登录社区云,与社区用户共同成长
邀请您加入社区
作为国内领先的数字化转型综合解决方案提供商,金智维将继续发挥领头作用,不断深化技术创新,持续输出可落地、可控、可信的AI数字员工和企业级智能体解决方案,以助力企业拓展智能化边界,构建面向未来的智能工厂,推动人机协同的新质生产力在行业内落地生根。他提到,金智维AI数字员工和企业级智能体解决方案面向全行业,可重构企业业务流程,实现端对端自动化和智能化,推动制造业内外协同一体化。在生产流的销售、渠道、客
第二十一届全国大学生智能汽车竞赛创意组推出"智慧城市Robotaxi挑战赛",聚焦无人驾驶纯视觉技术应用。赛事将于5月24日举办线上启动会,由组委会秘书长卓晴教授解读赛题规则,介绍百度智能云平台能力,并讲解比赛流程和硬件支持。比赛要求参赛队伍使用视觉传感器完成城市道路场景下的自动驾驶任务,考察多模态大模型与边缘计算技术的实战能力。赛事包含系列培训,报名截止6月16日。该竞赛是教育部认可的国家级赛事
竞争依然激烈,各家的打法也更清晰了。
本文基于YOLOv10n轻量化算法实现汽车机油滤芯外观缺陷智能检测系统,包含数据集制作、模型训练与评估全流程。针对三种缺陷类型(合格滤芯、外圈破损、固定板破损),在Windows系统下完成模型训练,取得mAP50达97.5%、单图推理仅4.8ms的优异性能。详细介绍了YOLO格式数据集构建、训练参数配置、Windows环境避坑技巧,并提供精度分析、结果可视化(训练曲线、混淆矩阵)的完整代码。该系统
自动驾驶所需的自研芯片、大模型、感知系统、控制系统与操作系统,同样构成通用人形机器人的核心技术底座,上半场在量产车上验证的技术能力可直接递进至下半场。系列有序进入换代过渡期,在短期业绩和用户长期价值之间,理想汽车选择优先保障新老车主权益,主动停产老款车型,稳健应对产品切换期带来的交付空窗压力和短期营收波动;理想汽车称,面对上游原材料价格上涨带来的行业性成本压力,坚持稳固的价格体系,维护产品价值与用
,从汽车远程诊断、智能化升级、售后诊断、工程诊断、产线诊断、知识图谱与AI大模型应用、数据采集与数据标准化等方面入手,对各细分市场发展特征进行盘点,并对主机厂的智能诊断系统应用、车型搭载情况、专利布局;2025年,提供远程诊断服务的第三方供应商中,艾拉比以39.5%的份额位居第一,德赛西威、科络达分别以14.0%、13.8%的份额位列第二、第三位。2026年,上汽通用五菱远程诊断服务向智能诊断升级
Matlab 基于深度学习的汽车目标检测 Fast rcnn在Matlab 平台上,使用Fast RCNN网络进行汽车目标检测训练和测试。
本文针对无人机红外视角下的目标检测任务,构建并评估了一套基于YOLO26架构的深度学习检测系统。研究旨在解决红外图像中目标特征模糊、背景复杂及小目标检测困难等问题。实验使用了包含“汽车”、“忽略区域”、“其他车辆”及“行人”四类目标的红外数据集,共计11,198张图像。训练结果显示,模型在验证集上取得了0.900的优异成绩。其中,“汽车”类检测精度高达0.979,“行人”与“其他车辆”亦表现稳健。
围绕这一环节,中关村科金以全渠道智能客服与多Agent人机协同体系,支持热线语音、热线视频、5G视频、官网、社媒等渠道统一接入,覆盖购车咨询、试驾预约、政策查询、保养维修、售后服务等高频服务场景。销售顾问能力参差、培训周期长、过程管理难、服务质量不稳定,直接影响终端经营结果。未来,中关村科金将继续深耕汽车行业,持续迭代企业智能体、数字员工等核心产品矩阵,不断沉淀汽车垂类AI技术能力与场景化解决方案
智能汽车领域的深度学习技术(如端到端大模型、强化学习路径规划)面临航空适航标准DO-178C的根本冲突。DO-178C要求代码具备确定性和100%可追溯性,而神经网络的非线性黑盒特性无法满足这一要求。AI算法在eVTOL自主飞行中的应用面临三大挑战:显式逻辑与黑盒概率的对立、双向追溯链断裂、长尾效应风险。解决方案是将AI降级为DALC级感知模块,并设置DALA级确定性安全监视器进行指令验证。最终结
