当前位置: 首页 > news >正文

大模型赋能工业制造革新:10个显效可落地的应用场景

在工业4.0的汹涌浪潮中,制造业正面临着前所未有的转型挑战。传统制造模式在效率、成本、质量等方面逐渐难以满足市场需求,企业急需借助新技术实现数字化转型,以提升自身竞争力。在此背景下,基于先进的数据分析技术、大模型、知识图谱等创新解决方案,精心打造了十大变革性AI应用场景,助力制造企业突破困境,实现数字化转型的华丽升级。

研发创新

制造企业在研发新产品时,常常面临消费者需求把握不准、创新方向模糊、多源数据分散难整合等诸多痛点。为解决这些问题,构建了多源数据融合平台,运用AI自然语言处理和机器学习算法,深入挖掘需求痛点、建立创新模型并精准预测市场趋势。

在技术实现上,引入行业大模型对海量的非结构化数据,如社交媒体评论、行业报告、用户调研反馈等进行深度语义理解。大模型凭借其强大的语言理解和生成能力,能够从复杂的文本中提取关键信息,洞察消费者潜在需求。同时,结合知识图谱技术,将不同领域的知识进行关联和整合,构建出丰富的产品知识体系。知识图谱可以帮助企业更好地理解产品功能、技术发展趋势以及市场竞争态势,为创新模型的构建提供坚实的语义基础。通过大模型与知识图谱的协同作用,企业能够精准定位消费者需求,设计出更具吸引力的产品,大幅缩短研发周期,提升企业在市场中的创新引领地位。

库存精准分析与优化

库存积压会占用大量资金,而缺货又会导致订单流失,且库存需求难以精准预测。运用大数据与时间序列预测技术,全面收集库存、销售等数据,经过机器学习算法的深入分析后,构建智能预测模型。该模型能够对库存产品进行分类管理,并提供直观的可视化看板与科学的补货建议。

在技术实现方面,大模型可以参与到数据的预处理和特征工程中。它能够对海量的库存和销售数据进行智能清洗和标注,提取出更具代表性的特征,提高模型的预测准确性。知识图谱则用于构建产品之间的关联关系和供应链网络,帮助模型更好地理解库存流动的规律。例如,当某一产品的需求发生变化时,知识图谱可以快速识别出与之相关的上下游产品,从而调整整个库存策略。通过大模型和知识图谱的辅助,企业可以实现库存的精准控制,有效避免积压或缺货现象,降低成本,保障资金周转顺畅,提高客户满意度。

智能寻源

采购环节存在供应商价格波动大、成本不透明、零部件规格不一致以及采购决策缺乏科学依据等问题。搭建了采购数据分析平台,通过爬虫技术广泛收集相关数据,并利用自然语言处理进行整理。同时,借助区块链技术保障数据安全,运用成本分析模型与供应商绩效评估体系,为企业提供最优采购策略。

在技术实现上,大模型可以对供应商的各种信息,如资质、信誉、产品质量等进行深度分析和评估。它能够从大量的文本和结构化数据中挖掘出供应商的潜在风险和优势,为供应商绩效评估提供更全面的视角。知识图谱则用于构建供应商之间的关系网络,帮助企业了解供应商之间的合作和竞争关系,从而更好地进行供应商选择和谈判。例如,通过知识图谱可以发现某些供应商之间存在互补性,企业可以与它们建立战略合作关系,实现采购成本的降低和供应链的稳定。

供应链风险预测

全球供应链复杂多变,企业常常面临供应中断等风险,却难以做到及时准确的预测。利用大数据与区块链技术收集全流程数据,构建供应链网络模型,借助机器学习算法进行实时监测与分析,提前识别风险并进行分级预警,同时提供应对预案。

在技术实现中,大模型可以对供应链中的各种风险因素进行实时监测和分析。它能够识别出潜在的供应中断风险,如自然灾害、政治动荡、贸易摩擦等,并根据风险的影响程度和发生概率进行分级预警。知识图谱则用于构建供应链的复杂网络结构,帮助企业了解供应链中的关键节点和脆弱环节。当某个节点出现问题时,知识图谱可以快速定位受影响的企业和产品,并提供相应的应对预案。通过大模型和知识图谱的结合,企业能够精准预警供应链风险,提前做好应对措施,保障供应链的稳定运行,增强企业的抗风险能力。

