本研究针对传统科技资源分析报告生成效率低、质量不均的问题，提出基于模板的智能报告生成方法。通过融合自然语言处理和大数据分析技术，构建了包含数据管理、报告管理等模块的自动化系统，实现从数据到报告的闭环处理。系统采用可视化技术和知识图谱构建方法，支持动态更新与可扩展模板，能自动生成图文并茂的标准化报告。研究成果可应用于政府规划、企业决策等领域，未来将深化AI技术应用，优化人机协同，提升产业分析效率和决

本文提出TFIE-Gait步态识别模型，针对开放环境中时序信息利用不足和噪声干扰问题，创新性地引入时频信息增强模块（TFIE）和去噪采样模块（DAS）。TFIE模块通过多尺度卷积和自注意力机制提取时域特征，结合傅里叶变换获取频域特征；DAS模块利用频域去噪和交叉相关算法去除异常帧并恢复周期性时序信息。实验表明，该模型在Grew等开放环境数据集上显著优于现有方法，为步态识别中的时序特征提取和噪声处理

本文聚焦于基于多目标跟踪的课堂人数自动统计这一主题，提出将YOLOv8和SORT (Simple Online and Realtime Tracking)算法相结合的方法。其中，YOLOv8作为先进的单阶段目标检测算法，能迅速识别图像或视频帧中的目标并输出关键信息；SORT算法借助卡尔曼滤波预测目标位置变化。研究通过运用特定的软硬件配置开展实验，对模型进行训练与验证。该方法旨在实现课堂人数的精准

摘要：本研究以蜀南竹海景区为案例，提出基于大语言模型(LLM)与多源数据融合的智能导览优化方案。通过整合客流、交通、行为等数据，构建了包含个性化路线推荐、语音讲解、拥堵预测、停车服务和应急引导的智能系统。研究采用参数权重调整实现差异化推荐，开发动态扫码机制优化停车管理，并改进Dijkstra算法应对应急场景。对比分析显示，该系统在游客体验、管理效率等方面显著优于传统导览方式。研究为智慧景区建设提供

摘要：本文提出了一种基于改进长短焦图像融合技术的轨道交通障碍物检测系统。通过结合SIFT特征提取与相位相关法，开发了创新配准算法，将边缘对齐误差降低87.5%至0.27像素。采用YOLO11目标检测模型，系统在融合长短焦图像后，检测性能显著提升，mAP50-95指标从64.19%提高到81.32%。实验证明，该方法有效整合了长焦相机的高分辨率细节与短焦相机的广角优势，为提升轨道交通安全检测提供了可

现有的多分支自监督点云上采样框架的设计机制通常没有关注到各分支间的结构一致性问题，特征表示能力不足。为解决上述问题，提出一种结构感知的自监督点云上采样网络。

本文提出一种新型重力补偿算法，通过自动标定力传感器坐标系与机器人末端坐标系的旋转变换矩阵，解决了传统方法需手动校准的难题。该方法利用最小二乘法估计力传感器初始值、工具重力及重心位置，并通过特定姿态精准标定坐标系关系。实验采用AUBO-I5机械臂和ATI-Gamma力传感器，结果表明该算法补偿误差仅为[0.237N 0.395N 0.928N 0.032N·m 0.018N·m 0.002N·m]，

摘要：本研究提出一种基于DBNet和CRNN的电梯铭牌及限速器检验单智能识别方法，实现检验工作的远程化转型。通过DBNet进行文本区域检测（Hmean指标达87.5%），结合CRNN完成字符识别，相较于传统方法显著提升识别准确率。实验采用ICDAR2015数据集验证，网络结构性能优于对比模型，其中PP-OCRv4预训练模型表现最佳。该技术将现场检验转化为远程智能检测，为电梯质量监管提供高效解决方案

本文提出一种基于时空特征的运动分割方法，用于提高人形机器人对人类动作示教数据的识别精度。通过提取质心速度、加速度和简化倒立摆摆角等动态平衡特征，以及步长、步高等步态参数，构建具有时空特征的运动数据集。结合概率主成分分析方法进行运动分割，实验结果表明，相比基于原始数据的分割方法，本文方法显著提高了查准率和查全率。该方法为机器人动作示教提供了更可靠的运动分割基础。研究获国家自然科学基金等项目支持。

本文设计了一种基于ROS平台的室内智能巡检机器人系统，采用多传感器融合技术实现商场等场所的全天候安全巡检。系统采用分层架构设计，整合激光雷达建图（Gmapping算法）、AMCL定位、A*与DWA结合的路径规划算法，以及改进的YOLOv7视觉检测技术（准确率达96.3%），能够高效识别火灾烟雾、行人危险行为等安全隐患。实验表明，该系统在自主导航和视觉检测方面性能优越，为室内智能巡检提供了可靠解决方