登录社区云，与社区用户共同成长
邀请您加入社区
这是一篇深度复盘 C# 文件操作与 IO 流底层逻辑的实战笔记。文章结合工程场景，从基础的 Path 与 File 类“文职与搬砖”的分工切入，清晰理清了 API 职责边界。核心聚焦于从存在内存溢出风险的 ReadAllText 到“内存恒定”的 FileStream + Buffer 的思维跨越，深度剖析了 1MB 缓冲区背后的搬运模型。此外，还涵盖了 using 语句与 IDisposable
/ 加载自定义模型，指定类别名称var classNames = new[] { "针孔", "划痕", "短路" };如果需要自定义后处理逻辑，可以继承// 自定义后处理逻辑// 使用自定义后处理器TensorRT引擎生成慢：第一次加载模型时，TensorRT会生成引擎文件，这个过程可能需要几分钟。生成的引擎会缓存到本地，下次启动直接加载，速度会快很多。CUDA版本兼容问题：YoloSharp要
摘要：本文分享了工业质检场景下C#调用YOLOv8s ONNX模型的性能优化实战经验。原始单帧推理耗时300ms无法满足产线需求，通过全链路分析定位瓶颈（预处理85ms、推理180ms、后处理30ms）。重点优化措施包括：使用OpenCVSharp CUDA加速预处理（85ms→12ms），开启ONNX Runtime ALL级别图优化，选用TensorRT执行提供程序（180ms→22ms），以
低延迟、高可靠、易部署。方案优势劣势适用场景VPN远程桌面开发简单，无需修改原有程序延迟高、不稳定、安全性差、需要公网IP简单的远程调试TCP直连速度快、延迟低需要公网IP、无法穿透运营商NAT、安全性差有固定公网IP的场景工业云平台功能完善、无需自己搭服务器收费贵、数据不安全、定制化能力差大型企业的标准化项目4G+MQTT无需公网IP、穿透性好、低带宽、高可靠、易部署需要自己搭MQTT服务器中小
《PasteEx：颠覆传统粘贴体验的效率神器》 这款基于.NET的开源工具彻底革新了Windows剪贴板操作方式。通过智能识别剪贴板内容并一键保存为文件，PasteEx将传统粘贴流程从5步简化为1步，效率提升高达300%。其核心优势包括： 智能内容识别：自动检测文本、图片等格式并设置正确扩展名 极简操作：Ctrl+Alt+X快捷键替代传统多步粘贴流程 多格式支持：完整覆盖文本、HTML、图片等常见
本文介绍了Unity开发中Shader的基础概念和使用方法。Shader作为着色器，是控制游戏物体最终渲染效果的GPU指令集。文章重点讲解了Shader与Mesh、Material三个核心组件的关系：Mesh提供模型基础结构，Material负责上色，Shader则定义材质质感。通过创建标准Shader(Standard)，开发者可以调整渲染模式、主贴图组(Albedo、Metallic等)、自发
摘要： C#与YOLO深度学习的组合已成为工业视觉系统的黄金标准，满足工业场景对稳定性、实时性、集成性和部署便捷性的严苛需求。C#凭借.NET运行时的稳定性、丰富的工业生态和高效GUI开发能力，成为工业上位机开发的首选；YOLO则以其单阶段检测架构、高精度和轻量化特性，适配工业目标检测需求。通过ONNX Runtime实现跨框架模型部署，C#调用YOLO模型时性能优于Python，支持毫秒级实时推
本文将带你从零开始，使用 FastAPI + LangChain + LangGraph + DeepSeek 构建一个专注于 Unity C# 的代码审查 Agent。从最基础的 Chain 链路，到具备工具调用的 ReAct Agent，再到结构化输出、意图分类、思考链可视化和工程化加固，完整呈现一个 AI Agent 从 Demo 到生产级的进化过程。适合对 AI Agent 开发感兴趣的后
摘要： Google DeepMind推出的Gemma4是新一代开源大模型系列，基于Apache2.0协议，支持商用与自由修改。涵盖E2B（2.3B有效参数）、E4B（4.5B）、26B（MoE架构）和31B旗舰版，适配从手机到服务器的全硬件场景。核心亮点包括高效推理、128K-256K长上下文支持、原生多模态（文本/图像/视频/音频）及可配置思考模式。E4B为端侧平衡首选，26B MoE以26B
高可用就是用。
本项目是一个基于 DAViD (Denoising Aggregation for Vision and Depth) 算法的图像前景分割工具，使用 ONNX 模型进行推理，支持 CPU 和 CUDA 加速。项目采用 C# WinForms 开发，提供友好的图形界面，可以实时显示原始图像和分割后的透明背景结果。