设备预测维护

生产设备故障频繁,传统定期维护方式效率低、成本高,且难以发现潜在故障。借助物联网传感器采集设备运行数据,经边缘计算预处理后,建立性能分析与预测维护模型,运用聚类分析等技术预测设备故障,制定个性化维护计划,并结合数字孪生技术提供可视化支持。

在技术实现方面,大模型可以对设备的运行数据进行深度学习,学习设备的正常运行模式和故障特征。当设备运行数据出现异常时,大模型能够快速识别并预测可能发生的故障类型和时间。知识图谱则用于构建设备的知识体系,包括设备的技术参数、维护历史、故障案例等。当预测到设备可能出现故障时,知识图谱可以根据设备的具体情况提供个性化的维护建议,如更换零部件、调整参数等。通过大模型和知识图谱的协同作用,企业能够实现预防性维护,减少设备故障停机时间,提高设备利用率与生产效率,降低维修成本。

设备故障诊断

设备故障时,人工难以快速准确判断原因,维修依赖经验导致效率低下。利用设备多源数据,运用深度学习算法构建设备故障诊断模型,CNN提取图像特征、RNN建模时间序列数据,通过知识图谱提供维修建议。

在技术实现上,大模型可以对设备的各种传感器数据进行综合分析,包括温度、压力、振动等。它能够从复杂的数据中提取出故障特征,并与知识图谱中的故障案例进行匹配,快速准确地判断故障原因。知识图谱则提供了丰富的维修知识和经验,包括维修步骤、所需工具、注意事项等。当诊断出故障原因后,知识图谱可以自动生成维修建议,指导维修人员进行维修操作。通过大模型和知识图谱的结合,企业能够缩短维修时间,提高设备可靠性与稳定性,减少生产损失。

资产退役及采购预测

企业难以评估资产剩余寿命,资产退役决策缺乏依据且可能带来风险。收集资产多维度信息,运用数据分析与预测模型评估剩余寿命,预测退役风险,建立决策模型,提供退役时机建议与应对策略。

在技术实现中,大模型可以对资产的运行数据、维护记录、技术参数等进行综合分析,评估资产的剩余寿命。它能够考虑多种因素的影响,如设备的磨损程度、使用环境、维护质量等,提供更准确的评估结果。知识图谱则用于构建资产的关联关系和风险网络,帮助企业了解资产退役可能带来的影响,如对生产流程的影响、对供应链的影响等。当预测到资产存在退役风险时,知识图谱可以提供相应的应对策略,如资产置换、技术改造等。通过大模型和知识图谱的辅助,企业能够合理安排资产更新,提前应对风险,优化资产配置。

资产能耗智能调控

制造业资产能耗高,缺乏有效监测调控手段导致能源浪费严重。安装能耗传感器收集数据,结合运行与生产需求数据,运用智能调控算法优化能耗,利用能源管理系统集中管理分析,提供决策支持。

在技术实现方面,大模型可以对能耗数据进行实时监测和分析,学习设备的能耗模式和生产需求之间的关系。它能够根据生产计划自动调整设备的运行参数,实现能耗的优化。知识图谱则用于构建能源管理的知识体系,包括能源政策、节能技术、能源成本等。当能耗出现异常时,知识图谱可以提供相应的节能建议,如采用新的节能设备、优化生产流程等。通过大模型和知识图谱的结合,企业能够降低能源成本,提高利用效率,助力绿色发展,提升企业形象与竞争力。

产品缺陷检测

产品表面缺陷人工检测难度大且效率低、漏检率高。采用图像识别与机器学习算法,安装摄像头采集图像,预处理后运用深度学习目标检测模型识别缺陷,结合图像分割与物联网技术,方便跟踪管理。

在技术实现上,大模型可以对采集到的设备图像进行深度学习,学习设备表面的正常特征和缺陷特征。它能够快速准确地识别出产品表面的各种缺陷,如划痕、裂纹、变形等。知识图谱则用于构建缺陷的知识体系,包括缺陷的类型、产生原因、影响程度等。当检测到缺陷时,知识图谱可以提供相应的处理建议,如修复、更换等。通过大模型和知识图谱的结合,企业能够及时发现产品缺陷,保障产品产品质量,提高生产效率与市场竞争力。

