水果甜度个人手持设备检测-(题外:为啥会选型这个课题)

news2024/11/13 9:06:00

系列:水果甜度个人手持设备检测

-- 题外:为啥会选型这个课题

  1. 写在前面的话

这段时间一直也在思考,在主业之外哪些方向和产业成熟度较高、技术复杂度又不是很离谱,比较容易出成果的方向,能够有空去试着做一做。这几年AI智能化正在逐步往互联网和物联网进行渗透,我们能不能把这些年新出现和完善的产品和方案,往更多受众面的民生领域去靠拢一下,制作一些之前人们只能想想但却无法付诸行动和产品面世的一些小东西呢。

毕竟,从八十年代到现在“三大件”的标准在不停的变换,咱们多弄一些出来走进生活,难保数年数十年后,我们的产品不会变成新的“三大件”、“八小件”的新兴产品,潜移默化的改变生活。

我们想过很多个不同idea的方向和产品,后来想想还是尽量从toC的方向入手,做一些平头老百姓能用得上的实实在在的产品,无关见识知识和文化程度,都能一起享受到AI时代带给普通人生活上的改变。

就好比超市的明码标价一样,早期商品缺乏的时代交易都是看人喊价,熟人就便宜一些、客人憨憨的就喊贵一些,会砍价的就能便宜一些,这样的场景在我小的时候伴随着一路的成长,我也对此深恶痛绝。不透明的信息必然造成不公,进而影响总体交易规模的壮大,只是有些是人为的单方面信息封锁、有些是信息获取手段和途径的匮乏而已。

那么,我们能不能利用现在手头上的一些资源,向这个方向尽量靠拢,让更多的人就像去超时买东西一样,不需要买个东西还得掌握一堆专业知识(就好比买个食盐我还得应该知道海盐和湖盐和岩盐的区别?我就想炒个菜^v^),就能知道并获取最适合自己的东西呢?这个也是我们一直在努力的方向和目标。

  1. 民用市场的现状

用政治课的一句话来概况就是“人民日益增长的物质文化需要和匮乏的物质世界的矛盾”。一方面,全面工业化带来了越来越多的丰富的商品;另一方面,部分因循守旧的团体和人群却并未同步更新它们的服务理念。就像现在都接近21世纪中叶了,小学中学教材还是二三十年前的那几套,那些人还想再继续用几十年,却不去想这二三十年来社会和世界发生的山洪海啸般的变化。

我们在大约20个方案和产品中,最终选型初步确定往这个方向靠拢,做关于水果甜度的民用化家庭小型手持设备或配件,是希望建立一个理念:通过某个细分领域进行分类和标准的推荐,形成度量的方式和标准办法,进而挂载大数据,能够从源头上进行常用知识的自动筛选,减少用户对莫名其妙知识或“常识”的学习,进而进行更深层次的产品建议和产品推荐。


上一篇:系列:水果甜度个人手持设备检测-开篇

下一篇:暂时还没写,敬请期待。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2050535.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Java方法02:方法的定义和调用

本节内容视频链接:Java方法03:方法的重载_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV12J41137hu?p47&vd_sourceb5775c3a4ea16a5306db9c7c1c1486b5 在Java中,‌‌方法的定义是创建一段可重复使用的代码块的过程‌。‌它…

Java 开发者 LLM 实战:利用 LangChain4j 打造高效本地 RAG 系统

1、引言 由于目前比较火的chatGPT是预训练模型,而训练一个大模型是需要较长时间(参数越多学习时间越长,保守估计一般是几个月,不差钱的可以多用点GPU缩短这个时间),这就导致了它所学习的知识不会是最新的&…

代码随想录DAY17 - 二叉树 - 08/16

最大二叉树 题干 题目:给定一个不重复的整数数组 nums 。 最大二叉树 可以用下面的算法从 nums 递归地构建: 创建一个根节点,其值为 nums 中的最大值。 递归地在最大值 左边 的 子数组前缀上 构建左子树。 递归地在最大值 右边 的 子数组…

Linux下载卸载MySql

一. 安装Mysql 1.下载mysql --- 密钥 rpm --import https://repo.mysql.com/RPM-GPG-KEY-mysql-2022 rpm -ivh http://dev.mysql.com/get/mysql57-community-release-el7-10.noarch.rpm yum -y --enablerepomysql57-community install mysql-community-server 2.启动mysql sy…

如何选择最佳智能排班系统?9款工具全解析

本文介绍的自助排班管理工具有Moka、红圈排班、工作易排班、泛微e-office、Udesk、畅捷通T、Zenefits、Homebase、Deputy。 在管理团队时,手动排班不仅耗时,还容易出错,影响工作效率,相信很多管理者也有同样的困扰。为了解决这个痛…