/home/user/g2c 项目是一个完整的游戏设计到代码(G2C)自动化工具链，包含以下核心组件： 领域模型层 实现需求→代码的"副产品三件套"：领域模型+CRUD矩阵+ER图 七层完整管道从业务愿景到可运行代码 游戏知识库 内置塔防游戏模板，包含： 11个标准实体（Tower/Enemy/Projectile等） 6个核心系统（Wave/Placement/Economy
摘要： 在企业级AI落地领域，C#正悄然成为关键语言。凭借官方SDK支持、统一抽象层（Microsoft.Extensions.AI）和分层架构（基础调用→智能体），C#解决了AI工程化的核心问题：模型解耦、业务流程集成与本地化部署。SemanticKernel赋予AI任务拆解与执行能力，而MCP协议实现了与企业系统的深度对接。尤其在数据敏感的本地模型场景（如Ollama+Phi-3），C#展现出
摘要： 本文介绍了基于C# WPF+YOLOv12+大疆OSDK的无人机电力巡检智能解决方案。传统巡检依赖人工分析照片，效率低且漏检率高（15%）。新方案通过在无人机机载工控机部署YOLOv12模型，实现实时缺陷检测（准确率99.7%），仅上传缺陷数据，节省90%带宽。系统采用"机载边缘计算+云端管理"架构，支持INT8量化模型（30ms/帧）和小目标检测优化，每年可节省人工成
本文介绍了一个基于C# WPF、YOLOv11和Modbus TCP协议的工业质检自动化系统。该系统通过上位机集成PLC控制和AI视觉检测，解决了传统分离架构效率低、错误率高的问题。系统采用三层分布式设计，实现了产品到位检测、自动拍照、AI缺陷识别和PLC剔除控制的闭环流程。核心代码包括Modbus通信封装、PLC地址映射和YOLOv11推理集成，可将质检准确率提升至99.9%，效率提高8倍，每条
本文介绍了一种基于C# WPF和YOLOv11n的工业质检系统解决方案，通过纯C#实现AI质检全流程，显著提升了生产效率和质检精度。该系统采用模块化设计，包含设备层、通信层、上位机核心层和业务层，支持实时监控、模型热更新和MES系统对接。核心技术包括ONNX Runtime推理引擎封装、OpenCVSharp图像处理和Modbus通信，实现了99.8%的检测准确率和0.2%的漏检率，每条产线可节省
工业视觉项目部署痛点与.NET 9解决方案 摘要：工业视觉项目常因Python部署问题导致落地困难，主要表现为三大痛点：环境依赖复杂、GIL锁性能瓶颈和跨语言通信难题。.NET 9通过深度集成ONNX Runtime、引入TensorPrimitives张量运算、支持Native AOT编译等技术，实现了高性能、无依赖的原生AI部署。相比Python方案，C#+NET9组合具有单文件部署（76MB
Prescaler是STM32中用于降低时钟频率的硬件模块，“Time Quantum（时间量子）”是CAN总线位时序的基本时间单元，预分频系数用于对CAN外设的输入时钟（通常由系统时钟或外设时钟派生）进行分频，得到“时间量子”的时长。点击左边的“Project”，根据上图配置工程，“Project Name”是工程名字，“Project Location”是工程存放位置，“Toolchain/I
在分布式系统中，如果两个节点之间存在数据同步，就会带来数据一致性的问题。消息生产端发送消息到 MQ 再到消息消费端需要保证消息不丢失。当感知消息丢失了，那就需要一种机制来检查消息是否丢失。
SignalR是ASP.NET Core生态中实现实时双向通信的标准方案，它解决了传统HTTP请求模型在实时通信场景下的不足。SignalR通过Hub模型统一了客户端与服务端的双向调用，支持WebSocket、Server-Sent Events和Long Polling等多种传输方式，并自动选择最佳可用方式。核心功能包括连接管理、广播、单播、分组推送以及用户级通知，同时支持鉴权和横向扩展。开发者
本文详细探讨了WPF中WriteableBitmap的图像保存技术。首先分析了WriteableBitmap的内存模型，包括像素数据组织方式和并发访问控制策略。随后提供了完整的代码实现示例，并深入解析了性能优化方案，涵盖内存效率、编码速度和I/O调优。针对特殊场景，文章重点讨论了透明通道处理和高DPI/色彩空间保存的注意事项。最后总结了错误处理方法和调试策略，强调异步操作、资源管理和格式适配等核心
/*01：：：方法的参数传递定义时 参数列表时形参：：定义的变量调用时 传递的数据是实参:::运行方法需要的原始数据*/int aa = 1;test11(aa);//把main中的变量aa的值 复制一份 给我了test1中的变量a//方法就是代码块：使用代码块替代方法//int a=aa;a++;//值传递：：基本数据类型作为参数 传递的是值 把实参的值复制一份给了形参在方法中只能更改形参的