本文基于YOLO26目标检测算法,构建了一套汽车损坏识别检测系统。系统以“Car-Damage”为单一检测类别,旨在对车辆外观损伤(如划痕、凹陷、破裂等)进行自动定位与识别。训练过程采用10,218张标注图像,验证集包含971张图像,测试集为486张图像。实验结果显示,模型在测试集上的mAP50达到92.9%,mAP50-95为84.6%,精确率和召回率分别为88.5%和89.6%,F1分数最高为
本文介绍了淘宝商城用户购买行为数据分析系统,该系统通过数据挖掘和机器学习技术挖掘用户行为模式,为商家提供决策支持。系统包含数据采集、处理、特征工程、模型构建和可视化五大模块,可实时获取用户行为数据并进行深度分析。研究构建了销售量预测模型,发现商品价格、标签、商家信誉等因素影响用户购买行为。系统支持输入商品信息预测销量,帮助商家优化运营策略。研究显示数据驱动分析能提升运营效率和用户满意度,未来随着A
本文基于YOLOv12n轻量化模型,完成汽车机油滤芯三类缺陷检测模型训练,在仅630张训练样本、CPU训练的条件下,实现整体mAP50=98.8%的超高精度,各类别检测精度均超97%,推理速度快、模型体积小,完全满足工业生产线的实时质检需求,可有效替代人工检测,提升生产效率、降低漏检率。
健康有益HealthAuto智慧健康座舱精准把握行业发展趋势,依托成熟车联网技术、无感传感硬件体系与自研健康大模型核心能力,以车载AI健康管家为核心交互中枢,打通驾乘体征监测、行车疲劳预警、车内环境智能调控、慢病随车管护等全业务链条,为车企提供可快速量产、全流程落地的车载数字健康完整解决方案,助力车企抢占车载健康赛道先机。被动应答层面,用户可通过语音随时问询体征指标含义、慢病养护知识、驾乘不适缓解
现在大模型AI行业正在形成大量泡沫,而且大模型AI公司做的产品并不是更多的去创造新就业,而是取代原有工作岗位比如程序等。但凡是泡沫总会有破裂的一天,大模型AI行业公司如果笃信scal law,然后对电子材料加速掠夺,那么这个泡沫破裂的时刻会更加快。但是从2022年开始大模型AI对电子材料的掠夺就肆无忌惮了,先是存储,接着是PCB,现在已经上升到MLCC等分立元器件了。更难受的是这些传统电子行业的客
这种「增电同价、智驾标配」的打法,本质是用技术降维打击增程市场。而小鹏把高阶智驾、800V 超充这些原本纯电高端车型的配置,直接下放到增程车型,且不额外加价,相当于用「燃油车的补能便利性 + 纯电车的智能体验」,同时抢夺燃油车和纯电市场的用户。比如陕西汉中这类三四线城市,官方授权 4S 店的落地,不只是增加了一个销售网点,更是把标准化的试驾、交付、售后体系下沉到了本地 —— 上门试驾、全周期交付管
本文基于深度学习技术,结合Django、MySQL、Vue和Python构建了一套生物数据分析与可视化系统。针对生物数据爆炸式增长的需求,系统通过深度学习自动提取基因表达和生物序列数据特征,实现数据挖掘和可视化展示。系统包含前台Vue可视化模块、Django后台数据处理模块和爬虫数据采集模块,采用MySQL存储数据。创新性地实现了混淆矩阵可视化功能,通过Python绘图库生成热力图,并利用Vue动
客户包括但不限于宝马中国、福特中国、赛力斯、奇瑞、上汽、广汽、蔚来、合众等汽车行业佼佼者。基于蝴蝶大模型,围绕发现和解决汽车故障现象,依托木卫四对汽车异常状态的深入理解,AI维修助手CData已经完成100余款车型的诊断技术学习,包括对近3万张电路图的以及近20万张零部件维修和拆装图的分析和理解。维修手册、TSB信息、工单记录、论坛帖子、技师经验分享,大量内容原本都是非结构化信息,CData通过A
本文探讨了一种基于深度学习技术的老年人心脏健康监测系统。研究结合卷积神经网络、循环神经网络等算法,设计了一个包含数据采集、预处理、模型训练和预测的完整系统框架。系统采用Spark大数据技术,整合Python、Hadoop、Django和Vue等技术栈,实现了心脏病风险预测和健康数据可视化功能。实验表明,该系统能有效监测老年人心脏健康状态,并提供血压、胆固醇等关键指标的统计分析。系统架构分为前台Vu
集成学习是通过构建并组合多个基础学习器共同完成预测任务的机器学习方法,其核心优势在于能够降低单一模型的过拟合风险,提升整体算法的稳定性与泛化能力。在二手车价格预测这类高维度、非线性、存在数据噪声的回归任务中,单一模型往往难以充分拟合特征与价格之间的复杂关系,而集成学习通过对多个弱学习器进行融合,可显著提升预测精度与鲁棒性。