【Spring Boot】定时任务

目录 前言 定时任务注解Scheduled 设计一个定时任务 1.启用定时任务 2.创建定时任务 Cron 表达式详解 多线程定时任务 总结 定时任务框架xxl-job SpringBoot继承定时任务框架 1.搭建调度中心xxl-job-admin 1.1下载项目 1.2修改配置文件端口和数据库代码 1.3连接到…

Linux进程间通信学习记录(无名管道)

0.Linux进程间通信的方式 (1).从UNIX继承过来的通信方式 无名管道(pipe) 有名管道(fifo) 信号(signal) (2).System V IPC 共享内存 消息队列 信号灯集 &am…

Java方法03:方法的重载

本节内容视频链接:https://www.bilibili.com/video/BV12J41137hu?p47&vd_sourceb5775c3a4ea16a5306db9c7c1c1486b5https://www.bilibili.com/video/BV12J41137hu?p47&vd_sourceb5775c3a4ea16a5306db9c7c1c1486b5 在Java中,‌方法的重载&#x…

AI编程系列一1小时完成链家房价爬虫程序

背景 AI编程实在太火,写了很多年的Java,现在Python 和Go 简单好用,今天结合智谱清言快速完成一个程序爬虫程序,没有任何Python 编程经验,只需要会提问,熟悉简单HTML结构即可。未来一定是有业务能力者的福…

Anylogic设置颜色

三维对象的颜色修改 以detector智能体为例,颜色修改代码为: detector.setColor(“Material_(4)_Surf”,blue); 二维对象的颜色修改 house智能体为例,对组件内的_ps282填充的颜色进行修改,level_是该智能体已有的参数或者称之为变…

CLRerNet推理详解及部署实现(下)

目录 前言一、CLRerNet推理(Python)1. CLRerNet预测2. CLRerNet预处理3. CLRerNet后处理4. CLRerNet推理 二、CLRerNet推理(C)1. ONNX 导出2. CLRerNet预处理3. CLRerNet后处理4. CLRerNet推理 三、CLRerNet部署1. 源码下载2. 环境配置2.1 配置CMakeLists.txt2.2 配置Makefile …

python:画由抛物线: y^2=2x 与直线 y=x-4 所围成的图形

《高等数学》同济大学版 P339 编写 test_diff_3_area.py 如下 # -*- coding: utf-8 -*- """ 画由抛物线: y^22x 与直线 yx-4 所围成的图形 """ import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import Polygon…

11结构型设计模式——外观模式

一、外观模式简介 外观模式(Facade Pattern)是一种结构型设计模式,它提供了一个统一的接口来访问子系统中的一组接口,使得子系统的使用更加简单和方便。通过外观模式,可以将复杂的子系统封装在一个外观类(…

​​数据结构-树

n = 度数之和 + 1 n + x + y + z = x +2y +3z + 1

增加练习(修改获取练习的基本信息接口)

文章目录 1.sun-club-practice-api1.enums1.CompleteStatusEnum.java 2.req1.GetPracticeSubjectsReq.java 3.vo1.PracticeSubjectListVO.java 2.sun-club-practice-server1.PracticeSetController.java2.service1.PracticeSetServiceImpl.java 3.dao1.PracticeDao.java2.Pract…

HAL STM32 SG90舵机驱动控制

HAL STM32 SG90舵机驱动控制 🔖测试对象:STM32F103SG90舵机 🌼功能实现:通过串口指令,控制SG90舵机转动到指定角度。 ✨在实际硬件舵机驱动过程中,使用SG90普通舵机空载运转情况下,电流在180mA…

验证集的loss比训练集大得多Val Loss is too large

这个跟数据集有关,不过可已通过clip减缓。 解决方法 nn.utils.clip_grad_norm_(self.Model.parameters(), max_norm5)

AtCoder Regular Contest 182 A~D

A.Chmax Rush!(枚举) 题意: 有一个长度为 N N N的整数序列 S S S。最初, S S S的所有元素都是 0 0 0。 同时给你两个长度为 Q Q Q的整数序列: P ( P 1 , P 2 , … , P Q ) P(P_1,P_2,\dots,P_Q) P(P1​,P2​,…,PQ…

AI产品经理修炼指南:从青铜到王者的逆袭之路

一、AI通识 1.1 AI产业结构 AI发展至今大致按照在产业结构上的分工不同产生了三种类型的公司,我们在转型时最好要先明确自己的优势及兴趣,来判断自己适合着眼于哪个层面的工作,从而进行针对性的学习和提升。 (1)行业…

Apache Flink细粒度资源管理原理

粗粒度资源管理 Apache Flink 1.1.4版本之前使用的是粗粒度的资源管理,即每个算子Slot Request所需要的资源都是未知的,Flink内部用UNKNOWN的特殊值来表示,这个值可以和任意资源规则的物理Slot匹配,站在Taskmanager的角度&#x…