- 综合排序
- 最热优先
- 最新优先
- 来自专栏燧机科技-视频AI智能分析
特种作业考场实操行为考核检测系统
一、引言 我国特种作业人员超3000万人（《2026年中国特种作业发展报告》），实操考核作为持证上岗的核心环节，面临主观评分偏差大（考官评分标准差＞0.4）、关键环节漏检率高（＞30%）、考核效率低下（ 单考生复盘耗时＞2小时）等痛点。 本文提出基于YOLOv12目标检测与时空行为建模的智能考核检测系统，通过多模态感知-动态操作建模-分级考核联动技术架构，实现实操环节识别精度97.8%（实验室数据），实测响应延迟＜0.6秒。 特种作业考场实操行为考核检测系统基于YOLOv12+RNN深度学习算法，特种作业考场实操行为考核检测系统通过集成AI大模型，可以监测考生考试操作过程中的关键环节，如装配、检测等环节，及时发现问题并记录， 从而提升考生考试作业实操行为的准确性；特种作业考场实操行为考核检测系统可以根据检测结果及时对考生的考试实操过程进行识别反馈，并对考生进行培训和调整，提升考生的技能水平。
57810编辑于 2026-01-12 - 来自专栏csdn
Spring之事务的传播行为实操篇
Spring之事务的传播行为 枚举 public enum Propagation { REQUIRED(0), SUPPORTS(1), MANDATORY(2), REQUIRES_NEW ); throw new RuntimeException(""); } 结果:[PropagationTest(id=1, balance=100), PropagationTest(id=2, void addBalance() { PropagationTest propagationTest = propagationTestMapper.selectByPrimaryKey(2) propagationTest); int i = 10 / 0; propagationTest = propagationTestMapper.selectByPrimaryKey(2) void addBalance() { PropagationTest propagationTest = propagationTestMapper.selectByPrimaryKey(2)
30910编辑于 2024-04-10 - 来自专栏燧机科技-视频AI智能分析
特种作业操作行为智能评估系统 筑牢安全生产防线
为提升考核客观性，部分考试中心试点部署了“特种作业操作行为智能评估系统”。 二、系统架构：关键点检测 + 动作触发 + 边缘推理系统采用三层边缘设计，保障低延迟、高隐私、本地化处理：前端感知层在实操工位上方部署200万像素全局快门枪机（建议俯视30°～45°）；视频流输入边缘AI 行为判别层针对每类作业预设“关键动作清单”（如电工考核含“验电”“挂牌”“接地”）；结合OpenPose提取手部关键点，判断是否完成“拔销”“挂钩”等动作；设定规则：若某关键动作在规定时间内未被检测到， 注：在实验室标准电工实操考场（可控光照、单人操作、正面视角）下，系统对“佩戴绝缘手套”“验电动作”的识别召回率达92.4%，误报率约7.8%（样本量：350次模拟考核）。 五、未来优化方向融合语音关键词识别（需经考生授权），辅助判断“唱票”等口令；构建作业流程图谱，提升时序合理性初筛能力；输出操作热力图，辅助优化考场布局与监考动线。
35910编辑于 2026-02-02 2D地图组件实操详解
01 预览效果02 实现逻辑在【EasyMap】导出所需的地图数据，通过【2D高德地图】组件进行呈现。同时利用地图组件提供的【多样子组件】（热力图、标点、飞线等）搭建上图所示效果。 03 操作流程3.1 准备工作【组件】→【地图】→【2D高德地图】。（ps：为了方便展示效果，已经把子组件清空）选中【文字转语音组件】，取消【自动播放】。 信息面板信息面板组件是在点标记基础上增添了多项指标，例："state": "优", "value1": "监测点#02", "value2": 173, "value3": "优",
74310编辑于 2025-01-09- 来自专栏燧机科技-视频AI智能分析
