- 博客(17)
- 收藏
- 关注
RSS订阅原创 C# DataGrid功能总览
本文介绍了WPF中DataGrid控件的基础功能及其扩展应用。首先，文章概述了DataGrid的基础属性，包括行标题宽度、自动生成列、用户添加行、标题显示等，并详细解析了HandyControl库的扩展属性，如点击空白区域取消选中、显示行号等。接着，文章探讨了性能优化措施，如虚拟化和回收虚拟化模式，以及数据绑定到ViewModel的实现。此外，文章还介绍了DataGridTextColumn和DataGridTemplateColumn的属性设置，包括列宽、数据绑定、列标题和单元格模板等。
2025-05-17 13:41:00
719
原创 C#实现钉钉消息推送
本文介绍了如何通过C#实现钉钉消息推送，用于在群聊中发送设备报警信息。首先，钉钉机器人设置需要在群聊中完成，通过群管理添加自定义机器人，并选择安全设置（如自定义关键词、加签或IP地址段）。设置完成后，获取Webhook地址用于C#代码中。钉钉支持多种消息类型，包括文本、Markdown、链接、ActionCard等，适用于不同场景。文章提供了C#代码示例，展示了如何通过DingTalkRobot类实现文本、Markdown、链接和ActionCard消息的推送。通过这些步骤，开发者可以轻松实现钉钉消息的自动
2025-05-12 13:44:56
425
原创 modbus rtu通讯发送数据优化记录
最近，编程遇到一个情况，使用NModbus4库实现通讯并发送数据给别一个设备，报IO操作已中止。具体情况：使用Modbus Poll发送，在另一个设备的Modbus Poll可以接收到。使用NModbus4库的通讯程序发送，在同一个设备上能接收，在不同的设备上的Modbus Poll不可以接收到。IO操作已中止问题，大概率就是IO超时，如上述方法数据传输没有完全过来，可以调整上述超时时间（调大一点）。
2025-04-28 09:12:50
348
原创 C#实现modbus通讯汇总
这篇文章是modbus通讯的串口(RTU)、网口(TCP)通讯的记录，以下都是使用NModbus4第三方库实现，能进行读写数据。
2025-04-09 09:36:39
467
原创 YoLo系列 - YoLov2模型检测原理总结
由于yolov1有许多缺点，主要的是：1、小目标和重叠目标的检测效果差2、定位精度不准确3、输出层限制，只支持与训练图像相同的输入分辨率yolov2对此做了很多优化，如下图：batch norm： Yolov2 相较于 Yolov1 添加了BN 层；: Yolov2 相较于 Yolov1 采用更高分辨率的网络进行分类主干网络的训练；： Yolov2 相较于 Yolov1去除全连接层，采用卷积层进行模型的输出；同时采用锚框（预选框）进行bounding box 的预测；
2025-03-31 09:37:08
877
原创 YoLo系列 -YoLov1模型检测原理总结
YoLov1的优缺点总述：检测速度相较快：YOLOv1是直接将整个图像输入神经网络，通过一次前向传播即可完成目标检测，相比传统的两阶段检测方法（如Faster R-CNN）速度显著提升，能够满足实时性要求。背景误检率低：YOLOv1在检测时能够很好地利用上下文信息，不容易在背景上预测出错误的物体信息。泛化能力强：在训练过程中采用了大量的数据增强技术，使其能够适应不同场景下的目标检测任务。模型结构简单：YOLOv1的网络结构相对简单，易于实现和训练。对小目标检测效果差。
2025-03-26 11:20:04
776
原创 YOLO理论知识简单了解
对YOLO模型的简单理解，对其进行记录。目前对YOLO模型理论知道的简单了解，知道了YOLO模型是什么？为什么？怎么用？。
2025-03-24 16:21:21
1189
原创 C#实时获取C++数据记录
有相关需求，需要C#实时获取C++数据，目前记录的方法为通过Socket通讯方式实时获取C++数据。目前能实现实时输出的效果，但需改进：1、如果C#控制台结束，会将C++连接断开，因为break，需优化。2、需自己打开C++控制台，可通过设置前端开机自启动来实现，需优化。
2025-03-21 10:41:29
351
原创 YoLo运用学习7
