登录社区云，与社区用户共同成长
邀请您加入社区
如果想优化性能，可以把MobileNet换成ONNX格式，速度还能再提20%。界面右上角的模式切换按钮建议加个快捷键，比如按V切换视频文件，按C切回摄像头，用户体验直接上档次。最后说个骚操作——在requirements.txt里加opencv-python-headless版本，打包后的体积能瘦身30%。这个项目改改还能做课堂签到系统，把表情识别换成学号二维码扫描，又是一篇毕业设计（手动狗头）。
焊缝缺陷检测，YOLO检测和分割模型，目标检测和图像分割一起实现。在工业制造领域，焊缝质量直接关系到产品的安全性和可靠性，焊缝缺陷检测至关重要。今天咱就唠唠如何借助YOLO检测和分割模型，把目标检测和图像分割一起实现，助力焊缝缺陷检测。
中原油田作为中国石化的重要油气生产基地，其生产过程控制系统（PCS）是保障油田安全生产、优化运行的核心枢纽。为解决高并发写入性能瓶颈、高昂的存储成本、复杂的实时分析需求以及多业务数据孤岛等问题，项目组于 2023 年正式引入 TDengine作为新一代数据底座。在本案例中，TDengine TSDB 作为 PCS 核心业务模块的，并通过 taosX 工具，实现了从分公司到总部的数据实时同步。
通过新增动画帧，逐帧自定义动画。
仪表板用来综合展示多个图表和数据，帮助用户快速了解整体情况。
面板数据解读功能，利用 AI 对当前面板的所有数据进行分析，自动生成结构化、易于理解且具有业务洞察力的专属分析报告，帮助用户快速抓住数据核心价值，降低数据解读门槛。
关系与非关系型数据库的开发思维转变
通过引入 TDengine TSDB，我们成功解决了智慧消防业务中的海量时序数据处理挑战，实现了从传统消防工程向智能化、数据驱动型服务的转型升级。TDengine TSDB 的高性能时序数据处理能力为公司的消防预警、设备管理和数据分析提供了坚实的技术支撑。未来，辰安科技计划与 TDengine TSDB 进一步深化合作，在消防预测性维护、人工智能火灾识别、数字孪生等前沿领域开展探索，持续推动消防安
依托“超级表”“虚拟表”等核心概念，TDengine几乎无需关联查询（Join操作），虚拟表可将多个设备、多个采集点的数据整合为一张“大宽表”，大幅降低了SQL查询的复杂度，为面板自动生成奠定基础。首先，数据交互模式从“冰冷表格”向“语义化输出”变革。时序数据库的发展趋势是整合多环节能力，成为一站式数据平台：既要具备高效的时序数据存储与计算能力，又要拥有智能分析、可视化呈现、异常报警等上层应用功能
TDengine 遇到报错 “failed to connect to server, reason: Connection refused“ 怎么办的解决方案
还在用命令行运维数据库？你真的了解 taosExplorer 吗？过去，TDengine 的管理和运维操作大多需要通过命令行执行。虽然 CLI 足够灵活，但对不熟悉 SQL 的用户来说，并不友好。更重要的是，很多企业用户并不希望把数据库操作的“主动权”只交给 DBA 或开发人员。taosExplorer 的设计目标，就是打破这种门槛。
Thingsboard 中“设备配置”和“设备”的关系是一对多的关系，通过设备配置为每个设备设置不同的配置，每个设备都会有一个与其关联的设备配置文件。等等，这不就是TDengine 中超级表的概念：超级表是一种特殊的表结构，用于代表一类具有相同数据模式的数据采集点。一个超级表有多个子表，一个子表只能隶属于一个超级表。因此，将两者有机结合起来：TDengine 中创建超级表作为“设备配置”，Thin