摘要：本文分享了C# .NET 9在国产工控平台（飞腾、鲲鹏、龙芯）的适配经验。作者基于十年工业自动化开发背景，详细介绍了国产化替代趋势下的技术挑战与解决方案。文章从架构设计、平台支持现状、开发环境搭建到核心代码适配四个方面展开，重点讲解了.NET 9对三大国产CPU的优化支持，以及字节序处理、原生库依赖等关键技术问题。通过实际项目验证，最终实现了30%的性能提升和40%的内存优化。
摘要： 本文介绍了基于YOLOv12的工业缺陷检测系统设计与C#工控机部署方案。针对传统人工质检效率低（漏检率15%-20%）、无法数据化追溯等问题，采用YOLOv12纯注意力驱动架构，在小目标检测、遮挡处理和推理速度上实现突破。系统采用六层解耦设计，支持多种工业相机和通信协议。重点阐述了YOLOv12的动态稀疏注意力、无NMS解码器等核心特性，以及针对工业场景的小目标增强、光照鲁棒性等优化策略。
【摘要】在AI智能体开发领域，Python虽占主导地位，但C#正凭借系统级优势崭露头角。C#在性能（并发处理、AOT编译）、类型安全（编译期校验）和企业级集成（数据库/API/权限）方面表现突出，尤其适合智能体的执行层需求。微软的Semantic Kernel框架进一步强化了C#在工程化落地中的竞争力。虽然Python在模型实验生态上仍领先，但未来更可能是Python（AI能力层）与C#（系统承载
在信息爆炸的时代，企业、研究机构乃至个人都面临着海量文档信息的处理需求。这些文档可能以PDF、Word、Excel、PPT、纯文本甚至图像扫描件等多种格式存在。如何高效、准确地从这些异构文档中提取关键信息，并进行汇总分析，成为提升工作效率和挖掘数据价值的关键环节。传统的手工处理方式不仅耗时耗力，而且容易出错，难以应对大规模文档处理的挑战。本文将详细介绍如何利用强大的大语言模型及其API接口，结合编
工业级部署YOLO，C# + ONNX Runtime是目前的最佳方案——性能强、稳定性好、和.NET生态无缝集成，完全能满足产线7x24小时运行的要求。模型导出时选对opset（12-14），加nms=True和；预处理注意颜色空间（BGR转RGB）和张量布局（NCHW）；用多线程流水线和对象池优化性能，保证“稳定的快”；产线部署做好异常处理、日志记录和性能监控，出问题能快速定位。现在这套方案已
这套系统的核心其实就是“C# WPF + YOLOv8 ONNX + ONNX Runtime”，技术栈都是成熟的东西，关键在于细节处理，比如颜色空间转换、坐标映射、多线程流水线、内存管理这些。对接MES系统：把检测数据实时上传到MES，方便质量追溯和数据分析。模型迭代：收集更多缺陷图片，加入“针脚氧化”、“外壳裂纹”等新类型，进一步提升模型准确率。边缘设备部署：把系统移植到Jetson Nano
本文介绍了Halcon在C#中的图像处理与显示实现机制。主要内容包括：1）Halcon图像对象模型的分层架构设计，包含核心组件与托管层映射；2）代码实现展示了图像加载、窗口设置和显示等关键操作；3）空白图像创建的四种方式及其应用场景；4）显示系统与.NET控件的交互集成方案；5）非托管资源的生命周期管理策略；6）常见异常类型及诊断方法。文章重点阐述了Halcon在保持C++核心性能的同时，通过.N
DDColor 是一种基于扩散模型的图像着色算法，通过解耦扩散过程实现高质量的黑白图像着色。
近几年来，我国电子商务交易规模越来越大，线上订单越来越多，退换货的情况也越来越常见。退换货环节是线上购物过程中的重要一环，也是体现电商平台与商家服务水平的重要方面。同时，退换货也是电商平台、商家与消费者之间最容易产生纠纷的环节。为了保障这个环节的服务，电商平台不断推出各种服务，其中就包括退换货上门取件服务。
前言近几年来，我国电子商务交易规模越来越大，线上订单越来越多，退换货的情况也越来越常见。退换货环节是线上购物过程中的重要一环，也是体现电商平台与商家服务水平的重要方面。同时，退换货也是电商平台、商家与消费者之间最容易产生纠纷的环节。为了保障这个环节的服务，电商平台推出了退换货上门取件业务。退换货上门取件是为买家在退货时，提供的一种省心，便捷的物流服务，当买家购买的商品在申请换货或者发起维权投诉时需
本文总结了YOLOv11在工业质检项目中的关键实践要点。首先强调数据增强并非越强越好，需根据场景调整参数：Mosaic增强最后10轮应关闭，Copy-Paste仅适用于简单背景场景，过度增强反而降低精度。其次指出锚框选择需基于数据集特性重新计算，避免直接使用COCO默认锚框。最后重点说明验证集划分必须按场景/时间分层抽样，避免数据泄露导致虚假高精度。文章还提供了YOLOv11训练流程图和安全增强参