根据YoLo运用学习3所说，实现在C#环境使用YoLo模型进行AI推理检测，最常见有两种：1、python训练好YoLo的模型pt格式，将其转化为onnx格式，通过C#的相关库去加载并推理onnx格式并训练好的YoLo模型2、直接通过python训练好YoLo模型后直接去识别检测图片，将定位、置信阈值等信息传入Halcon，进行显示。
2025-03-06 18:20:36
974
原创 YoLo运用学习6
根据YoLo运用学习3的描述，这篇所讲的是在C#环境下调用python的方法第五种方式 - 创建api服务将python和c#连接方法优点缺点通过 C# 的 Process 类调用 Python 脚本简单易用，不需要额外的库支持性能可能不太好，尤其是当需要频繁调用Python代码时，启动进程的开销会比较大使用IronPython库性能比Process类好，可以无缝集成python和c#的代码。
2025-03-01 14:29:22
1103
原创 YoLo运用学习5
根据YoLo运用学习3的描述，这篇所讲的是在C#环境下调用python的方法第三种方式 - 使用python.net库方法优点缺点通过 C# 的 Process 类调用 Python 脚本简单易用，不需要额外的库支持性能可能不太好，尤其是当需要频繁调用Python代码时，启动进程的开销会比较大使用IronPython库性能比Process类好，可以无缝集成python和c#的代码IronPython的生态可能没那么丰富，如果用户的Python代码依赖了很多外部库，可能会遇到兼容问题。
2025-02-26 18:13:20
465
原创 YoLo运用学习4
根据YoLo运用学习3的描述，这篇所讲的是在C#环境下调用python的方法第二种方式 - 使用IronPython库方法优点缺点通过 C# 的 Process 类调用 Python 脚本简单易用，不需要额外的库支持性能可能不太好，尤其是当需要频繁调用Python代码时，启动进程的开销会比较大使用IronPython库性能比Process类好，可以无缝集成python和c#的代码IronPython的生态可能没那么丰富，如果用户的Python代码依赖了很多外部库，可能会遇到兼容问题。
2025-02-26 15:36:56
350
原创 YoLo运用学习3
目前所知，C#有相关库（如：onnx runtime库）能加载、推理YoLo模型，但不能训练YoLo，所以需要C#调用python所编写的YoLo模型训练脚本。实现在C#环境使用YoLo模型进行AI推理检测，最常见的有两种：1、python训练好YoLo的模型pt格式，将其转化为onnx格式，通过C#的相关库去加载并推理onnx格式并训练好的YoLo模型2、直接通过python训练好YoLo模型后直接去识别检测图片，将定位、置信阈值等信息传入Halcon，进行显示。
2025-02-26 11:25:42
505
原创 YoLo运用学习2
目前知道YoLo模型需要哪些步骤才能训练出自己模型，且知道相关方法。这时需要运用需知：1、YoLo训练后能输出哪些相关参数 2、因为用的是Halcon + C#的视觉，所以需知C#是否有相关库或跨语言进行访问。这是对YoLo模型使用相关方法学习的总结，如使用需变成方法，供其调用。
2025-02-26 08:28:06
544
原创 YoLo运用学习1
初步学习YoLo模型运用，知道了YoLo模型的基础运用方式，实现了图片、视频的物体识别，以及使用自己数据集来训练自己的YoLo模型并进行运用识别。通过学习YoLo模型，可以使用YoLo模型判断一些瑕疵、有无等检测工作，具体实现可将瑕疵、黑点等明显特征标注为坏品，通过代码将图片识别坏品类别大于50%的为残次品，来判断好坏，目前也只是初步运用，继续学习~~。
2025-02-20 16:43:37
875
原创 DeepSeek部署
随着DeepSeek的性能提升，AI大模型的热度逐渐攀升，出现在大众的视野。为了不被时代浪潮冲走，紧跟步伐，学习AI大模型的运用，目前所学习了解的模型有两种，一种为DeepSeek模型，一种为YoLo模型，毕竟目前在工业市面上较为成熟的应用就是视觉检测这块了。目前DeepSeek模型API已掌握最基础的调用，也是成功的开始，希望能再接再厉，收获成果。
2025-02-19 11:14:30
410
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人