脚手架登高架设操作智能评估系统：AI守护高空作业安全
在建筑特种作业人员实操考核中，脚手架搭设是高风险、高规范性要求的关键项目。传统人工评分依赖考官经验，易受视角盲区、疲劳、主观判断差异影响，导致评分一致性不足。 本文介绍一种基于普通监控摄像头的智能评估系统，融合目标检测、人体姿态估计与规则化知识库，在不干扰考生正常操作的前提下，实现对典型违规行为的自动识别与辅助评分。一、为何聚焦“可观察、可量化”的操作要素？ 注：在实验室模拟考场（标准光照、无遮挡）中，系统对5类高频违规行为的平均识别准确率为91.3%（样本量：200段操作视频）。 2025年Q4在某省级考核中心小范围实测显示，因衣物遮挡、多人交叉作业等因素，有效识别率约为76%，误报率约8%（主要源于相似动作混淆，如“捡工具”误判为“未扶稳钢管”）。 四、成本与合规说明单考场改造成本（含2台AI盒子+软件授权）约2～3万元（2025年市场估算）；所有视频处理在本地完成，原始数据不出考场，符合《个人信息保护法》；系统仅为辅助评分工具，最终成绩须经持证考官确认
30810编辑于 2026-01-20 - 来自专栏燧机科技-视频AI智能分析
焊工考试作业操作行为智能评估系统
在特种作业人员资格考核中，焊工实操考试对操作规范性要求极高。传统评分依赖考官肉眼观察，易受视角遮挡、强光干扰、主观经验差异影响，尤其在多人同时考试时，难以全程精准追踪每个细节。 这些行为均有明确规范依据（如《特种设备焊接操作人员考核细则》），且可通过视觉可靠捕捉。 二、系统架构：边缘感知 + 规则化评估引擎系统由三部分构成：多视角感知层部署2路1080P@25fps工业摄像头（正面+斜侧45°），避开电弧直射；采用YOLOv10检测人员、面罩、手套、夹具、焊枪、工件等关键对象 注：在实验室模拟考场（可控光照、无烟尘）中，系统对6类高频违规行为的平均识别准确率为90.2%（样本量：180段考试视频）。 四、成本与合规说明单考场改造成本（含2台AI盒子+软件授权）约2.5～3.5万元（2025年市场估算）；所有视频处理在本地边缘完成，原始数据不出考场，符合《个人信息保护法》；系统仅为辅助评分工具，最终成绩须经人社部门认证考官签字确认
24700编辑于 2026-01-20 - 来自专栏燧机科技-视频AI智能分析
避雷器电流泄漏操作智能评分系统
在电力行业特种作业人员资格考核中，避雷器泄漏电流测试是一项高风险、高规范性要求的操作。 本文介绍一种兼容现有实操考场的边缘智能方案，聚焦可视觉观测的操作行为序列，在保障低侵入前提下，实现对典型违规项的自动识别，并客观分析其在真实考评环境中的能力边界。 二、系统架构：边缘感知 + 规则引擎 + 隐私优先系统由三部分构成：前端感知模块在操作台上方部署2路1080P@25fps工业摄像头（正面+斜侧45°）；采用YOLOv10模型检测人员手部、绝缘手套、测试线 注：在实验室标准考场（可控光照、无遮挡）中，系统对6类高频违规行为的平均识别准确率为91.5%（样本量：150段考试视频）。 四、成本与合规说明单考场改造成本（含2台AI盒子+软件授权）约2.5～3.5万元（2025年市场估算）；所有视频处理在本地边缘完成，原始数据不出考场，符合《个人信息保护法》；系统仅为辅助评分工具，最终成绩须经人社部门认证考官签字确认
18810编辑于 2026-01-25 - 来自专栏Node开发
MySQL分区分库分表(2) --- 实操篇
可以看到上面的创建分区我们使用values less than语句，我们将id<10的数据保存在order1分区，将id范围在10-20保存在order2分区，以此类推创建了五个分区。
2K10发布于 2019-10-24 - 来自专栏系统信任增长范式
基于腾讯云的行为数据采集与评估实操