这篇内容介绍了一个汽车细粒度零部件检测数据集,包含4300张高质量标注图像,覆盖21类核心汽车部件(如保险杠、车灯、车窗等)。数据集采用YOLO标准格式,包含训练/验证/测试集划分,适用于自动驾驶、事故分析、二手车评估等场景。核心优势包括细粒度标注、多样化场景覆盖、均衡类别分布和强泛化能力。该数据集支持YOLO系列、Faster R-CNN等目标检测算法,可用于细粒度识别、小目标检测等研究方向。通
过去行业普遍认为,下沉市场路况复杂、高精地图覆盖不足、用户价格敏感度高,是智驾普及的 “边缘市场”;本质上,智能驾驶的下沉难题,从来不是用户需求不足,而是技术路线与场景的错配。下沉市场不是 “低配版” 的城市市场,而是一套完全不同的出行场景体系。对智能驾驶而言,它的挑战集中在三个核心层面,也是过去传统智驾方案难以渗透的根本原因。本文将从技术架构、场景适配、成本逻辑三个维度,拆解端到端大模型如何破解
本文提出了一种基于Python和大数据的宠物用品推荐系统,旨在应对宠物经济快速发展带来的市场需求变化。系统整合了数据采集、存储、分析和可视化功能,运用机器学习算法预测付款人数,为营销和库存管理提供决策支持。系统包含三大核心模块:员工管理模块负责人员信息维护,宠物用品管理模块处理产品分类和促销活动,购买订单管理模块则专注于订单处理和支付流程。该解决方案通过智能化手段实现了销售全流程的数字化管理,有效
【摘要】家用汽车个性化推荐系统通过大数据分析与可视化技术,整合用户偏好、行为数据及市场动态,实现精准汽车推荐。系统采用Vue+Django框架,结合爬虫(Scrapy)采集多源数据,利用Hadoop存储,并应用机器学习算法优化推荐模型。前端动态展示推荐结果,帮助用户高效决策。该系统解决了传统推荐无法满足个性化需求的问题,提升了汽车交易平台的用户体验和商业转化效率,形成"数据采集-分析-推
front_windscreen_damage(前挡风玻璃损伤) 占有图片数 = 129。rear_windscreen_damage(后挡风玻璃损伤) 占有图片数 = 182。front_windscreen_damage(前挡风玻璃损伤) 框数 = 130。rear_windscreen_damage(后挡风玻璃损伤) 框数 = 183。front_bumper_dent(前保险杠凹陷) 占有
摘要:本研究基于可视化技术分析西安市交通流量,通过数据采集、清洗和预处理构建交通流量数据库。系统功能包括:1)多维度可视化展示交通客流量、时间分布等关键指标;2)管理员数据管理模块,支持数据清洗(去重、缺失值处理等)和人工数据补充;3)识别交通瓶颈与热点区域,为优化路网布局、提升交通效率提供决策支持。研究成果可助力城市交通管理智能化,促进可持续发展。(149字)
在广州小鹏汽车总部,你会感受到一种与传统车企截然不同的气质——这里没有厚重的历史包袱,也没有根深蒂固的制造业惯性。作为一家从诞生之日起就将"数据驱动"写入基因的AI汽车公司,小鹏的办公楼里谈论最多的不是排量与马力,而是模型利用率、端到端闭环和全球算力调度。而支撑这一切的底层基础设施,几乎从一开始就运行在阿里云上。【云故事探索】NO.26跟我一起走进小鹏汽车,探访AI汽车背后的秘密。【云故事探索】N
本文介绍了一款基于Yolov11算法的智能道路裂缝检测系统,该系统采用Django+Vue框架开发,实现道路裂缝的精准识别与智能分析。系统核心功能包括:1)Yolov11实时裂缝检测;2)可视化图表历史记录分析;3)完善的后台管理(记录增删改查)。通过响应式前端界面与高效后端服务的协同,系统提升了道路检测自动化水平,为道路维护提供数据支持。特别设计了直观的历史记录查看功能,用户可便捷查询检测时间、
本文介绍了一种基于YOLOv11的智能仰卧起坐计数系统。该系统通过深度学习技术实现动作自动识别与精准计数,采用YOLOv11模型结合多尺度特征融合等创新设计,显著提升检测性能。系统具备视频上传、实时检测、结果展示和记录管理等功能,支持参数调节和动作标准度可视化。经测试,系统在不同环境下表现稳定,准确率和召回率较高。未来将优化模型性能,增强用户体验,在智能健身领域具有广阔应用前景。
「极客头条」—— 技术人员的新闻圈!
