登录社区云，与社区用户共同成长
邀请您加入社区
在STM32H7微控制器上成功部署MobileNetV2图像分类模型，实现12FPS实时推理。项目使用STM32H723ZGT6（550MHz Cortex-M7）、OV5640摄像头和SPI LCD，通过X-CUBE-AI工具链将量化后的MobileNetV2_0.35模型（输入128×128 uint8，输出15类float）转换为C代码。关键优化包括：选择宽度乘数α=0.35减小模型体积（6
本文探讨移动端智能体(MobileAgent)在规模化部署时面临的工程挑战，提出了一套基于云原生思想的远程分布式编排解决方案。该方案采用声明式API实现节点远程托管，通过多模态可观测管道构建端侧数字孪生，支持OTA模型热更新与动态权重分发，并具备集群级容灾自愈能力。这套架构成功将复杂的设备管理与智能体工作流解耦，使海量分散终端能协同运作，显著提升了企业数字员工集群的运维效率和业务连续性。
工业场景下YOLO模型全链路优化实践 摘要：针对工业质检场景对检测速度的严苛要求，本文系统性地分享了YOLOv8模型从11.2FPS到102.7FPS的全链路优化方案。通过骨干网络轻量化（RepVGG-A0替换）、结构化剪枝（参数量减少50%）、知识蒸馏（精度恢复至97.6%mAP）、INT8量化（计算量降低4倍）以及TensorRT加速等关键技术，在精度仅下降0.8%的前提下实现9倍性能提升。特
摘要 工业视觉检测中，光照不均是导致60%以上项目失败的核心问题。传统方法（如调整光源、固定阈值等）缺乏自适应性，难以应对复杂多变的光照条件。本文提出基于Java+YOLOv11的系统性解决方案，从数据、模型、推理三个层面优化： 数据层面：通过随机亮度/对比度调整、阴影模拟等增强方法，结合真实产线多时段数据采集，提升模型对光照变化的泛化能力。 模型层面：引入CBAM注意力机制、多尺度训练和迁移学习
上周，一个做电力巡检的朋友给我打电话，语气里满是焦虑：“兄弟，客户要求无人机在野外自动识别绝缘子破损，还必须在机载端实时处理，不能依赖网络。我们试了几个方案，要么延迟太高，要么功耗太大，飞机飞20分钟就没电了。这单要是黄了，今年奖金可就悬了。他的困境，正是当下低空经济从“能飞”迈向“会思考”的关键瓶颈。无人机不再只是会飞的相机，它需要成为空中移动的智能节点，在瞬息之间完成感知、决策与执行。这场算力
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
实时控制应用（Industrial Real-Time Control Applications, IRTCA）：在制造业、自动驾驶、智慧物流等场景中，输入信号（如传感器数据）到控制信号（如机器人关节指令）的端到端响应延迟必须严格控制在毫秒甚至微秒级，且响应过程中不能出现任何超出阈值的“抖动（Jitter）”——否则就会发生机器人撞坏工件、自动驾驶追尾、AGV小车脱轨等严重事故；边缘计算（Edge
在当今快速发展的技术世界中，两个领域正在深刻改变我们的计算范式：边缘计算和人工智能代理（AI Agent）。本文将深入探讨这两个领域的结合，以及如何构建分布式低延迟智能体架构。边缘计算是一种分布式计算范式，它将数据处理和存储任务从云端数据中心转移到网络边缘，更接近数据产生的源头。这种方法可以显著减少延迟，提高响应速度，同时减轻网络带宽压力。想象一下，就像我们的大脑不仅依赖中央处理（大脑皮层），还通