可以在mybatis xml文件中写入你需要的sql语句 具体你需要什么样的sql语句 可以看一下官方文档。可以解决mybatis集成涛思 执行sql的时候被拦截报错的问题。本文记录一下在实际工作中使用涛思时序数据库的问题。问题2：集成了mybatis 如何切换数据源呢？问题4：mybatis集成涛思数据库如何批量插入。一个是多表多条批量插入 ，一个是单表批量插入。问题1 ： 如何使用mybati
使用docker实现emqx桥接数据到taos数据库
参考文章https://www.taosdata.com/blog/2020/09/11/1824.html
湖南维冠房地产咨询有限公司（以下称“我们”)深知隐私对您的重要性，并会尽全力保护您的隐私。本《”WFCF”数据安全及隐私保护声明》（以下简称“《声明》”）是有助于您了解我们收集、处理、存储、使用、共享和保护用户（“您”）个人信息（以下或称“信息”）的有关条款。我们希望通过本《声明》向您清晰地介绍我们对您个人信息的处理方式，因此我们建议您完整地阅读本《声明》，以帮助您了解维护自己隐私权的方式。如您对
多协议数据采集网关结合TDEngine时序数据库在车辆环境监测中的应用一、项目背景随着经济发展，国家对环境越来越重视，为贯彻《中华人民共和国大气污染防治法》，落实《汽油车污染物排放限值及测量方法（双怠速法及简易工况法）》（GB18285-2018）、《柴油车污染物排放限值及测量方法（双自由加速法及加载减速法）》（GB3847-2018）两项标准的实施，根据中国环境科学研究院发布的《在用汽车排放检验
过去几十年，工业系统一直在解决“如何获取数据”和“如何展示数据”的问题。但真正的挑战，从来不是数据本身，而是如何获得洞察。AI 驱动的运营洞察，正是在消除这道门槛。它让企业无需依赖复杂的分析能力，也能从数据中获得洞察，从而更快地做出决策。这不仅是一种技术进步，更是一种范式转变。从“数据系统”，走向“洞察系统”。关于 TDengineTDengine 专为物联网IoT平台、工业大数据平台设计。
模型文件已上传GitHub，需要调试的伙计自取，记得把网格改小再跑，原模型在i7上跑了整整两天...（别问我是怎么知道的）flac3d桩承式路堤填筑，设置了有桩基础和无桩基础的两种工况，模型考虑流固耦合，填筑施工后进行安全系数求解，无桩基础安全系数为1.11，有桩基础安全系数为4.72。flac3d桩承式路堤填筑，设置了有桩基础和无桩基础的两种工况，模型考虑流固耦合，填筑施工后进行安全系数求解，无
在github上跟官方的人反馈，得到的意见是升级taos版本和驱动版本。但是这个参考的开启是基于官网的，官网也是配置了这个参数的。
频繁随机访问时使用ArrayList，而频繁插入和删除时使用LinkedList。- 使用String.intern()方法减少字符串重复，但需谨慎使用以避免内存溢出。- 减少锁竞争，例如使用并发集合（ConcurrentHashMap）或无锁数据结构。- 需要快速查找时使用HashMap，但需注意负载因子和初始容量设置，避免频繁扩容。- 调整JVM参数，如堆大小（-Xmx、-Xms）和垃圾回收器
本指南介绍如何使用 Docker/Docker Compose 的方式，实现 TDengine IDMP 和 TDengine TSDB-Enterprise 服务的搭建。
comsol瓦斯抽采 该案例涉及不同抽采数学模型理论 不同渗透率模型、有效应力分布媒体变形情况、瓦斯抽采量瓦斯压力分布 涵盖不同地应力工况对比 有数个详细视频 视频涉及理论分析及推导、模型建立及案例操作过程在煤矿开采领域，瓦斯抽采至关重要，它关乎着安全生产和资源的有效利用。今天咱们就来唠唠基于Comsol的瓦斯抽采研究，这里面涉及到好多有意思的数学模型和实际工况分析呢。