工艺故障诊断及参数调优

生产工艺复杂,故障难诊断,参数设置不合理影响产品质量与生产效率。收集工艺各类数据,运用数据分析与故障诊断模型识别异常,建立故障分类模型,利用智能算法优化工艺参数,结合数字孪生模拟验证。

在技术实现中,大模型可以对工艺过程中的各种数据进行综合分析,包括温度、压力、流量、成分等。它能够识别出工艺过程中的异常情况,并与知识图谱中的故障案例进行匹配,快速准确地诊断故障原因。知识图谱则提供了丰富的工艺知识和经验,包括工艺流程、参数设置、故障处理方法等。当诊断出故障原因后,大模型可以利用智能算法对工艺参数进行优化,并通过数字孪生技术进行模拟验证,确保参数调整的合理性和有效性。通过大模型和知识图谱的协同作用,企业能够提高产品质量,降低成本,提升生产效率与市场竞争力。

小结

在工业4.0的时代浪潮中,数字化转型是企业发展的必由之路。然而,面对众多的数字化应用场景,企业或许还在为从哪里起步而迷茫。以上这十大变革性AI应用场景,涵盖了制造业研发、生产、供应链、资产管理等多个关键环节,为企业提供了全面且具有针对性的数字化转型参考。如果您正积极探索数字化转型之路,不妨从这些应用场景中寻找灵感与方向,开启制造业的辉煌未来!


北京极昆仑智慧科技有限公司(简称 “极昆仑智慧”),是一支深耕 NLP 技术长达 10 年的专业人工智能团队。极昆仑以成熟的NLP能力平台为技术基座,融合自训练昆仑墟大语言模型(LLM),打造kunlun-core智能体能力平台及kunlun-x综合应用平台。针对垂直领域需求,依托混合模型(大模型+小模型)方案,结合具体业务场景特征,为用户提供高效智能服务落地解决方案。

相关文章:

大模型赋能工业制造革新:10个显效可落地的应用场景

在工业4.0的汹涌浪潮中,制造业正面临着前所未有的转型挑战。传统制造模式在效率、成本、质量等方面逐渐难以满足市场需求,企业急需借助新技术实现数字化转型,以提升自身竞争力。在此背景下,基于先进的数据分析技术、大模型、知识图…...

【android bluetooth 框架分析 02】【Module详解 4】【Btaa 模块介绍】

1. 背景 我们在上一篇文章中介绍 HciHal 模块时&#xff0c;有如下代码 // system/gd/hal/hci_hal_android_hidl.ccvoid ListDependencies(ModuleList* list) const {list->add<SnoopLogger>();if (common::init_flags::btaa_hci_is_enabled()) {list->add<ac…...

gitee新的仓库,Vscode创建新的分支详细步骤

第一步点击创建分支输入新分支的名字 第二步 第三步 第四步...

OpenHarmony - 小型系统内核(LiteOS-A)(五)

OpenHarmony - 小型系统内核&#xff08;LiteOS-A&#xff09;&#xff08;五&#xff09; 六、文件系统 虚拟文件系统 基本概念 VFS&#xff08;Virtual File System&#xff09;是文件系统的虚拟层&#xff0c;它不是一个实际的文件系统&#xff0c;而是一个异构文件系统之…...

Unity动态合批(Dynamic Batching)解析

什么是动态合批&#xff1f; 动态合批是Unity引擎的一项核心优化技术&#xff0c;用于减少绘制调用&#xff08;Draw Calls&#xff09;数量&#xff0c;提高游戏性能。它通过将多个使用相同材质的小型可移动物体的渲染操作合并为单个绘制调用&#xff0c;减轻CPU向GPU发送命令…...

【Python】迭代器(Iterator)vs 生成器(Generator)

迭代器&#xff08;Iterator&#xff09; vs 生成器&#xff08;Generator&#xff09; 1.迭代器&#xff08;Iterator&#xff09;1.1 是什么&#xff1f;1.2 示例1.3 适用场景 2.生成器&#xff08;Generator&#xff09;2.1 是什么&#xff1f;2.2 示例2.3 适用场景 3.迭代器…...

el-input 限制只能输入负数、正数或2位小数的数值

需求 el-input需要指定输入格式&#xff0c;当键盘事件触发时限制只能输入负数、正数或2位小数的数值。 解决方案 自定义校验数字输入的键盘事件方法函数。 具体实现步骤 1、创建验数字输入的键盘事件方法 /*** 校验数字输入的键盘事件* param {Event} event - 键盘事件对…...