《测试工程师高效工作指南》针对软件测试从业者面临的时间管理困境，提出系统性解决方案。文章首先剖析测试工作中的三大时间黑洞：重复性劳动、高认知负荷任务和技术迭代滞后。核心提出从时间管理转向精力与价值管理的理念，建议通过生物节律匹配任务类型、时间块工作法和优先级矩阵提升效率。实战策略包括：利用AI工具处理重复工作、构建集成化工具链、优化沟通流程。同时强调持续学习机制，推荐碎片化学习、"学习-
摘要：本文分享了一位从传统软件测试转型AI测试工程师的实战经验。作者聚焦三大核心挑战：1）知识断层问题，需补足概率统计等数学基础并开发专用测试框架；2）工具链脱节困境，需构建涵盖数据、训练、部署全流程的AI测试平台；3）跨团队协作障碍，应通过建立共同质量语言和流程嵌入提升协作效率。文章为测试从业者提供了从"验证确定性"到"管理不确定性"的转型路径，强调将数学
《测试工程师的双维突围：技术深度与业务广度的动态平衡》摘要 在AI重构测试行业的背景下，测试工程师面临核心价值重塑。本文提出技术深度与业务广度并重的T型发展模型：技术深度体现为工具链精通（如Selenium优化使执行效率提升6倍）、代码能力（自主开发测试平台带来35%薪资溢价）和垂直领域专长（如安全测试缺陷检出率3倍于普通测试）；业务广度则需具备业务场景翻译能力（避免千万级资损）、全链路质量视角（
本文探讨了在敏捷开发背景下通过IDE工具链实现"测试左移"的实践策略。文章指出，现代IDE已演变为集编码、测试、质量管控于一体的综合平台，通过静态代码分析、单元测试集成、API契约验证等功能，将质量保障活动前置到开发阶段。这种集成方式能够实现即时质量反馈、降低测试门槛并提升协作效率。文章详细阐述了构建IDE测试工具链的关键组件，包括代码质量检测、TDD支持、API测试和版本控制
区块链技术正在重塑软件测试领域，其去中心化、不可篡改和可追溯特性为测试带来革命性变革。核心价值体现在：确保测试数据真实性、提升跨团队协作效率、满足严苛合规要求。前沿应用包括智能合约安全测试、供应链溯源验证、物联网与元宇宙融合测试等。实施中需应对性能瓶颈、安全防护等挑战，测试人员需掌握区块链原理及智能合约测试技能。未来趋势将呈现AI预测性测试、去中心化测试市场兴起，测试工程师需从缺陷发现者转型为数字
摘要：软件测试从业者面临碎片化学习困境，本文提出"定位-学习-实践-思辨"四步闭环法构建知识体系。首先明确测试专业坐标，通过T型策略结构化整合知识；然后在真实项目中实践内化；最后通过批判性思考优化体系。针对测试特性提出测试驱动学习、工具链整合等专属策略，并建立定期审计、技术雷达等长效进化机制。该方法帮助测试工程师实现从碎片化到深度学习的跃迁，适应自动化测试、AI测试等新趋势，完
摘要： 在AI合规监管趋严的背景下，软件测试工程师迎来转型机遇，可凭借测试思维、自动化技能和全生命周期质量管理经验，成为新兴的“AI合规官”。这一角色需将法律条款转化为可验证的技术指标，通过自动化工具检测算法公平性、数据隐私等问题。测试工程师可通过知识升级（学习GDPR等法规）、技能转化（改造测试工具为合规扫描器）、项目实践（主导合规性测试）和角色定位（瞄准合规技术岗）四步完成转型。未来，AI合规
多云与跨平台测试面临新时代挑战 随着企业数字化转型深入，多云架构和跨平台开发已成为主流趋势。测试环境正从单一场景向动态、异构的分布式系统转变，面临四大核心挑战： 环境异构性：需确保应用在不同云服务和终端设备上的一致性表现 网络复杂性：要验证跨云数据传输和多种网络条件下的稳定性 安全合规：扩展的安全边界带来多维度的验证需求 成本控制：测试活动本身可能产生高昂的云资源费用 应对策略包括： 构建云原生质