趋势图将一个或多个时序指标以折线的形式绘制在时间轴上，连接各数据点以展示数值随时间的变化趋势。它专为连续测量数据而生——温度、压力、流量、能耗、振动等——这类数据的时间形态本身就承载着意义。多个指标可以绘制在同一图表上，每个指标作为独立的折线，一眼便可发现关联关系和相对变化规律。除基本绘图外，趋势图是 TDengine IDMP 中的主要面板类型，也是高级分析功能的入口：使用 AI 预测未来值、通
工业数据，从来不仅仅是采集的信号。它关乎系统，以及系统如何运行。资产定义“是什么”。事件定义“发生了什么”。只有当两者结合在一起，我们才能真正理解工业运行，也才能让 AI 在工业场景中发挥真正的价值。
随着资产模型不断扩展，快速定位所需元素或属性变得至关重要。
工业环境通常从多个数据源采集数据，这些数据往往命名不一致、物理单位各异、数据结构不同。如果没有标准化，跨资产分析、AI 生成洞察和数据汇聚将变得不可靠甚至无法实现。TDengine IDMP 提供了多种机制，对整个资产模型中的数据进行标准化。
数据库表中名为current的列只是一个数字。只有当您知道是哪个电表产生了它、该电表安装在哪里、值的物理单位是什么，以及什么范围属于正常，它才变得有意义。是将这些背景知识附加到数据上的过程——将原始测量值转化为丰富、可查询、AI 就绪的工业数据资产。TDengine IDMP 通过三种互补机制构建数据上下文：元素、属性和事件。每种机制提供不同维度的信息，三者共同赋予每个数据点完整的工业语义。
工业数据的下一阶段不是“有没有数据”，而是系统能不能承载更复杂的分析、更长周期的运行，以及更高层次的智能应用。2026 年，TDengine 正在为这一阶段提前铺路。如果你正在使用 TDengine，或正在评估下一代工业数据平台，这份路线图，或许能帮你更早看清接下来一年的演进方向。同时，我们也欢迎你基于真实场景和实际需求反馈建议，一起把这份 Roadmap 打磨得更加“落地”。关于 TDengin
TDengine IDMP（Industrial Data Management Platform，工业数据管理平台）是一款 AI 原生的工业数据管理平台，专为管理、分析工业运营数据并从中提取业务洞察而设计。TDengine IDMP 与 TDengine TSDB 协同工作。TDengine TSDB 是一款高性能分布式时序数据库，负责存储和处理传感器、设备及控制系统产生的海量时序数据。借助这些
本课题完成情况将从三个方面进行介绍，分别是：复合电源匹配及建模、复合电源能量管理策略研究和整车模型仿真验证。一、复合电源匹配及建模复合电源模型由电池、超级电容和模型共同构成。本章主要对适合电动汽车动态仿真的电池模型、超级电容模型、DCDC模型进行建模，利用试验数据及其特性分析对模型参数辨识。
在某水务公司水务物联网平台项目中，嘉环科技充分利用大数据、AIoT 等技术，构建统一物联网平台，实现数据的充分整合和高效、便捷、安全的集中式管理运维，平台通过集中管控全市水务设备，实现了水务公司的全局管网日常精细化运作，大大提升了运维管理能力和应对突发事件的响应处理能力。TDengine为平台提供了百万设备数据管理所需的长期存储以及实时读写能力，保障了平台业务应用的实时性与稳定性。本文将结合项目的
本系统是一个基于多目标粒子群优化算法(MOPSO)的分布式电源(Distributed Generation, DG)选址定容优化配置工具。系统以IEEE 69节点配电系统为测试模型，综合考虑系统网损、投资运行成本、电压稳定裕度等多个目标函数，实现分布式电源在配电网中的最优配置。
三相PWM整流器双闭环仿真模型模型中包含：主电路，坐标变换，电压电流双环PI控制器，SVPWM控制1.功率因数1，THD仅1.2%2.模型闭环输出电压200VDC3.输出功率调节输出电阻阻值计算功率4.三相六开关七段式SVPWM仿真，交-直-交变压5.SVPWM控制是根据电机负载需要尽量圆形旋转磁场来控制电机旋转的要求通过合成电压空间矢量得到IGBT触发信号，它的直流电压的利用率比SPWM方式高1
