登录社区云，与社区用户共同成长
邀请您加入社区
AOI（Automated Optical Inspection，自动光学检测）设备是融合工业相机、机器视觉、深度学习与 PLC 控制的复杂机电系统。本文构建涵盖感知硬件层、控制层、软件算法层与决策输出层的分层架构模型，解析基于触发同步的单周期检测工作流；并通过与单片机 LED 控制和智能小车的横向对比，揭示工业 AOI 在确定性、实时性与多协议集成方面的核心设计要求，可为系统集成与项目方案设计提
本文提出基于物联网与人工智能的中医针灸采穴器，解决传统取穴依赖经验、定位不准、居家难用等痛点。融合多传感器（生物电阻抗、红外热成像、压力传感等）与边缘AI算法，实现穴位精准定位与实时反馈，结合政策支持与专业优势，推动中医药智能化落地，助力“治未病”与居家健康管理。
上次推荐Excel抠图时有人说没批量功能，它刚好补上——上传照片点【批量处理】，一次性搞定一堆图，省老鼻子事了。用它抠完，杯子主体干干净净，倒影完全去掉，边缘利落得像修过，效果杠杠的！抠图工具我介绍过不少，各有各的好，但我平时用得不多，一般就拿百度图片助手凑合用。界面特简单，上传要抠的图片，直接点【批量处理】，等着就行。速度真没话说，批量处理完点【下载】或【批量下载结果】，图片直接存本地，几秒钟的
LabVIEW作为一种强大的工程开发环境，其与TensorFlow的结合使用，能够更高效地实现深度学习模型的开发与应用。本教程将介绍如何使用LabVIEW调用TensorFlow进行深度学习。本教程介绍了如何使用LabVIEW调用TensorFlow进行深度学习。通过本教程的学习，您将能够掌握LabVIEW与TensorFlow的结合使用方法，并能够利用这一技术实现深度学习模型的开发与应用。lab
2012年的时候，Hadoop已经日趋成熟，Intel的大数据团队也正准备寻找新的技术研究方向。当时，我们对比测试了多个新出来的大数据技术产品，最终选择了Spark重点跟进参与。现在看来，这是一个明智的决定，作出这个决定是基于大数据基准测试，而使用的对比测试工具就是我今天要讲的大数据基准测试工具HiBench。大数据作为一个生态体系，不但有各种直接进行大数据处理的平台和框架，比如HDFS、MapR
配置环境变量：安装后会自动添加IDF_TOOLS_PATH路径，再新建用户环境变量IDF_PATH变量，指向安装路径中frameworks\esp-idf-v5.4.3路径文件夹即可。下载esp-idf安装包：https://dl.espressif.cn/dl/esp-idf/安装USB虚拟驱动：因为要通过usb串口下载程序到开发板里面，所以还需要安装usb虚拟驱动。vs code 下载ESP-
大模型部署优化技术解析 本文系统阐述了大模型在实际部署中面临的挑战及三大优化技术：量化、知识蒸馏和微调。文章首先指出大模型在边缘设备部署时的资源矛盾，随后深入分析各技术的实现原理： 量化通过降低数据精度（如FP32→INT8）缩减模型体积75%，同时提升计算速度，但需平衡精度损失； 知识蒸馏让轻量学生模型模仿复杂教师模型的行为，通过软标签传递暗知识； 微调使通用预训练模型快速适应特定领域，需谨慎调
Uber 这篇文章讲的是 PB 级数据湖 I/O 可观测性，但它的核心经验并不局限于数据湖。它说明了一个很重要的工程原则：在大规模平台里，可观测性不能只靠各个系统自己打日志，而要找到一个既足够底层、又足够通用、还能表达业务语义的观测层级。对于 Uber 来说，这个层级就是 Hadoop-compatible file system client。通过拦截和，Uber 可以在不修改作业代码的前提下，
本文系统介绍了计算机指令系统的基础知识，主要内容包括：1.指令的基本组成结构（操作码、寻址特征、形式地址）；2.指令寻址的两种方式（顺序寻址和跳跃寻址）；3.十种数据寻址方式（直接/间接/寄存器/寄存器间接/隐含/立即数/基址/变址/相对/堆栈寻址），详细分析了每种寻址方式的原理、优缺点及访存次数。文章通过表格和示例对各类寻址方式进行了对比，最后总结了不同寻址方式的访存频率，为理解计算机指令执行机
随着端侧 AI 从概念走向落地，本地大模型的部署对内存子系统提出了严苛要求。本文以极摩客（GMKtec）EVO-X2 桌面 AI 超算中心为实战案例，深度解析晶存科技 LPDDR5X 内存方案。通过 8000MHz 高频运行（颗粒支持 8533MHz）、单颗 16GB 高密度封装以及 128GB 大容量组合的真实数据，展示高性能存储如何突破“内存墙”，支撑 126 TOPS 异构算力与 235B
本文系统介绍了单片机的基本结构、工作原理及未来发展趋势。主要内容包括：1）单片机的基本组成（CPU、存储器、I/O接口、定时器、中断系统等核心模块）；2）单片机最小系统电路设计（电源、复位、时钟、下载电路）；3）芯片手册的查阅方法；4）各类单片机的对比（8/16/32位、ARM/RISC-V架构）；5）未来发展方向（AI边缘计算、RISC-V架构崛起、物联网融合等）。文章通过架构图对比了冯·诺依曼
工业扫码器
摘要： RaspberryPi从2012年首代产品至今，已发展成涵盖教育、嵌入式开发、IoT及边缘计算的多功能平台。Pi1以低成本ARM架构开启单板计算机时代；Pi2提升多核性能；Pi3集成无线通信，推动物联网应用；Pi4通过桌面级硬件扩展专业场景；2023年的Pi5进一步升级，采用Cortex-A76处理器和自研RP1芯片，支持PCIe、高速USB等接口，强化AI和边缘计算能力。十年间，Rasp
锂电+液流”混合储能系统并非简单拼装，而是通过架构耦合与智能控制实现的有机整体。它充分发挥了锂电“快”和液流“久”的优势，实现了从秒级到小时级的多时间尺度能量管理，是构建高比例新能源新型电力系统的关键支撑技术之一。未来，随着人工智能、数字孪生等技术的融合，混合储能系统将朝着更智能、更经济、更可靠的方向持续演进。
