设备检测数据集主要由施工起重机和施工升降机等数据构成，是广东省建筑科学研究院在为客户提供设备检测检测服务时生成的数据

路桥检测数据集主要由桥梁信息划分表、桥梁检测报告等数据构成，是广东省建筑科学研究院在为客户提供路桥检测服务时生成的数据

针对整樘窗、玻璃幕墙、单片玻璃、多层玻璃、玻璃气体间层、 玻璃系统、 框、 遮阳系统、遮阳百叶、通风空气间层等关键门窗玻璃幕墙的结露性能、传热系数、遮阳系数、可见光透射比、传热系数、露点温度等的数据。 建筑玻璃可见光透射比、太阳光直接透射比、太阳能总透射比、紫外线透射比及有关窗玻璃参数。 不同厂家生产的玻璃以及不同类型的玻璃，其具体性能数据可能会有所差异。在实际应用中，需要根据具体的工程需求和设计要求，选择合适的玻璃产品，并参考厂家提供的详细技术参数。

本产品并非简单的软件工具，而是基于成熟的“基站用电智能化分析服务平台”，为您提供的一站式数据驱动型解决方案。致力于将复杂的电力数据转化为直接的业务价值，帮助应对电费成本高、运维效率低、安全风险大等核心挑战。 核心价值主张： 成本优化：精准识别异常用电，提供节能策略，实现电费支出显著降低。 运维增效：变“被动抢修”为“主动预警”，缩短故障时长，提升运维效率。 安全可控：7x24小时实时监测，提前发现电气隐患，保障基站稳定供电。 决策支持：提供多维度数据分析报告，为基站规划、运营考核提供科学依据。 目标客户： □ 通信运营商（移动、联通、电信） □ 中国铁塔公司及各分公司 □ 其他基站设施管理方

本数据集基于MODIS Terra卫星的MOD13Q1产品，采用最大值合成法生成2000-2025年全球1000米分辨率的逐月NDVI数据。该方法通过选取月度内NDVI最大值，有效抑制了云层、大气噪声和观测角度的影响，最优地反映了每年植被生长的峰值空间分布。数据集已继承MOD13Q1的严格质量控制流程，具备良好的时间一致性与空间可比性，是进行大尺度植被动态监测、环境变化评估及生态系统研究的权威基础数据。

“AI+准度领航”数据质控合规系统专注于解决政务数据与企业数据“找不全、管不细、用不好”的核心痛点，其应用场景贯穿数据从发现、治理到赋值的全生命周期，具体如下： 1. 政务数据全域治理与高效共享 针对各级政府单位数据“未全量编目、未规范编制、未联动更新、未达标质量”的普遍难题，系统通过数据AI探查能力，自动扫描各类数据库、文件系统与API接口，全面盘点隐藏的、未编目的数据资产。随后，利用智能编目功能，将非结构化、半结构化数据自动转化为符合国家标准的规范化目录，实现数据资源的统一纳管与“一本账”管理，为落实《政务数据共享条例》、构建全国一体化政务大数据体系提供坚实基础。 2. 数据质量精准检测与合规保障 在数据共享交换或入表登记前，该场景通过数据AI质检模块，对数据目录及实体数据进行全方位检测。系统内置AI质量模型与规则引擎，能自动识别数据一致性、完整性、准确性等问题，并生成定制化的质量评估与合规报告。这为数据管理部门提供了强大的治理抓手，确保数据在流通与应用前满足质量要求与政策规范，有效规避因数据质量问题导致的决策风险与合规风险。 3. 数据资产识别与知识产权培育 面向企业数据资产化需求，该系统能智能筛选与识别具有潜在价值的数据资源，判定其资产属性。通过数据资产识别功能，帮助企业理清“管什么、属于谁、值什么”，并评估数据知识产权登记的可行性。该场景直接服务于数据知识产权挖掘与登记工作，将零散数据转化为受法律保护的资产，为后续的数据资产入表、交易与融资奠定核心基础。 4. 场景驱动的数据融合与价值释放 为解决数据与业务“两张皮”的问题，系统支持“按需生场景、按场景找数据”。用户可围绕如“交通拥堵治理”等具体业务需求，由系统智能匹配、关联并融合所需的多源数据（政府、企业、社会），构建跨领域数据应用场景。这一场景极大地赋能了跨部门协同治理与商业化数据产品开发，推动数据从静态资源向动态生产力的转变，实现数据价值的精准、高效释放。 5. 数据资产的持续运营与智能进化 在数据体系建成后，系统提供持续监控与智能进化能力。通过高级语料库（标准库、规则库、模型库）动态吸收新政策与新知识，自动更新治理规则。同时，智能评估报告功能可对整改后的数据进行自动复检，形成“检测-整改-验证”的治理闭环，确保数据资产在持续运营中保值增值，适应业务与规则的不断变化。