对话框类别组件编写

形如如图所示的对话框的编写 一、基本组件的定义 <template><div><el-dialogclass"cust-dialog":title"title":model-value"show":show-close"showClose":top"toppx":width"widthpx":close-on-…...

ICMAN防水触摸芯片 - 复杂环境下精准交互,提升触控体验

▍核心优势 ◆ 超强抗干扰能力 ◆ 工业级设计&#xff0c;一致性和稳定性好 ▍提供场景化解决方案 【智能厨电矩阵】抽油烟机档位调节 | 电磁炉火力触控 | 洗碗机模式切换 【卫浴设备方案】淋浴房雾化玻璃控制 | 智能马桶触控面板 | 浴缸水位感应 【工业控制应用】仪器仪…...

深度剖析:生成式人工智能备案和登记的关键差异

在人工智能技术日新月异的当下&#xff0c;生成式人工智能以前所未有的态势广泛渗透至各个领域&#xff0c;从内容创作到智能客服&#xff0c;从图像生成到数据分析&#xff0c;其应用场景正呈指数级拓展。2024 年&#xff0c;网信部门协同相关部门&#xff0c;依据《生成式人工…...

kotlin + spirngboot3 + spring security6 配置登录与JWT

1. 导包 implementation("com.auth0:java-jwt:3.14.0") implementation("org.springframework.boot:spring-boot-starter-security")配置用户实体类 Entity Table(name "users") data class User(IdGeneratedValue(strategy GenerationType.I…...

d3.js绘制组合PCA边缘分布图

用d3.js研发了个组合PCA边缘分布图&#xff1b; 组合PCA边缘分布图中包括pca散点图、散点图可根据数据自动分为连续型和离散型、还有散点的各种配置、边缘有箱线边缘、密度边缘、柱状边缘一个各个边缘的配置等等&#xff0c;大部分你能想到的配置都是自行传参调整的&#xff0…...

开源语音合成模型SparkTTS使用

一、环境配置 git clone https://github.com/SparkAudio/Spark-TTS.git pip install -r requirements.txt 二、模型下载 从modelscope进行下载&#xff0c;pip install modelscope 创建一个download.py import torchfrom modelscope import snapshot_downloadsnapshot_dow…...

课程9. 数据降维

课程9. 数据降维 维度灾难奇异值分解SVD 变换SVD 的几何意义 SVD分解应用示例图像压缩文本分析推荐系统中的应用* 主成分分析PCA演示使用 PCA 降低多元数据的维数PCA 说明单词的语义相似性 t-SNE 维度灾难 机器学习和数据科学中的关键问题之一是数据高维性问题。我们已经遇到过…...

24-25【动手学深度学习】AlexNet + Vgg

1. AlexNet 1.1 原理 1.2 代码 import torch from torch import nn from d2l import torch as d2lnet nn.Sequential(nn.Conv2d(1, 96, kernel_size11,stride4, padding1), nn.ReLU(),nn.MaxPool2d(kernel_size3, stride2),nn.Conv2d(96, 256, kernel_size5, padding2), nn.…...

1.Axum 与 Tokio:异步编程的完美结合

摘要 深入解析 Axum 核心架构与 Tokio 异步运行时的集成&#xff0c;掌握关键原理与实践技巧。 一、引言 在当今的软件开发领域&#xff0c;高并发和高性能是衡量一个系统优劣的重要指标。对于 Web 服务器而言&#xff0c;能够高效地处理大量并发请求是至关重要的。Rust 语言…...

快速认识:数据库、数仓(数据仓库)、数据湖与数据运河

数据技术核心概念对比表 概念核心定义核心功能数据特征典型技术/工具核心应用场景数据库结构化数据的「电子档案柜」&#xff0c;按固定 schema 存储和管理数据&#xff0c;支持高效读写和事务处理。实时事务处理&#xff08;增删改查&#xff09;&#xff0c;确保数据一致性&…...

【Linux】第十章 配置和保护SSH

1. 简单说下ssh如何实现用户的免密登录&#xff1f; &#xff08;1&#xff09;生成公钥和私钥&#xff1a;使用 ssh-keygen -t rsa 命令&#xff0c;在客户端&#xff08;即你登录的机器&#xff09;上生成一对密钥——公钥&#xff08;~/.ssh/id_rsa.pub&#xff09;和私钥&…...