摘要：随着AI技术在各行业的深度应用，安全攻防战已演变为算法间的直接对抗。传统软件安全测试面临全新挑战，AI系统的脆弱性源于数据和模型本身，攻击手段转向数据投毒和对抗样本。红队工程师角色升级，需掌握对抗样本构造、智能体链式攻击等新技能，同时融合传统攻防思维与AI模型知识。防御体系需构建AI原生的动态信任机制、模型免疫系统和纵深隔离架构。软件测试人员应更新知识结构，引入对抗性测试等新方法，将安全验证
通过分布式算力部署架构，完美匹配工业边缘场景的轻量算力、恶劣环境、无人值守需求，支撑7B-122B大模型在智慧交通、电力、水利、加油站、工地、园区等场景的端侧深度推理，实现了无人值守下的智能感知、自主决策、联动处置，从根本上解决了工业边缘场景人工值守成本高、智能化水平低、数据安全风险大的核心痛点。工业边缘多场景覆盖交通、电力、水利、能源、建筑、园区等多个领域，虽业务场景差异显著，但在无人值守AI深
想象一下，你正在驾驶一辆搭载L3级自动驾驶辅助的新能源汽车，在暴雨滂沱的陌生高速路段上行驶。突然前方出现了一只横穿马路的流浪猫，毫米波雷达和摄像头的初步感知数据已经发送给车内的AI Agent调度模块——但问题是，如果调度过程耗时超过200毫秒，或者感知+决策推理加起来超过500毫秒，你大概率会来不及踩下刹车。这不是危言耸听。在边缘计算场景下（自动驾驶、工业机器人、AR/VR设备、无人机、智能安防
本文介绍了CLIP模型在全志开发板上的部署流程。首先通过Docker容器配置Ubuntu环境，从Hugging Face获取原始PyTorch模型并导出为ONNX格式，再拆分为图像和文本编码器。通过onnx-modifier工具优化模型结构，固定输入尺寸为(1,20)以简化NPU部署。使用量化数据集对模型进行量化处理，配置前后处理代码后交叉编译生成可执行文件。最终将模型文件推送至开发板进行推理验证
《软件测试从业者的被动收入构建策略》摘要 在数字化转型浪潮下，测试工程师可通过三大自动化方案实现经验变现：1）将行业测试经验封装为标准化模板库和在线课程，通过订阅模式实现持续收益；2）开发轻量级SaaS工具解决测试痛点，采用"基础免费+高级订阅"模式；3）构建AI测试智能体服务，将专业判断转化为自动化决策系统。这些方案通过知识产品化、工具服务化和智能体化的方式，帮助从业者突破时
摘要： 在软件测试领域，无效的职业导师可能比没有导师更糟糕。无效辅导的五大预警信号包括：空谈理论缺乏实战、技术视野陈旧、忽视个人职业驱动、回避失败案例以及关系功利化缺乏长期承诺。为避免陷阱，可通过三维评估体系（技术前瞻性、行业赋能深度、指导风格匹配）筛选合适导师。理想的导师关系应双向赋能，以明确契约为基础，结合AI工具实现人机协同，最终帮助测试工程师在快速迭代的技术环境中加速成长。关键在于，导师提
摘要：针对小微企业使用消费级迷你主机难以支撑AI自动化办公的问题，本文提出基于鑫云创龙虾迷你主机的OpenClaw全流程解决方案。该主机采用Intel Celeron J1900低功耗处理器、双存储设计和无风扇散热，支持7×24小时稳定运行。通过OpenClaw实现客服、内容创作、数据处理等办公自动化，实际案例显示可降低60%人力成本并保持180天无故障运行，真正实现"一台主机替代团队&
摘要：本文探讨软件测试工程师从技术专家(IC)向技术领导(TL)转型的关键路径。转型需要完成认知重构，从执行者转变为问题定义者和团队赋能者；构建复合能力，既要保持技术深度，又要拓展管理、沟通等软技能。转型路径分为三个阶段：在IC阶段展现领导力潜质，中期争取过渡性角色，最终完成角色定位转变。未来测试领导者还需关注AI应用、全生命周期质量实践等前沿趋势。这一转型是从"做事"到&qu
