
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
本文解决Vue项目安装依赖时出现的node-sass和sass-loader版本冲突问题。当出现npm ERR node-sass@4.14.1 postinstall: `node scripts/build.js`错误或Syntax Error: TypeError: this.getOptions is not a function报错时,主要原因是node-sass版本不兼容或sass-l
基于Java+Springboot+Vue的WMS仓库管理系统+移动端uniapp微信小程序1、 数据管理:物料数据管理、物料Bom管理、物料组管理、物料分类管理、供应商管理、仓库管理、货位管理、车间管理2、 采购管理:物料标签管理、入库单管理、入库退货管理3、 质检管理:质检单管理(包括单据号、单据类型、创建时间、检验状态、检验员)4、 生产管理:生产订单管理、出库单管理、出库退货管理5、 通用

本系统前后端分离(网页加小程序)本系统分为管理员、医院、用户三种角色(角色菜单可自行分配)用户功能:- 注册、登录、医院搜索、最新资讯、医生搜索、挂号预约、挂号记录、我的就诊人、反馈、我的收藏、账号管理医生功能:- 挂号管理管理员功能:- 角色管理、菜单管理、部门管理、岗位管理、日志管理、数据监控、服务监控、个人中心、密码修改- 科室管理、资讯管理、挂号管理、用户管理、医院管理、地区管理、医生管理

基于Java+Springboot+Vue的WMS仓库管理系统+移动端uniapp微信小程序1、 数据管理:物料数据管理、物料Bom管理、物料组管理、物料分类管理、供应商管理、仓库管理、货位管理、车间管理2、 采购管理:物料标签管理、入库单管理、入库退货管理3、 质检管理:质检单管理(包括单据号、单据类型、创建时间、检验状态、检验员)4、 生产管理:生产订单管理、出库单管理、出库退货管理5、 通用

基于python+深度学习+YOLOV8的交通标志识别系统。使用yolov8来进行模型训练python=3.9、opencv、PyQt5、torch1.9。在界面中选择各种图片,可以是自己在路边拍摄的图片,可以选择视频,可以调用摄像头,进行交通标志识别,检测速度快,检测精度高。-

基于python+深度学习+YOLOV7的车牌识别系统用户:在界面中选择图片、视频,可以调用摄像头,进行车牌识别,检测速度快精度高。使用yolov7来进行模型训练,车牌定位采用yolov7,数据集来自CCPD可以定位蓝色和绿色车牌,精准率99.8%。车牌识别采用LPRnet,数据集来自CCPD,可以识别蓝牌和绿牌,训练后模型准确率98.2%。生成车牌图像模型使用CycleGAN可视化界面使用的py

舌象预处理:对上传舌图进行尺寸统一、去噪、对比度增强,优化后用于识别。舌象智能识别:调用开源多模态大模型接口,对预处理后舌象进行分析,输出舌色、舌苔、舌形识别结果。中医健康解读:将大模型返回的舌象特征传入大模型接口,结合中医理论生成体质与健康解读文本。个性化健康建议:根据舌象识别与体质解读结果,通过大模型生成饮食、作息、养生方向的简易健康建议。个人记录管理:用户可查看本人历史舌象数据、识别结果及对

基于python+深度学习+YOLOV8的交通标志识别系统。使用yolov8来进行模型训练python=3.9、opencv、PyQt5、torch1.9。在界面中选择各种图片,可以是自己在路边拍摄的图片,可以选择视频,可以调用摄像头,进行交通标志识别,检测速度快,检测精度高。-

基于python+深度学习+YOLOV7的车牌识别系统用户:在界面中选择图片、视频,可以调用摄像头,进行车牌识别,检测速度快精度高。使用yolov7来进行模型训练,车牌定位采用yolov7,数据集来自CCPD可以定位蓝色和绿色车牌,精准率99.8%。车牌识别采用LPRnet,数据集来自CCPD,可以识别蓝牌和绿牌,训练后模型准确率98.2%。生成车牌图像模型使用CycleGAN可视化界面使用的py

舌象预处理:对上传舌图进行尺寸统一、去噪、对比度增强,优化后用于识别。舌象智能识别:调用开源多模态大模型接口,对预处理后舌象进行分析,输出舌色、舌苔、舌形识别结果。中医健康解读:将大模型返回的舌象特征传入大模型接口,结合中医理论生成体质与健康解读文本。个性化健康建议:根据舌象识别与体质解读结果,通过大模型生成饮食、作息、养生方向的简易健康建议。个人记录管理:用户可查看本人历史舌象数据、识别结果及对