量子计算:开启未来科技之门的钥匙

在当今科技飞速发展的时代&#xff0c;量子计算正逐渐从实验室走向实际应用&#xff0c;成为全球科技领域的焦点之一。它有望为众多行业带来前所未有的变革&#xff0c;从密码学、药物研发到金融风险评估等&#xff0c;量子计算的潜力不可限量。 一、量子计算的原理 量子计算基…...

基础知识 - 结构体

1、结构体类型与结构体变量 1.1 结构体的定义 结构体是一种自定义的数据类型&#xff0c;它把多个不同类型的变量封装在一起&#xff0c;形成一个新的复合数据类型。可以定义该结构体类型的变量&#xff0c;与使用 int 定义变量的方法相同 结构体是一些值的集合&#xff0c;这…...

uniapp上传图片时(可选微信头像、相册、拍照)

参考文献&#xff1a;微信小程序登录——头像_onchooseavatar-CSDN博客 <button open-type"chooseAvatar" chooseavatar"onChooseAvatar"> </button>onChooseAvatar(e) {uni.showLoading({title: 上传中...,mask: true});uni.uploadFile({url…...

2025年4月16日华为笔试第二题200分

📌 点击直达笔试专栏 👉《大厂笔试突围》 💻 春秋招笔试突围在线OJ 👉 笔试突围OJ 02. 智慧旅游路线规划 问题描述 LYA正在开发一款智慧旅游APP,该APP需要为游客规划城市景点之间的最佳路线。城市有 N N...

面试题之高频面试题

最近开始面试了&#xff0c;410面试了一家公司 针对自己薄弱的面试题库&#xff0c;深入了解下&#xff0c;也应付下面试。在这里先祝愿大家在现有公司好好沉淀&#xff0c;定位好自己的目标&#xff0c;在自己的领域上发光发热&#xff0c;在自己想要的领域上&#xff08;技术…...

一路磕磕绊绊解决flutter doctor 报错CocoaPods not installed

flutter doctor执行之后&#xff0c;出现以下错误: 错误消息&#xff1a; ✗ CocoaPods not installed.CocoaPods is a package manager for iOS or macOS platform code.Without CocoaPods, plugins will not work on iOS or macOS.For more info, see https://flutter.dev/t…...

探寻Gson解析遇到不存在键值时引发的Kotlin的空指针异常的原因

文章目录 一、问题背景二、问题原因三、问题探析Kotlin空指针校验Gson.fromJson(String json, Class<T> classOfT)TypeTokenGson.fromJson(JsonReader reader, TypeToken<T> typeOfT)TypeAdapter 和 TypeAdapterFactoryReflectiveTypeAdapterFactoryRecordAdapter …...

面试算法高频08-动态规划-01

动态规划 递归知识要点 递归代码模板&#xff1a;提供递归代码的标准形式public void recur(int level, int param) &#xff0c;包含终止条件&#xff08;if (level> MAX_LEVEL)&#xff09;、当前层逻辑处理&#xff08;process(level, param)&#xff09;、向下一层递归…...

【AI】以Llama模型为例学习如何进行LLM模型微调

以Llama模型为例学习如何进行LLM模型微调 推荐超级课程: 本地离线DeepSeek AI方案部署实战教程【完全版】Docker快速入门到精通Kubernetes入门到大师通关课AWS云服务快速入门实战目录 以Llama模型为例学习如何进行LLM模型微调背景预训练微调全部微调参数高效微调低秩适配 (LoR…...

细说STM32单片机FreeRTOS任务管理API函数vTaskList()的使用方法

目录 一、函数vTaskList() 1、 函数说明 2、返回的字符串表格说明 3、函数的使用方法 二、 vTaskList()的应用示例 1、示例功能、项目设置 2、软件设计 &#xff08;1&#xff09;main.c &#xff08;2&#xff09;freertos.c &#xff08;3&#xff09;FreeRTOSConf…...

ffmpeg 添加 nvenc支持

运行以下命令检查当前 FFmpeg 是否支持 hevc_nvenc&#xff1a; ffmpeg -hide_banner -encoders | grep nvenc 若输出包含 hevc_nvenc&#xff0c;说明编码器已集成&#xff0c;问题出在驱动或参数配置若无输出&#xff0c;则需要手动编译 ffmpeg 安装显卡驱动、cuda和cudnn…...

