- 综合排序
- 最热优先
- 最新优先
AI 健康监测管理系统
AI 健康监测管理系统 诞生的意义，就是让健康状态从“事后发现”升级为“事前预警”，让身体成为一套可计算、可预测、可指导的系统。——从“健康靠感觉”到“健康可量化”。 一、系统核心逻辑：从身体到数据，从数据到趋势，从趋势到决策AI 健康监测管理系统以“生命全周期监测”为底座，通过设备数据、体征数据、行为数据与临床知识库融合，实现：1）持续监测 → 2）风险识别 → 3 ，由 AI 自动解析。 三、系统三大核心模块01｜AI 生命监护中心（实时监测 + 生命仪表盘）像“驾驶舱”一样管理身体，用数据替代感觉：核心界面包括：心率 / 血氧 / HRV 实时曲线血压 / 血糖自动同步睡眠质量多维度评估疲劳指数与压力指数异常体征红色告警每日健康评分智能能力 ：异常立即推送趋势变化提前提醒自动标记不良事件（头晕、胸闷、心慌）这不只是监测，是 个人的 AI 健康雷达系统。
88210编辑于 2025-11-18- 来自专栏猫头虎博客专区
LeetCode 6-10 题 详解 Java版 ( 万字 图文详解 LeetCode 算法题6-10 =====＞＞＞ ＜建议收藏＞)
今天我们一起学习了LeetCode 6-10 题的算法分析,感谢大家阅读,觉得不错记得收藏哦! 喜欢 请点个 + 关注
24310编辑于 2024-04-07 - 来自专栏燧机科技-视频AI智能分析
AI人员打闹监测识别算法
AI人员打闹监测识别算法通过yolo+python网络模型框架算法， AI人员打闹监测识别算法能够准确判断出是否有人员进行打闹行为，算法会立即发出预警信号。 图片在介绍AI人员打闹监测识别算法之前，首先先介绍一下滑动窗口技术，这对我们理解AI人员打闹监测识别算法Yolo算法是有帮助的。 但是这个方法有致命的缺点，就是你并不知道要检测的目标大小是什么规模，所以你要设置AI人员打闹监测识别算法不同大小和比例的窗口去滑动，而且还要选取合适的步长。 AI人员打闹监测识别算法很好的解决了这个问题，它不再是窗口滑动了，而是直接将原始图片分割成互不重合的小方块，然后通过卷积最后生产这样大小的特征图，基于上面的分析，可以认为AI人员打闹监测识别算法特征图的每个元素也是对应原始图片的一个小方块 ，然后用每个元素来可以预测那些中心点在该小方格内的目标，这就是AI人员打闹监测识别算法的朴素思想。
47830编辑于 2023-09-23 - 来自专栏python、mysql、go知识点积累
07-02 django 6-10
字段查询 all():返回模型类对应表格中的所有数据。 get():返回表格中满足条件的一条数据，如果查到多条数据，则抛异常：MultipleObjectsReturned， 查询不到数据，则抛异常：DoesNotExist。 filter():参数写查询条件，返回满足条件 QuerySet 集合数据。 条件格式： 模型类属性名__条件名=值 注意：此处是模型类属性名，不是表中的字段名 关于 filter 具体案例如下： 判等 exact。
93940发布于 2020-04-14 - 来自专栏C语言例题100题
C语言经典例题100（6-10）
思路： 使用循环嵌套来写这个代码，我们首先要让i=1的时候，做一遍1的乘法运算，也就是说我们的j<=i，所以我们第二个for循环就可以写成是让j也从1开始遍历，范围要小于等于i，以此递增。
28710编辑于 2025-06-04 - 来自专栏大数据成长之路
Hadoop源代码分析【6-10】
小结 Hadoop源代码分析【6-10】主要为大家科普了RPC实现通信的流程，以及 DataNode在升级 / 回滚/ 提交时底层的变化。
66220发布于 2021-01-27 - 来自专栏燧机科技-视频AI智能分析
AI动作异常行为分析监测系统
AI动作异常行为分析监测系统通过python+yolov7网络模型深度学习技术，AI动作异常行为分析监测系统对现场人员人体动作操作行为以及穿戴情况是否合规进行实时监测。
1.1K30编辑于 2023-02-08 - 来自专栏燧机科技-视频AI智能分析
学校AI视频行为分析监测系统