基于腾讯云的行为数据采集与评估实操系统对企业的“记账”核心未变——不记短期投放、爆款表现，只记长期行为轨迹与信任相关变量，但在开发者社区中，需用技术视角拆解“记账”的实现逻辑：腾讯云工具链可精准落地这一过程 ，让“系统记账”从商业概念转化为可落地的技术方案，既保留核心概念，又满足技术社区的实操需求。 ：记录企业行为是否稳定（如内容主题、承诺口径）腾讯云工具：CLS日志服务+PythonTF-IDF算法实操代码（主题一致性计算）：importpandasaspdfromsklearn.feature_extraction.textimportTfidfVectorizerfromsklearn.metrics.pairwiseimportcosine_similarity →特征计算层（Python+TI-ONE）→存证层（BCS区块链）→应用层（行为画像查询接口）2.核心技术难点突破技术难点解决方案腾讯云工具支撑多场景行为数据打通用腾讯云API网关统一接口，实现跨系统数据同步 保留“系统记账=长期行为画像”的核心概念，用技术拆解商业逻辑，既顺应系统评估的底层逻辑，也为开发者提供了可复用的实操方案，让企业的“被记内容”从抽象变量转化为可管理的技术指标。
30210编辑于 2026-01-09 - 来自专栏CU技术社区
【Git实操笔记2】必知习惯和如何版本回退
今天我们接着上篇 【Git笔记1】本地项目与GitHub远程仓库互联，趁热打铁，开始实操，来看看怎么处理这些问题。 简单的必知习惯 要随时掌握工作区的状态，使用git status命令。 更改：（版本2）内容没变但是修改了文件名字。git bash输入： git status git diff ? 场景2： 已经提交了不合适的修改到版本库时，同时已经push到远端。希望能够回退到以前的版本。 git reset --hard <版本号> 注意： 使用 --hard 参数会抛弃当前工作区的修改 使用 --soft 参数的话会回退到之前的版本，但是保留当前工作区的修改，可以重新提交 step2： 2、版本库（Repository） 工作区有一个隐藏目录.git，这个不算工作区，而是Git的版本库。
58020发布于 2019-11-14 《高价值付费玩家行为共性深析：从体验锚定到价值共生的实操拆解》
”的双重追求，既是高价值付费玩家区别于普通付费用户的核心特征，也是开发侧精准捕捉高价值用户需求、搭建差异化体验体系的关键实操导向，唯有吃透这一行为逻辑，才能实现付费内容与玩家需求的深度契合。 更深度的实操逻辑在于，多维稀缺性需形成“协同供给闭环”，而非孤立存在，比如专属场景（功能稀缺）需搭配独家NPC情感交互（情感稀缺）与定制化场景互动机制（交互稀缺），三者相互赋能，构建完整的稀缺体验体系， ”的极致追求，既是高价值付费玩家捕获稀缺体验的核心行为共性，也是开发侧打造高价值稀缺内容、强化付费粘性的关键实操逻辑，唯有构建完整的多维稀缺供给体系，才能精准击中高价值玩家的稀缺性需求。 更深度的实操逻辑在于，需搭建“圈层共创闭环”，让高价值玩家深度参与专属内容的优化迭代，比如针对圈层玩家反馈的体验痛点，快速调整专属内容的细节设计，同时将共创成果同步反馈给圈层成员，让玩家感受到“自身需求被重视 高价值付费玩家的行为共性，本质是“体验价值与核心需求精准匹配”的行为具象化，其所有付费决策与行为逻辑，都围绕“独特性体验、深度性沉浸、圈层性认同”三大核心诉求展开，脱离了传统付费行为的表层消费逻辑，转向
55400编辑于 2025-12-14《多账号同源识别核心技术拆解：从行为指纹到身份锚定的实操逻辑》
”到“隐性基因”的识别升级，既是应对多账号规避识别的核心技术方向，也是保障平台生态合规性与体验稳定性的关键实操逻辑，其底层思维是通过用户行为的“不可复制性特质”，搭建同源账号识别的精准链路。 实操过程中，需先通过“硬件特征归一化处理”，排除同一型号设备的共性参数，提炼每个设备专属的隐性特征码，再通过跨账号登录设备的特征比对，校准同源设备关联，比如不同账号登录设备的电池充放电曲线、传感器对同一操作的响应时序 实操过程中，首先需采集网络多维度交互数据，比如网络连接的建立时序、数据传输的速率波动、网关交互的响应特征、DNS解析的路径偏好，再通过“网络特征去重提纯”，排除公共网络的共性参数，提炼用户专属网络轨迹特征 实操过程中，需通过长期行为数据积累，提取用户稳定的核心行为惯性特征，比如点击偏好区域的时序分布、内容滑动的速率变化曲线、功能调用的频次占比规律、互动操作的响应时长阈值，再通过“行为特征相似度算法”，比对不同账号的交互惯性图谱 实操过程中，需先通过各维度技术手段采集核心特征，再通过“特征权重动态分配”，根据不同场景下各维度特征的识别精度，调整权重占比，比如在设备单一登录场景中，强化硬件隐性特征权重；在多设备跨网络场景中，提升行为惯性与网络轨迹特征权重