三星 8nm 量产的 LPDDR5X PHY IP 怎么选?从 9600Mbps 实测到智能汽车与端侧大模型的工艺流片格局指南
最终,多模态工业大模型驱动的AI数字员工将成为超级工厂中的智能决策中枢,使制造系统具备类似工业专家的感知、分析和推理能力,实现从“数据采集”到“知识理解”,从“异常检测”到“主动预防”的跨越,为新能源汽车智能制造向自主化、无人化方向发展提供新的技术路径。通过融合分析,模型发现虽然设备传感器参数均未达到报警阈值,但某加工设备的振动频谱出现持续变化,同时历史维修文本中存在类似部件磨损案例,最终判断当前
依托毫米波雷达、智能座椅、视觉识别等多模态无感传感设备,座舱可全天候、无感知采集驾乘者心率、血氧、呼吸频率、疲劳度、情绪状态等核心体征数据,无需手动操作,全程无感监测,让每一次出行都有动态健康数据护航。系统不再是被动接收指令,而是主动读懂人的身体状态,提前识别行车风险隐患,解决了传统智能座舱“看得见场景、看不见健康”的痛点。它让汽车不再是冰冷的出行机器,而是能够读懂身体、守护健康、保障安全的移动智
系统可智能识别蓝牌燃油车占位、非机动车违规停放、车辆擅自进入充电桩禁停区域等违规行为,同时支持车流实时计数、车辆逆行识别、场区车辆超速监测、路段拥堵状态研判,全方位整治充电车位被占用、场内通行无序、车速过快等乱象。同时系统可完成车辆结构化信息提取,精准区分燃油车、新能源车、非机动车车型,为差异化管控提供数据支撑,有效解决燃油车占位导致的充电难、场站通行效率低等实际问题。
随着汽车保有量的持续增长和交通流量的日益密集,汽车损坏检测与评估在保险定损、二手车交易、维修保养及交通事故处理等场景中发挥着关键作用。传统的人工检测方式高度依赖检测人员的专业经验与主观判断,存在效率低下、标准不一、人力成本高昂等固有问题,难以满足现代汽车后市场对快速、精准、标准化检测的迫切需求。针对上述挑战,本研究设计并实现了一套基于YOLOv8深度学习目标检测算法的汽车损坏智能识别系统,构建了涵
随着我国汽车保有量的持续攀升,道路交通事故数量居高不下,车辆碰撞损伤的快速、精准评估已成为交通安全管理、保险理赔定损以及汽车后市场服务中的关键环节。传统的人工目视查验方法高度依赖评估人员的专业经验,不仅主观性强、效率低下,而且在复杂光照、多角度遮挡等真实场景下难以保证评估的一致性和可复现性。计算机视觉与深度学习技术的迅猛发展,为目标检测任务提供了强有力的技术支撑,使得基于视觉的车辆损伤自动化识别成
Python UDS是一种用于处理汽车诊断数据和通信的Python库。它可以帮助你轻松地解析和操作UDS数据,从而为你提供更高效、更方便的操作体验。它支持UDS协议的所有标准功能,并以易于使用的方式开放。Python UDS的优势在于它具有易于扩展性和自定义性,用户可以在使用中按照需求进行修改和拓展。读取电子控制单元(ECU)的故障码;读取汽车传感器和控制器的数据;发送指令到汽车控制单元;诊断汽车
开发过程中,嵌入式linux设备需要同步时间至GPS时间域,同时也要通过gptp同步至外部ECU的时间域。采用开源的gptp协议栈,会将系统时间修改(时钟源为CLOCK_REALTIME)所以内部同步到GPS的时间线不能与之重叠。
替代安全措施(SSM)对于安全性能评估非常重要,因为碰撞是罕见事件,历史碰撞数据没有捕捉到对提高安全性同样关键的接近碰撞事件。本文关注SSM及智能网联汽车(CAV)安全建模中的应用。本文旨在提供对重要SSM研究的全面和系统性回顾,识别SSM和CAV研究的未来局限性和机会,并帮助研究人员和从业者选择最适合安全研究的SSM。CAV的行为可能与人类驾驶车辆(HDV)的行为非常不同。即使在具有不同自动化/
基于matlab的汽车性能建模仿真模型以及代码汽车驱动力-行驶阻力平衡图的汽车动力性仿真模型、汽车动力特性图的汽车动力性仿真模型、汽车功率平衡图的汽车动力性仿真模型、
在竞争激烈的汽车销售与服务市场中,高效的管理对于汽车 4S 店的运营至关重要。Spring Boot 汽车 4S 店管理系统凭借其强大的功能与先进的技术架构,为 4S 店提供了一站式的数字化解决方案,助力提升运营效率、优化客户服务、精细管控成本,增强市场竞争力。