（一）数据治理产品：动态知识库与AI搜索引擎 1、动态知识库：动态知识挖掘与语境建模中枢。为大语言模型（LLM）定制构建可持续进化的知识体系，提供从数据挖掘、知识建模（语境图谱技术）、到智能检索（AI搜索引擎）的全流程产品与服务，具体包括： （1）数据挖掘：从多元异构多模态的数据格式中提取信息，基于核心自研的数据清洗自动化工具，输出标准格式的数据。 （2）知识建模：基于自研的语境图谱技术（Context Graph），提取“知识点”构建知识脉络，构建会 "思考" 的知识网络。 （3）智能检索（AI搜索引擎）：自然语言驱动的数据检索引擎。集合SQL-R1（适用于SQL数据库的精准找数需求）、思维图谱ToG（适用于多跳问题、宏观信息）和检索增强RAG（适用于普通问题、细节信息）的强大检索能力，识别用户提问，提供精准回答 （二）合成数据平台 1、数据合成：数据合成服务：提供低成本、高质量合成数据服务，解决模型训练与应用中数据稀缺与高定制成本的问题，可服务于模型的预训练、后训练环节。以原始数据为基础，服务于用户的垂类场景需求，实现数十倍的数据增量（同时避免“近期繁殖”和“同质化”的问题）。合成效果相较行业标杆案例（EntiGraph）全面提升25%以上，成本节约85%以上。

（一）数据治理产品：动态知识库与AI搜索引擎 1、动态知识库：动态知识挖掘与语境建模中枢。为大语言模型（LLM）定制构建可持续进化的知识体系，提供从数据挖掘、知识建模（语境图谱技术）、到智能检索（AI搜索引擎）的全流程产品与服务，具体包括： （1）数据挖掘：从多元异构多模态的数据格式中提取信息，基于核心自研的数据清洗自动化工具，输出标准格式的数据。 （2）知识建模：基于自研的语境图谱技术（Context Graph），提取“知识点”构建知识脉络，构建会 "思考" 的知识网络。 （3）智能检索（AI搜索引擎）：自然语言驱动的数据检索引擎。集合SQL-R1（适用于SQL数据库的精准找数需求）、思维图谱ToG（适用于多跳问题、宏观信息）和检索增强RAG（适用于普通问题、细节信息）的强大检索能力，识别用户提问，提供精准回答 （二）合成数据平台 1、数据合成：数据合成服务：提供低成本、高质量合成数据服务，解决模型训练与应用中数据稀缺与高定制成本的问题，可服务于模型的预训练、后训练环节。以原始数据为基础，服务于用户的垂类场景需求，实现数十倍的数据增量（同时避免“近期繁殖”和“同质化”的问题）。合成效果相较行业标杆案例（EntiGraph）全面提升25%以上，成本节约85%以上。

JoinAI FactoryRisk-Mix 是由卓印智能（JoinAI）出品的一套专注于工业生产与施工环境下危险行为识别与安全合规检测任务的合成数据集。数据由 Simulaix 合成引擎生成，重现高风险作业现场中的关键动作、违规行为与安全要素分布，具备真实感、强可控性与高多样性。 数据涵盖焊接、打磨、切割、吊装等典型动火作业与吊装作业场景，完整模拟工人在复杂条件下的行为与状态，包括未佩戴防护装备的高危行为、现场存在的安全隐患物体（如气瓶、灭火器、接火盆等）及其位置变化。适用于工业AI安全系统的模型训练与验证。

JoinAI FisheyeAVM-Mix 是卓印智能（JoinAI）出品的一套面向近距离目标识别与泊车辅助感知任务的高质量合成数据集。图像部分由 Simulaix 引擎生成，拼接AVM图像与视频内容由 Terra 世界建模引擎生成，重构典型道路与停车场环境下的复杂交通元素与动态交互行为。 数据模拟了住宅区、商业区、工业区、道路边与多种类型停车场等真实使用场景，具备多样的目标类别、多角度视野、多天气与多时段条件，特别适用于智能驾驶系统的哨兵模式、泊车辅助与近域目标检测任务。

JoinAI RoadCN-Mix 是由卓印智能（JoinAI）出品的一套中国典型道路交通场景的高质量合成数据集，由旗下两大自主生成引擎协同生成：图像部分由 Simulaix 合成引擎 输出，视频部分由 Terra 世界建模引擎 驱动生成。该数据集聚焦于中国城市、高速、城乡结合部等多类型路况，并模拟真实环境下的多种交通参与行为、气候条件与视角变化。 所有数据均为合成生成，不包含任何真实地理信息或现实世界标识，既具备高度还原的视觉特征，又保持数据的可控性与合规性，适用于智能感知系统、自动驾驶、城市交通分析、多模态AI模型训练等多类应用场景。

JoinAI CabinSense-Mix 是由卓印智能（JoinAI）出品的一套高质量合成数据集，聚焦车舱内行为感知任务，支持图像与视频双模态。图像部分由 Simulaix 精准标签引擎生成，视频部分由 Terra 世界建模引擎生成，涵盖驾驶员、乘客（含儿童）、宠物的多种典型行为与交互，以及舱内常见物品的多位置分布。 数据构建模拟了白天、夜晚、逆光等不同光照环境，以及多人物组合、多摄像头视角、多种舱内布局，支持 RGB、IR、NIR 等模态输出，具备标签完备、行为清晰、时序一致等特性。特别设计了大量 corner case 情境（如异常睡姿、遮挡干扰、儿童误触等），用于强化模型鲁棒性训练。 所有数据均为可控仿真生成，不涉及任何真实人物或车舱采集信息，适用于驾驶员监控系统（DMS）、高级驾驶辅助（ADAS）、智能舱内行为识别、交互分析与预警系统的感知模型训练与测试任务。