78000编辑于 2025-12-14- 来自专栏iis7
2008r2管理员远程桌面实操授权部署
终端服务这个熟悉的名字，在Windows Server 2008 R2里面变成了远程桌面服务。 步骤 1：设置 Contoso 域 首先，在独立服务器上安装 Windows Server 2008 R2。 （一）安装 Windows Server 2008 R2 的步骤 1、使用 Windows Server 2008 R2 产品 CD 启动计算机。 2、当提示输入计算机名称时，键入 RDG-SRV。 3、按照屏幕上显示的其他说明完成安装。 2、在"计算机名称、域和工作组设置"下，单击"更改设置"。 3、在"计算机名"选项卡上，单击"更改"。
4.7K20发布于 2019-10-14 - 来自专栏前端工程
免费接入 Stripe，不到 2 小时搞定：OpenCode + K2.5 实操全流程
今天尝试用 OpenCode 的免费 K2.5 模型接入 Stripe，整个过程非常丝滑，一分钱没花，不到 2 小时就搞定了。 K2.5 整体表现挺强的，响应快、额度充裕，把完整过程分享给大家。 04 写在最后 整个过程不到 2 小时，我就把 Stripe 接完了。 K2.5 整体响应速度很快，而且 Free 额度一点也不卡顿，非常充裕——我接完整个 Stripe 都没遇到任何限制。
2.5K10编辑于 2026-02-10 - 来自专栏开元说说
【最佳实践】基于SAP业务腾讯云安装SUSE（15 SP2）实操
SAP业务适配迁移需求也非常多，SAP系统主流操作系统是SUSE Linux Enterprise Server for SAP Applications，该篇文章主要对腾讯云CVM进行SUSE系统安装实操 下载镜像链接：https://www.suse.com/download/sle-sap/本次实操下载镜像如下图所示：图片镜像转换目前腾讯镜像安装不支持ISO文件，支持镜像文件为RAW、VHD、QCOW2 腾讯云镜像转换链接：https://cloud.tencent.com/document/product/213/62569本次实操转化为镜像格式为QCOW2，命令如下：qemu-img convert -f raw -O qcow2 sle-15sp2.iso sle-15sp2.qcow2镜像导入将转化好QCOWS镜像上传到COS存储桶，这里存储桶需要开通访问权限，。 图片2）在控制台重新制作镜像图片6.使用新镜像重新安装1）在控制台重新安装镜像图片2）重装完成后，需要用老密码进行正常登录，然后修改密码，完成快速安装7.小结本文详细介绍在腾讯云虚拟机上安装Suse实操
2.8K20编辑于 2023-03-06 - 来自专栏网络安全自修室
DC-2靶机渗透实操全过程，一起来玩吧！
http://dc-2 -w passwds.txt 用wpscan进行用户爆破 wpscan --url http://dc-2 -U users.txt -P passwds.tx [i] Valid Nmap scan report for dc-2 (172.16.0.12) Host is up (0.00047s latency). -s 7744 ssh -vV [7744][ssh] host: dc-2 login: tom password: parturient 登录ssh ssh tom@dc-2 -p 7744 tom@DC-2:~$ whoami -rbash: whoami: command not found tom@DC-2:~$ pwd /home/tom tom@DC-2:~$ ls flag3. 密码可以执行git sudo -l jerry@DC-2:/home$ sudo -l Matching Defaults entries for jerry on DC-2: env_reset