数字化转型背景下，软件测试工程师面临高压、高责任与低可见性的职业困境。本文提出构建多维度心理健康防御体系：认知层面重构职业价值认同；技术层面通过自动化与AI减轻工作负荷；行为层面优化工作节奏与生理调节；组织层面建立支持性文化。该体系将被动应对转为主动预防，帮助测试人员实现从"被消耗者"到"可持续赋能者"的转变，在保障产品质量的同时维护心理健康。
【150字摘要】 软件测试从业者在跳槽谈判中需把握三大核心策略：1.量化价值，用STAR法则展示项目成果（如"优化测试用例使回归效率提升35%");2.掌握市场动态，2026年具备AI测试技能的工程师薪资溢价可达30%；3.灵活应对压价，将谈判焦点从固定薪资转向总报酬包（含培训、绩效等）。警惕"年薪总包"陷阱，明确拆分薪酬结构，同时平衡工作强度与薪资性价比，
敏捷开发重塑测试职业路径：从执行者到质量战略家的加速跃迁 在敏捷开发与AI技术双重冲击下，软件测试职业格局正经历结构性变革。传统线性晋升模式已被"断阶效应"取代——初级岗位缩减而高级需求激增。测试人员必须实现三重转型：从缺陷发现者到质量赋能伙伴，从手工测试执行到自动化框架设计，从技术执行到业务战略协同。成功策略包括构建"Sprint式"成长体系，实现自动化-
开源贡献正成为软件测试工程师职业发展的新锚点。参与开源项目能重塑测试角色内核，从单一产品验证者升级为质量体系构建者；提供超越日常工作的能力淬炼机会，应对复杂系统挑战；同时构建硬核技术信用凭证，为职业晋升创造绿色通道。建议测试工程师遵循渐进路径：从文档修正入门，逐步深入测试体系建设，最终成为项目维护者。通过持续贡献，测试人员能将隐性技能显性化，在全球化技术社区中建立专业影响力，实现从执行者到质量架构
摘要：软件测试工程师向AI产品经理转型具有独特优势，其系统边界分析、风险评估和量化评估能力可无缝迁移至AI产品管理领域。转型需构建技术理解、产品设计和商业洞察三维能力：掌握AI基础原理，将测试用例思维转化为需求定义能力，并培养商业价值评估意识。通过"认知学习-实践融合-主导引领"三阶段路径，测试人员可完成从质量守护者到价值创造者的思维升维，在AI时代实现职业跨越。
2026年软件测试领域正经历AI、云原生与数字化转型驱动的深刻变革。测试工程师角色从"质检员"向"全栈质量架构师"转变，需掌握四大核心能力：1）纵深化的自动化与工程化能力，覆盖前后端全栈测试；2）AI驱动的智能测试设计与质量洞察；3）云原生与DevOps融合的持续质量保障；4）业务建模与质量价值可视化能力。未来测试工程师需兼具技术深度与业务广度，构建&quo
软件测试行业正经历从"功能验证者"向"质量架构师"的转型。本文提出五年跃迁路线：第一年建立自动化设计能力，第二年构建分层测试体系，第三年参与架构设计决策，第四年实现质量商业价值变现，第五年定义组织质量战略。这一转型本质是从执行到设计的认知升维，要求测试从业者突破技术边界，融合工程实践与业务洞察。未来属于能将测试技术、架构思维和商业价值融通的复合型人才，他们不
▷ 批量扫描商品RFID标签自动绑定信息▷ 动态分配最优储位并生成电子地图指引▷ 支持混码托盘点与异常件预警▷ 灯光拣选系统指引拣货路径▷ 自动校验订单与实物标签匹配度▷ 波特率可调式数据同步机制确保零误差▷ 无人机载式RFID扫描实现立体盘点▷ 热力图分析库存周转效率▷ 自动触发补货预警（阈值精度±1%）▷ 电子围栏防越权移动▷ 视频联动异常行为识别▷ 区块链存证满足合规审计。