光伏MPPT仿真 电导增量法 simulink模型波形包括不同光照、温度光伏电池的I-U特性曲线，P- U特性曲线，光伏系统输出电压、功率、占空比等光伏技术的发展离不开有效的最大功率点跟踪（MPPT，Maximum Power Point Tracking）算法，而电导增量法（Incremental Conductance Method）作为一种经典的MPPT控制策略，因其相对简单且易于实现而广受
ABAQUS抗震，可建模，可调模型，钢框架及混凝土框架抗震时程分析，模态分析，连接器模拟线性非线性滞回曲线，接触设置。在建筑结构的抗震设计领域，ABAQUS是一款强大的分析工具，它能够帮助工程师们深入了解结构在地震作用下的响应。今天，咱就来唠唠ABAQUS在抗震分析方面的各种“神奇操作”。
单实例部署形态以“快速交付、低复杂度”为目标，通常用于 PoC、演示验证、小规模交付或封闭网络环境。TDengine IDMP 以单实例方式对外提供 Web/API 服务，采集侧通过 taosX agent 将数据写入 TDengine TSDB，IDMP 通过内部端口访问 TSDB 完成数据管理与查询。该形态组件最少、链路最短、部署与运维成本最低，但对外暴露面相对更大且存在单点风险，生产场景一般
execute是算法处理的核心方法。框架调用该方法之前，在对象属性参数self.list中已经设置完毕用于异常检测的时间序列数据。
双汇发展多个分厂的能源管控大数据系统主要采用两种技术栈：InfluxDB/Redis和Kafka/Redis/HBase/Flink，对于中小型研发团队来讲，无论是系统搭建，还是实施运维都非常棘手。经过对InfluxDB/Redis和TDengine大数据平台的功能和性能对比测试，最终将TDengine作为实施方案。项目背景基于双汇发展对能源管控的需求，利用云平台技术以及电气自动化处理手段，对双汇
在时序数据管理领域，TDengine 的集群功能为企业提供了强大的水平扩展和高可用能力。相比于 InfluxDB 封闭的企业版集群，TDengine 的开源集群打破了软件授权的桎梏，让用户能够以更低成本应对数据爆发式增长的挑战。同时，TDengine 的分片、分区与虚拟节点技术，使其在高效数据管理和复杂查询性能上遥遥领先。对于那些追求系统扩展性、易维护性和高性价比的企业来说，TDengine 已成
【5.MPC单步垂直泊车】APA 单步垂直泊车 模型预测MPC 自动泊车Carsim与Matlab联合仿真后期会继续迭代更新的版本包含垂直路径数据点（只有路径点）和MPC控制算法后可以有参考模型，全部开源，入群后，可在群里提问，会。后期不断优化。1.Carsim2019 2020场景及车辆配置文件2.Simulink文件包含stateflow纵向逻辑控制3.MPC横向控制算法文件4.垂直路径点处理
随着数据规模的快速增长，数据治理已经成为各类组织必须面对的一项基础能力。在传统企业环境中，数据治理主要围绕业务数据展开，例如客户信息、财务数据、人力资源数据和交易记录，目标是确保合规性、数据质量和安全性。但在工业环境中，数据所处的条件完全不同。数据来自机器、传感器、控制系统和各类联网资产，持续产生、规模巨大、且高度实时。由此可见，工业数据治理绝非通用数据治理在工业领域的简单套用，而是一套受运营流程
涛思数据
——涛思数据
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
腾讯云开发者社区
AtomGit开源社区
魔珐星云开发社区
开源鸿蒙跨平台开发者社区
openvela
AI硬件创业社区
2048 AI社区
魔乐社区