锚定效应的应用-独立站优化价格打折显示-《认知偏差手册》

锚定效应的应用-独立站优化价格打折显示-《认知偏差手册》 先看结果&#xff1a;价格展示 https://atemplate.com/pricing 旧的打折价格展示 新的打折价格展示 锚定效应是什么&#xff1f; 人类在进行决策时&#xff0c;会过度偏重先前取得的资讯&#xff08;这称为锚点&…...

红宝书第四十九讲:XSS/CSRF攻击防御策略解析

红宝书第四十九讲&#xff1a;XSS/CSRF攻击防御策略解析 资料取自《JavaScript高级程序设计&#xff08;第5版&#xff09;》。 查看总目录&#xff1a;红宝书学习大纲 XSS&#xff08;跨站脚本&#xff09;&#xff1a;黑客把恶意代码塞进网页&#xff0c;当你打开页面时&am…...

Unity基于屏幕空间的鼠标拖动,拖动物体旋转

代码的核心在于&#xff0c;鼠标的屏幕偏移映射到物体的旋转角度&#xff0c;代码中是使用射线去检测的&#xff0c;检测帧间隔鼠标的位置对应物体上的旋转 未解决的问题&#xff1a;旋转都是相对的&#xff0c;怎么去处理&#xff0c;鼠标拖动物体&#xff0c;物体不动&#…...

Unity3D 测试驱动开发(TDD)框架设计

前言 针对Unity3D测试驱动开发&#xff08;TDD&#xff09;框架的设计&#xff0c;需要结合Unity引擎特性与TDD核心原则&#xff0c;构建可维护、高效且与开发流程深度集成的测试体系。以下是分层次的框架设计方案&#xff1a; 对惹&#xff0c;这里有一个游戏开发交流小组&a…...

Google Mock(GMock):C++单元测试的高效模拟框架详解

标题&#xff1a; Google Mock&#xff08;GMock&#xff09;&#xff1a;C单元测试的高效模拟框架详解 摘要&#xff1a; Google Mock&#xff08;GMock&#xff09;是C单元测试中的核心工具&#xff0c;能够高效隔离外部依赖并验证复杂交互逻辑。本文详细介绍了GMock的核心…...

智慧城市气象中台架构:多源天气API网关聚合方案

在开发与天气相关的应用时&#xff0c;获取准确的天气信息是一个关键需求。万维易源提供的“天气预报查询”API为开发者提供了一个高效、便捷的工具&#xff0c;可以通过简单的接口调用查询全国范围内的天气信息。本文将详细介绍如何使用该API&#xff0c;以及其核心功能和调用…...

vue3项目启动bug

项目场景&#xff1a; vue3 项目启动运行 问题描述 终端无法正常启动运行 C:/user/adminC:/user/admin> npm run dev > student_status_vue30.0.0 dev > vite原因分析&#xff1a; 暂无 解决方案&#xff1a; 在当前项目目录下运行&#xff1a; npx vite --host…...

逻辑回归 (Logistic Regression)

文章目录 逻辑回归 (Logistic Regression)问题的引出Sigmoid function逻辑回归的解释决策边界 (Decision boundary)逻辑回归的代价函数机器学习中代价函数的设计1. 代价函数的来源&#xff08;1&#xff09;从概率模型推导而来&#xff08;统计学习视角&#xff09;&#xff08…...

SLAM | 激光SLAM中的退化问题

在激光SLAM中,判断退化环境的核心是通过数学建模分析环境特征对位姿估计的约束能力。除了LOAM中提出的退化因子D外,还存在多种基于表达式和阈值设定的方法。以下是几种典型方法及其实现原理: 1. 协方差矩阵特征值分析 原理:通过分析点云协方差矩阵的特征值分布,判断环境中…...

【已更新】2025华中杯B题数学建模网络挑战赛思路代码文章教学:校园共享单车的调度与维护问题

完整内容请看文末最后的推广群 先展示问题一代码和结果、再给出四个问题详细的模型 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from matplotlib.font_manager import FontPropertiesfrom matplotlib import rcParams# 设…...

[特殊字符] 基于大模型的地理领域文档中英互译自动化方案

一、&#x1f4cc; 项目背景与挑战 在全球化商业环境中&#xff0c;跨国企业经常面临专业文档翻译的痛点&#xff1a; 传统方式效率低下&#xff1a;专业文档翻译需要专人耗时数小时甚至数天 专业术语准确性难保证&#xff1a;地理领域术语的特殊性 格式保持困难&#xff1a…...