本文提出了一种基于AI视觉的选煤厂大块料智能检测方案，通过"端-边-云"架构实现对输送带上超限物料的实时检测。系统采用改进的YOLOv8模型，创新性地使用像素尺寸直接判断大块料，避免了复杂的物理尺寸换算，具有部署简单、计算高效等优势。方案包含视频采集、深度学习推理、像素过滤、目标跟踪等模块，检测延迟控制在120ms内，能准确识别煤块、矸石、铁器等异物。实际应用表明，该系统可有效
【科技前沿速递】国产RISC-V架构汽车芯片突破，天基算力组网完成，AI编程工具爆发。国芯科技发布首款抗量子汽车电子AIMCU，兼具AI算力与安全防护；中国天基智算星座实现5ms天地协同延迟；阿里推出自然语言建站工具Meoo秒悟，OpenAI发布GPT-5.4-Cyber。半导体涨价潮持续，存储芯片Q2或再涨60%。开发者社区涌现"数字分身"热潮，"同事.skill&
2×千兆RJ45网口、2×USB3.0、1×HDMI OUT<br>1×LINE IN/OUT、1×DEBUG(Type-C)、1×RS232<br>2×RS485、1×继电器、1×CAN、GPIO(DI×2,DO×2)针对工业场景极端环境、多外设接入、实时AI推理的核心痛点，国科环宇土星云推出了。工业总线与IO：1路RS232、2路RS485、1路CAN总线、1路继电器、GPIO(DI×2,DO
本文介绍了在工业仪表OCR识别项目中，如何将PP-OCRv4模型部署到高通IQ-9075平台的完整流程。文章首先对比了PP-OCRv4与其他OCR模型的优势，详细说明了环境配置、模型导出为ONNX格式的步骤，包括检测模型和识别模型的转换与优化。重点讲解了如何固定动态维度以满足QNN编译要求，为后续板端部署打下基础。整个方案实现了从图像采集到识别结果输出的全流程板端处理，避免了云端依赖带来的延迟和带
本文介绍了在Jetson Orin Nano上部署YOLOv11模型的完整流程。主要包括：基础环境配置（CUDA、cuDNN、TensorRT）、虚拟环境搭建、PyTorch和Torchvision安装、以及模型部署。文章详细说明了环境变量设置、软链接创建等关键步骤，并提供了验证安装是否成功的命令。最后展示了如何将训练好的YOLOv11模型导出为TensorRT格式并调用预测。整个过程涵盖了从环境
该项目使用ESP32S3实现了低成本的门禁系统，摄像头检测到人脸后，控制相应的继电器打开，同时将人脸图片保存至SD卡中，方便后续的溯源
后面我问淘宝客服的技术支持他说：只选择Linux部分烧录，Cuda部分不用刷，就是说选择Jestion Linux那部分就行了，其他都不用选。上面图片虽然弹出说没有检测到开发板，但是我也成功刷开机了（就是说你刷开机就说明成功了），要下载其他功能模块只需要用命令行下载就行。3、我遇到大的一个很大坑就是，每次刷机到20%左右就会弹出下面这个东西，说没有检测到开办发板，按照视频博主的方式，我以为是我US
摘要：本文提供了一套PyTorch模型从训练到嵌入式C++部署的完整流程。针对模型体积大、资源受限、依赖Python等问题，系统介绍模型压缩（量化、剪枝）、ONNX导出、NCNN转换及C++嵌入（C数组/静态库）等关键技术。通过代码示例，实现模型在资源受限设备上的高效推理，适用于边缘计算、物联网等场景，为AI落地提供可复现方案。
边缘计算
——边缘计算
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
龙虾开发者社区
2048 AI社区
快递鸟社区
AI硬件创业社区