学校AI视频行为分析监测系统通过python+opencv网络模型AI视频分析技术，学校AI视频行为分析监测系统对学校区域人员打架行为识别、跌倒行为识别、翻墙识别、人员聚众识别、攀高识别、抽烟行为等进行智能识别预警
1.3K50编辑于 2023-02-27 - 来自专栏全栈开发那些事
6-10 二分查找 (20分)
L是用户传入的一个线性表，其中ElementType元素可以通过>、==、<进行比较，并且题目保证传入的数据是递增有序的。函数BinarySearch要查找X在Data中的位置，即数组下标（注意：元素从下标1开始存储）。找到则返回下标，否则返回一个特殊的失败标记NotFound。
29020编辑于 2023-02-27 - 来自专栏Gorit 带你学全栈系列
编程入门、进阶100例（6-10题）
本期用先用java去实现代码，后面我会慢慢补全c语言和python的代码 题目索引 六、温度转换问题 6.1 问题描述 6.2 示例 6.3 代码实现 七、求阶乘之和 7.1 问题描述 7.2 示例 7.3 代码实现 八、打印水仙花数 8.1 打印100~1000之间的水仙花数 8.2 示例 8.3 代码实现 九、求100~200以内的素数 9.1 问题描述 9.2 示例 9.3 代码实现 十、实现冒泡排序 10.1 问题描述 10.2 示例 10.3 代码实现 六、温度转换问题 6.1 问题描述 输
61010编辑于 2021-12-09 - 来自专栏燧机科技-视频AI智能分析
ai皮带跑偏撕裂监测系统功能
ai皮带跑偏撕裂监测系统功能基于yolov7网络模型人工智能视觉技术，ai皮带跑偏撕裂监测系统功能自动识别现场画面中传送皮带撕裂、跑偏、偏移等情况，ai皮带跑偏撕裂监测系统功能立即告警抓拍存档同步回传后台
61220编辑于 2023-05-08 - 来自专栏燧机科技-视频AI智能分析
加油站ai系统视频监测系统
加油站ai系统视频监测系统通过yolov5网络模型深度学习边缘计算技术，加油站ai系统视频监测系统对现场卸油过程中人员违规离岗、现场灭火器没有按要求正确摆放、加油站ai系统视频监测系统以及卸油前需要遵守静电释放 图片 YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。
48930编辑于 2023-02-25 - 来自专栏机器学习/数据可视化
MySQL50-4-第6-10题
MySQL50-4-第6-10题 本文中介绍的是第6-10题，涉及到的主要知识点： 模糊匹配和通配符使用 表的自连接 in/not in 连接查询的条件筛选 ?
25510发布于 2021-03-01 - 来自专栏Corley的开发笔记
C语言经典习题100例（二）6-10
给大家推荐一门大数据Spark入门课程https://www.bilibili.com/video/BV1oi4y147iD/，希望大家喜欢。
47220发布于 2020-07-23 - 来自专栏燧机科技-视频AI智能分析
充电站AI算法智能识别监测系统
在此背景下，充电站AI算法智能识别监测系统应运而生。该系统利用先进的计算机视觉技术，对充电桩区域进行全天候智能监测。 二、核心技术架构：多任务感知与时序逻辑推理充电站AI算法智能识别监测系统并非单一功能的叠加，而是基于深度学习多任务学习框架（Multi-task Learning）构建的综合感知引擎。 四、部署实施的关键考量在推进充电站AI算法智能识别监测系统落地时，需关注以下工程化细节：点位规划与视角优化：摄像头应覆盖所有充电车位及通道，建议采用广角高位俯拍以减少盲区，同时兼顾充电枪特写视角的需求（ 五、结语充电站AI算法智能识别监测系统的应用，标志着新能源基础设施运营从“粗放式管理”向“数字化智治”的跨越。 对于运营商而言，理性评估技术边界，注重场景适配与持续迭代，方能真正释放AI赋能的价值。
35610编辑于 2026-03-08 - 来自专栏燧机科技-视频AI智能分析
AI产线作业合规监测系统方案