1.4K20发布于 2020-07-22 - 来自专栏腾讯云智能·AI公有云
AI会是考试作弊的终结者吗？
对考试作弊的聚焦，使得这部演绎了横跨两大洲的考场风云，成为当年风靡全亚洲的票房佳作。 片中所展现的考场情节，几乎触及了大多数人都曾亲身经历过或近距离看到过的情景：考场作弊与反作弊。 在反作弊上，官方也操碎了心，从宋朝开始的“密封线”、誉录制度到明清时期的沐浴净身、狭窄格子间，反作弊越发严格。 不仅从技术的角度提升了在线考试的安全性、公平性与效率，集中实现考试人员身份核验、行为异常检测，而且减轻了监考人员负担，减少了考场所需配备监考人员数量，这对于考试组织方来说，既有实实在在的降本增效，还提高了监考的灵活性 以企业内部晋级考核测评为例。 企业内部同事间容易泄露考题，考试中也可能存在离开考试页面，查阅测评材料等作弊手段以及替考风险。 流程上对考生进行考前拍照，对考试页面进行离屏警示，考试期间对考场视频监控等，有效杜绝替考、代考、离屏查阅资料等作弊行为，保证考试的公平公正。
2.5K80发布于 2021-05-17 用 WorkBuddy 一键生成周报：从 2 小时到 2 分钟，附完整实操步骤 #WorkBuddy#
【截图位置：WorkBuddy 主界面，输入框里放了一堆零散信息的样子】三、实操步骤Step 1：收集本周素材把你这周干的活，用最随意的方式写下来。 Step 2：用这个 Prompt复制下面这段话，粘贴到 WorkBuddy 输入框：把我上面发的这周工作内容整理成一份正式周报，要求： 1. 下周计划按优先级排序（P0 > P1 > P2） 5. 坑 2：Prompt 太笼统问题：只写「帮我写周报」，WorkBuddy 给你一段话，格式混乱。原因：你没有告诉它你要什么格式、什么模块、什么风格。 六、效果对比指标手动写用 WorkBuddy耗时1.5-2 小时2-5 分钟格式统一性看心情恒定 100%数据呈现经常忘加自动出表格老板反馈「能具体点吗」「不错，很清晰」复用性每次从头写Prompt 模板复用七
27710编辑于 2026-06-25- 来自专栏IaC
Terraform Authoring Operations Professional 认证考试经验分享：从备考到实战全攻略
考试结构与题型题型分布：包含 12 道选择题（理论与场景分析）+4 个实操实验（分多阶段，独立成题）。 时间管理策略优先级排序：建议先做实操题，最后做选择题。实操题分值更高，且需要连贯思路；选择题可利用碎片时间快速完成。 单题限时：每个实操实验建议控制在 45-50 分钟内（含验证时间），避免因某题卡壳影响全局。若某步骤不确定，先标记跳过，完成其他部分后再回头处理。 2. 实操题核心注意事项环境与配置细节：必须在代码中明确配置 Provider 的 AK/SK 信息（考试环境无默认权限，需手动填入给定的密钥）。 状态模拟：用 4 小时连续做实操练习（如部署多资源组合架构），提前适应高强度专注状态。2.
40410编辑于 2025-10-26 基于AR眼镜与大模型的职业教育实训考核智能方案｜阿法龙XR云平台
在职业教育实训考核领域，传统模式普遍存在监管成本高、考核标准不统一、结果反馈滞后等痛点，难以适配电工、电气、机械等专业对实操技能的精准评估需求。 本方案的核心目标在于通过轻便型AR眼镜的增强显示与摄像头采集功能，替代传统人工监考模式，精准捕捉学员实操动作与环境信息，借助云端大模型完成技能评估，大幅提升考核效率与公平性。 ，通过图像识别技术验证零件安装位置的准确性，评估学员的实操精准度；在电气设备维护考核中，AR眼镜可显示设备内部结构示意图，指引学员完成故障排查操作，同时记录故障定位时间、维修步骤等数据，综合评估学员的问题解决能力 相较于传统实训考核模式，本方案具备显著优势。 此外，本方案可与VR培训形成完美闭环，学员先通过VR设备进行虚拟仿真培训，熟悉操作流程与风险点后，再通过AR眼镜开展真实设备的实训考核，实现从虚拟练习到真实实操的全流程技能培养，有效提升职业教育实训教学质量
41710编辑于 2025-12-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号