破局遗留系统!AI自动化重构:从静态方法到Spring Bean注入实战

在当今快速发展的软件行业中,许多企业都面临着 Java 遗留系统的维护和升级难题。这些老旧系统往往采用了大量静态方法,随着业务的不断发展,其局限性日益凸显。而飞算 JavaAI 作为一款强大的 AI 工具,为 Java 遗留系统的重构提供了全新的解决方案,能够实现从静态方法到 Spring B…...

高度图(Heightmap)

高度图的数学组成与建模方法 高度图&#xff08;Heightmap&#xff09;是一种基于规则网格的地形表示方法&#xff0c;其数学本质是将三维地形简化为二维离散函数&#xff0c;通过高度值的存储和插值实现地形重建。以下从数学建模角度系统阐述其组成原理及关键技术。 一、基础…...

2025第十七届“华中杯”大学生数学建模挑战赛题目B 题 校园共享单车的调度与维护问题完整思路 模型 代码 结果分享

共享单车目前已成为不少大学校园内学生的重要通勤工具&#xff0c;给学生的出行带来了极大便利&#xff0c;但同时也产生了一些问题&#xff0c;如共享单车投放点位设计不合理&#xff0c;高峰期运力不足等。 某高校委托一公司在校园内投放了一批共享单车&#xff0c;经过一段时…...

ESP32-idf学习(一)搭建环境和点灯

一、前言 先说一下查到的数据&#xff08;不保证准确&#xff09;&#xff1a; 1、连续四年Wi-Fi MCU全球市场份额第一&#xff0c;产品应用于智能家居、工业自动化、医疗健康等泛IoT领域‌&#xff0c;2024 年营收突破 20 亿元&#xff08;同比 40%&#xff09;&#xff0c;…...

超详细VMware虚拟机扩容磁盘容量-无坑版

1.环境&#xff1a; 虚拟机&#xff1a;VMware Workstation 17 Pro-17.5.2 Linux系统&#xff1a;Ubuntu 22.04 LTS 2.硬盘容量 虚拟机当前硬盘容量180G -> 扩展至 300G 3.操作步骤 &#xff08;1&#xff09;在虚拟机关机的状态下&#xff0c;虚拟机硬盘扩容之前必…...

多线程(进阶续~)(内涵面试题)

目录 一、JUC 的常见类 1. Callable 接口 2. ReentrantLock ReentrantLock 的用法&#xff1a; ReentrantLock 和 synchronized 的区别&#xff1a; 何时使用何锁: 3. 原子类 4. 线程池 ExecutorService 和 Executors ThreadPoolExecutor 5. 信号量 Semaphore 6. C…...

OpenGL shader开发实战学习笔记:第十一章 立方体贴图和天空盒

1. 立方体贴图和天空盒 1.1. 什么是立方体贴图 立方体贴图&#xff08;Cube Map&#xff09;是一种纹理&#xff0c;它由六个纹理图像组成&#xff0c;每个纹理图像对应一个方向。这些方向通常是立方体的六个面&#xff0c;分别是“前面”&#xff0c;“后面”&#xff0c;“…...

双指针算法(二)

目录 一、力扣611——有效三角形的个数 二、牛客网3734——和为S的两个数字 三、力扣15——三数之和 四、力扣18——四数之和 一、力扣611——有效三角形的个数 题目如下&#xff1a; 这里我们先认识如何判断是个三角形&#xff0c;ab>c,ac>b,bc>a即为三角形 这里…...

docker Windows 存放位置

docker Windows 存放位置 镜像文件层可能是这 docker的overlay2中存的都是什么and如何清理/var/lib/docker/overlay2_docker overlay 是什么目录-CSDN博客 存的是我们的镜像文件和容器内的文件 \\wsl.localhost\docker-desktop\mnt\docker-desktop-disk\data\docker\overla…...

每日一题(小白)暴力娱乐篇31

首先分析一下题意&#xff0c;需要求出2024的因子&#xff0c;因为我们要求与2024互质的数字&#xff0c;为什么呢&#xff1f;因为我们要求互质说直白点就是我和你两个人没有中间人&#xff0c;我们是自然而然认识的&#xff0c;那我们怎么认识呢&#xff0c;就是直接见面对吧…...