本文提出基于YOLOv12目标检测、RNN-LSTM时序建模与骨骼-动作点关联的智能合规监测系统，通过多模态感知-骨骼动作融合-分级预警联动技术架构，实现合规行为识别精度97.2%（实验室数据），实测响应延迟 集成多源传感器阵列： 3D骨骼点检测模块（Intel RealSense D435i，精度±1mm）：通过OpenPose算法提取17个身体关键点（肩/肘/腕/膝等）； 力觉传感器（精度±0.1N）：监测工具操作力度 AI产线作业合规监测系统方案基于YOLOv12+RNN深度学习算法，AI产线作业合规监测系统方案通过集成AI大模型，利用前沿的神经网络建模推理，将人体关键部位骨略点与关键动作目标点相结合进行深度逻辑判定
59310编辑于 2026-01-12 深耕AI舆情监测，赋能企业智慧决策
二、产品赋能：TOOM舆情系统构建智能风控中枢作为鸿宝科技的旗舰产品，TOOM舆情监测系统 已进化成具备 “监测-预警-研判-响应”闭环能力 的智能化平台：分钟级风险捕获：事件发生 5 四维功能矩阵： ▶️ 舆情监测：全网95%公开数据毫秒级抓取，支持多语言翻译与反爬穿透； ▶️ 风险预警：基于AI预测模型提前6-12小时预判危机，推送层级可自定义（邮件/短信/APP）； ▶️ 科研协作：开放数据接口与算法模型，支持高校AI研究、社会计算等前沿课题验证。 创新伦理：在算法模型中嵌入偏见校验模块，杜绝AI伦理风险，保障分析客观性。 五、未来征程：做智能化时代的“决策大脑”鸿宝科技的愿景远不止于舆情监测：技术前瞻：加速 生成式AI（AIGC） 与舆情系统的融合，实现策略模拟推演、自动生成公关话术。
57010编辑于 2025-08-18- 来自专栏燧机科技-视频AI智能分析
AI城管占道经营监测识别系统
AI城管占道经营识别检测算法通过yolo+python深度学习训练框架模型，AI城管占道经营监测识别系统对道路街区小摊贩占道经营违规摆摊行为进行检测，检测有出店经营占道经营违规摆摊情况，yolo+python
94100编辑于 2023-01-07 - 来自专栏燧机科技-视频AI智能分析
车间产线生产作业流程AI监测系统
本文介绍一种兼容现有车间监控的AI监测系统，通过“目标检测 + 动作基元提取 + 规则化时序校验”技术路径，在边缘侧实现对典型操作错误的实时识别，并探讨其在真实产线中的落地边界。 一、聚焦可识别的“操作原子事件”需明确：AI无法理解“责任心”等抽象概念，但可捕捉具象、可量化的操作行为，例如：漏拿：工位料盒有物料，但未检测到手部接触；漏放：手部携带零件经过装配区，但未检测到放置动作 四、成本效益与合规说明单工位改造成本（含AI盒子+软件授权）约0.8～1.5万元（2025年市场估算）；视频流在边缘处理，原始图像不出车间，符合《个人信息保护法》及GDPR相关精神；系统仅为防错辅助工具 结语AI在制造过程防错中的价值，不在于追求“零缺陷”，而在于将质量问题从“事后拦截”前移至“事中干预”。产线作业监测系统通过结构化规则与多模态感知，在保障效率的同时，为质量管理提供客观数据支撑。 这正是工业AI务实落地的核心逻辑：在可控边界内，解决确定问题。
57910编辑于 2026-01-20 - 来自专栏燧机科技-视频AI智能分析
工厂人员行为穿戴监测AI智能预警系统
如何借助计算机视觉技术构建客观、可持续的辅助监测能力，成为行业技术探索的重要方向。本文聚焦技术实现逻辑与应用伦理，探讨AI在工厂安全场景中的合理定位。 技术设计需回应“为何监测、监测什么、数据去向”三大伦理问题，将《个人信息保护法》要求内化为技术架构基因。 三、人机协同：技术定位的理性认知AI监测的本质是“辅助工具”，而非管理主体：避免替代判断：系统生成的提示需经安全员人工复核，防止算法误判引发管理矛盾；聚焦流程优化：数据价值在于发现共性风险点（如某工位频繁出现防护缺失 五、结语工厂人员行为与穿戴监测技术的价值，不在于构建“无死角监控”，而在于将安全管理从“事后追责”转向“事前预防”，从“主观经验”转向“客观依据”。 当AI成为安全员的“智能助手”，当数据用于优化流程而非简单问责，技术方能真正赋能安全生产，守护每一位劳动者的平安与健康。这不仅是技术课题，更是管理哲学与企业文化的体现。
24110编辑于 2026-03-19
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