ClawManager彻底解决了OpenClaw规模化部署的运维痛点，它不是简单的“批量部署工具”，而是一套完整的企业级管理方案——从模板配置、批量部署，到权限管控、监控审计、AI治理，覆盖OpenClaw全生命周期管理，让OpenClaw从“个人工具”升级为“企业级AI基础设施”。对于中小企业，Docker一键部署即可快速落地，无需复杂配置；对于大型企业，K8s部署支持高可用、横向扩展，结合Ke
《工业级EtherNet/IP协议C#实现指南》 本文总结了作者多年工业通信开发经验，针对EtherNet/IP协议提出了一套可靠的C#实现方案。文章对比了商业库、开源库和原生Socket实现的优缺点，指出原生实现具有完全可控、性能优异和可调试性强的优势。 核心内容包括： 协议分层架构设计，包括传输层、协议解析层和应用接口层 关键实现技术：字节序处理、隐式报文优化、批量读写等 工业级可靠性保障：心
摘要： 本文对比了GitFlow与Trunk-Based两种Git分支策略的核心差异。GitFlow适合发布周期长、团队规模大的项目（如C#桌面软件），采用多分支管理（main/develop/feature等），版本号通过SemVer规范与分支联动；Trunk-Based则适合持续交付的Web应用，强调主干开发+短分支，依赖CI/CD自动化。实战部分以C#为例，展示了GitFlow下版本号自动生
本文介绍了如何使用Roslyn编写生产级代码分析器，以检测未加ConfigureAwait(false)的await调用。传统正则匹配方法存在误报率高、无法处理复杂语法等问题，而Roslyn提供了完整的语法树和语义分析API，能够精准定位问题。文章详细演示了如何创建分析器项目、定义诊断规则，并通过语法树分析识别未配置的await表达式，最终实现自动修复功能。通过Roslyn的开放式编译器架构，开发
BMAD v6 的新架构通过“步骤文件”和即时上下文加载机制，优化了开发过程中的上下文管理，解决了大量模型的固有问题。整体结构逻辑性强，易于理解。文章深入探讨了各种保护机制的原理，并提供了解密脚本的具体实现，最终成功还原了被保护的程序集。文章内容技术深度足够，实用性强，结构清晰，具独创性，时效性良好，且可读性高。OpenClaw.NET 以 C#从零构建，优化了内存使用和启动速度，通过 Nativ
Windows系统上卸载OpenClaw不干净的核心原因，无非是漏删了计划任务、没清理配置目录、没卸载全局CLI程序这三点。无论是新手用官方一键卸载，还是用兜底的手动分步方案，只要覆盖这三个核心点，就能彻底和“大龙虾”说再见，无任何残留，也不会影响后续的重装使用。
本文覆盖了 OpenClaw 安装后100% 日常使用场景的命令，从基础验证、服务管理，到配置修改、故障排查，新手无需学习复杂逻辑，直接按照命令复制使用即可。（开界面）、（重启服务）、（体检）、（查日志），就能轻松驾驭 OpenClaw 全功能。
声明：本文仅是自己的阅读笔记，不作为任何商业用途，大多数资料是通过大疆官网查询的，如有雷同，纯属巧合！！！一、大疆M3508电机1.大疆电机简介大疆M3508是大疆公司推出的一款高性能无刷直流电机，主要用于无人机、航模及机甲机器人等领域 。 2.驱动方式（1）、PWM驱动大疆的C620电调内部自带PID闭环控制，当使用PWM控制大疆3508电机搭配的C620电调时，只需要给电调发送占空比信号，电调
中断向量表是计算机系统连接硬件中断与软件处理的核心机制，其设计随处理器架构和应用场景呈现显著差异。x86架构从实模式固定地址IVT演进为保护模式灵活IDT，通过描述符特权级和内存保护实现安全性；ARM架构面向嵌入式优化，支持向量表重定位和TrustZone隔离；MIPS采用软件主导的异常处理；RISC-V则体现模块化设计理念。异常处理流程揭示向量表的关键作用——通过专用表项快速定位处理程序，实现错
using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Threading.Tasks;using System.Windows;using System.Windows.Controls;using System.Windows.Dat
c#
——c#
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
DAMO开发者矩阵
龙虾开发者社区
深开鸿 技术专区
鲲鹏昇腾开发者社区
快递鸟社区
AI硬件创业社区
