEO技术架构系统》（软著登记号：2026R11L0227884），系统阐述以DSS原则（语义深度/数据支持/权威来源）为核心的三层工程结构：内容预结构化层、机器共识编码层、动态认知适配层。文章公开意图映射、抗幻觉设计、Schema标记、平台适配等具体实施规范，并附DSS自检表与代... ...
基于深度学习的大棚黄瓜检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
本文介绍了基于YOLO算法的黄瓜检测系统，该系统集成了YOLOv5/v8/v11/v12四种模型，提供多模态检测、结果保存和模型切换等功能。系统采用Python3.10+PyQt5+SQLite技术栈，支持用户管理、数据可视化等交互操作。通过对比测试，YOLO12n在精度上表现最优（mAP40.6%... ...
3.28 Data Meets AI 杭州线下沙龙：时序数据库 IoTDB 邀你共探工业数智化技术的破局之路
AI 浪潮奔涌，如何让数据真正成为生产力？ 如何用好时序数据库，在工业场景中落地 AI 价值？ 这场聚焦「Data+AI」的线下技术沙龙，将为你打开全新思路！ 2026 年 3 月 28 日（周六）13:30-17:25，杭州市仓前国际街区会客厅，谙流科技、天谋科技、爱可生、Timepl ...
Spring with AI (3): 定制对话——Prompt模板引入
本文代码：https://github.com/JunTeamCom/ai-demo/tree/release-3.0 Spring with AI系列，只关注上层AI的应用程序（基于JAVA搭建），不关注底层的LLM原理、搭建等技术。 通过简单的自定义Prompt模板，即可定制一个AI，专注某一领 ...
高光谱成像基础（十）基于 LMM 的端元提取
在上一篇中，我们已经介绍了光谱解混的基本思想。光谱解混通常以 LMM 为基础模型，其一个像素的光谱被表示为多个端元光谱的线性组合： \[\mathbf{x} = \sum_{i=1}^{p} a_i \mathbf{s}_i + \mathbf{n} \]\(\mathbf{s}_i\) 就是第 \ ...
AI智能体时代财务人员的职业转型与组织变革
AI智能体时代财务人员的职业转型与组织变革，核心议题是当"数字员工"全面接管系统后，人类财务的不可替代性究竟在哪里。一、被摧毁的旧堡垒：三类能力将迅速"清零"首先直面残酷现实，指出在AI冲击下，占财务部门70%人力的三类工作需求将大幅萎缩：一是"人肉数据搬运工"，即因系统壁垒产生的手工数据录入、导出 ...
1.Langchain 1.2.0 学习 --- 提示词
LangChain 1.2.0 提示词工程学习笔记 前言 在 LLM 应用开发中，提示词（Prompt）是连接人类意图与大语言模型能力的桥梁。LangChain 1.2.0 提供了强大而灵活的提示词构建工具，帮助开发者更高效地构建 AI 应用。本文将详细介绍 LangChain 中的各种提示词模板和 ...
Vision Transformer (ViT) 技术解析
论文：[2010.11929] An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 概述 Vision Transformer (ViT) 将标准 Transformer 架构直接应用于图像分类任务。模 ...
Agentic AI时代程序员必备算法思想详解（附实战案例）
Agentic AI时代，程序员必备的算法思想指南 AI已来，程序员要失业了吗？别慌！Agentic AI时代，程序员最重要的不是写代码，而是教会AI如何思考。有了Agent智能体，更需要掌握算法思想——这是你驾驭AI的"超能力"。 AI时代，程序员的价值不在于写代码，而在于用算法思想驱动AI生成最 ...
从LLM到Agent：拆解AI大语言模型的基础工程概念全景图
随着AI技术的快速发展，大语言模型已经从单纯的文本生成工具演变为能够执行复杂任务的智能系统。要真正理解现代AI应用的工作原理，我们需要掌握从底层模型到上层应用的一整套工程概念。本文将系统性地拆解AI（特别是大语言模型）领域的基础工程概念，为你构建一个从底层到上层的完整理解框架。 1. LLM：AI技 ...
