logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

无需Python环境!纯C#上位机+OpenCVSharp4+ONNX Runtime实现YOLOv8摄像头实时流检测,工业级稳定

摘要 工业自动化C#开发中,传统Python方案实现视觉检测功能存在环境依赖、内存泄漏和性能不稳定等问题。本文提出基于.NET 8+OpenCVSharp4+ONNX Runtime的纯C#方案,通过实际案例验证其优势: 零Python依赖,支持离线部署 内存稳定(380MB/72h),检测延迟<80ms 检测精度达漏检率<0.1%,误检率<0.5% 保留原有业务逻辑代码,3天完

文章图片
#python#c##开发语言 +2
告别Windows AI视觉垄断!C#+ONNX在统信UOS+飞腾D2000国产化工控机全流程部署,成本降70%

C#工业AI视觉国产化部署方案 本文介绍了在国产化工控机上部署AI视觉的C#解决方案。面对国产操作系统(统信UOS)+国产芯片(飞腾D2000)的强制替代需求,作者采用C# + .NET 8 + ONNX Runtime + OpenCVSharp4组合,实现核心业务代码零修改,仅1周完成适配。相比C++方案节省70%成本,缩短75%开发周期,性能满足工业需求(1280×1280图像处理120ms

文章图片
#windows#人工智能#c# +2
告别Windows AI视觉垄断!C#+ONNX在统信UOS+飞腾D2000国产化工控机全流程部署,成本降70%

C#工业AI视觉国产化部署方案 本文介绍了在国产化工控机上部署AI视觉的C#解决方案。面对国产操作系统(统信UOS)+国产芯片(飞腾D2000)的强制替代需求,作者采用C# + .NET 8 + ONNX Runtime + OpenCVSharp4组合,实现核心业务代码零修改,仅1周完成适配。相比C++方案节省70%成本,缩短75%开发周期,性能满足工业需求(1280×1280图像处理120ms

文章图片
#windows#人工智能#c# +2
告别Windows AI视觉垄断!C#+ONNX在统信UOS+飞腾D2000国产化工控机全流程部署,成本降70%

C#工业AI视觉国产化部署方案 本文介绍了在国产化工控机上部署AI视觉的C#解决方案。面对国产操作系统(统信UOS)+国产芯片(飞腾D2000)的强制替代需求,作者采用C# + .NET 8 + ONNX Runtime + OpenCVSharp4组合,实现核心业务代码零修改,仅1周完成适配。相比C++方案节省70%成本,缩短75%开发周期,性能满足工业需求(1280×1280图像处理120ms

文章图片
#windows#人工智能#c# +2
效率提8倍!错漏率<0.01%:C#上位机+汇川H5U打造汽车零部件智能分拣全流程生产级方案

文章摘要: 汽车零部件智能分拣系统面临人工效率低(120-150件/小时)、错漏率高(0.5%-2%)、数据追溯难三大痛点。汇川H5U PLC+C#+HslCommunication的国产化方案通过五层架构实现全流程智能化: 感知层:光电开关/工业相机定位识别 控制层:汇川PLC通过EtherCAT总线控制分拣动作 传输层:Modbus TCP实现PLC与上位机通信 业务层:C#开发分拣逻辑引擎,

文章图片
#c##汽车#开发语言 +1
工业实战|C#上位机+Modbus TCP实现PLC与AI视觉协同控制

摘要:本文提出基于C#上位机的PLC与AI视觉协同控制方案,采用Modbus TCP协议实现设备间高效通信。系统架构包含三层:C#调度中心、PLC执行层和AI视觉感知层,通过标准寄存器地址规划实现数据交互。开发了Modbus通信帮助类,支持异步读写操作,并集成Socket接收视觉检测结果(JSON格式)。该方案解决了工业场景中时序协同问题,提供从代码开发到现场调试的全流程指南,适用于缺陷检测、工件

文章图片
#c##tcp/ip#人工智能 +3
效率狂飙8倍!错漏率<0.01%:C#上位机+汇川H5U打造汽车零部件智能分拣全流程生产级方案

摘要:汽车零部件智能分拣系统基于C#上位机与汇川H5U PLC协同架构,实现8倍效率提升与0.01%错漏率。系统采用四层架构设计,通过Modbus TCP通信实现精准控制,结合AI视觉识别与PLC运动控制形成闭环流程。核心硬件选型包括工业PC、汇川H5U PLC、海康相机等,关键开发涉及地址映射规则与通信帮助类实现。该系统可显著降低人力成本,满足汽车行业质量要求,为智能制造提供高效解决方案。

文章图片
#c##汽车#开发语言 +1
从ONNX到TensorRT:C#上位机+YOLO工业视觉检测全链路加速方案

本文提出了一种基于ONNX Runtime TensorRT Execution Provider(TRT EP)的工业视觉检测方案,实现了C#上位机与YOLO模型的高效GPU加速。该方案采用四层架构设计,支持从模型训练、优化到部署的全流程闭环,通过预生成TensorRT引擎缓存将首次加载时间缩短至秒级。系统兼容Windows/Linux平台,支持CPU/CUDA/TensorRT一键切换,性能损

文章图片
#c##视觉检测#人工智能 +3
告别Python中间件!C#原生调用YOLOv11/v12:工业视觉检测零语言壁垒全流程

本文介绍了一种基于C#和ONNX Runtime的工业视觉检测解决方案,解决了传统YOLO模型在工业应用中面临的三大痛点:语言壁垒、性能损耗和模型更新困难。该系统采用三层架构设计,支持C#原生调用YOLO模型,无需中间件,性能损耗低于5%,满足工业产线30FPS+的实时性要求。文章详细阐述了环境搭建、模型导出规范、核心代码实现及工业级优化方案,提供可直接用于生产环境的完整流程,实现了训练与部署的解

文章图片
#python#中间件#c# +3
告别复杂串口!C#对接西门子S7-200 SMART全流程:从以太网配置到数据读写实战

摘要(148字) 针对西门子S7-200 SMART与C#上位机通信的痛点,提出基于S7netplus开源库的工业级解决方案: 架构设计:以太网S7协议实现100Mbps高速通信,分层解耦确保扩展性,支持全数据类型读写; 配置流程:详细说明PLC端IP设置、DB块创建及S7协议使能步骤; 代码实现:提供生产级C#通信管理类,集成单例模式、断线重连和心跳检测机制; 实战价值:经工业现场验证,可快速部

文章图片
#c##开发语言#网络协议
    共 236 条
  • 1
  • 2
  • 3
  • 24
  • 请选择