iNeuOS工业互联网操作系统

自主开发iNeuOS工业互联网操作系统，实现开箱即用的工业应用系统，从数据接入、数据接口、数据处理、数据建模、数据存储、数据分析和数据应用等形成体系化、流程化的应用。满足用户的即接、即用、即分析、即显示的应用需求，支持开放式的二次开发。

原创让工业历史数据“进化”出可执行公式：PySR 的落地场景与边界

当工业大数据攒了几年，企业却发现：数据躺在数据库里，既喂不活黑盒模型，也撑不起生产和经营决策。问题不在数据量，而在工具，需要能从历史数据里直接提炼出可解释公式的方法。

2026-10-21 12:06:28 124

原创数字化 LTEF（氚工厂）测控系统案例介绍，基于基于 iNeuOS 工业互联网操作系统

LTEF 工艺试验测控场景，涉及多种工艺设备、阀门、温控仪表、传感采集单元，设备品牌杂、通信协议异构，涉及到23类设备或仪表，需要完成实时数据采集、工艺流程自动控制、工况监测预警、过程数据存储回溯、可视化组态展示完整测控闭环。实现50毫秒的数据采集、100毫秒反向控制。反向控制包括单点控制和工艺过程优化的联动控制。

2026-10-14 14:54:43 239

原创一套真正可落地的工业一体化方案：边缘网关(PLC/机床协议) + 物联网/工业互联网 + 机器视觉 + RAG 知识库 + 智能问数。

端到端完整的一体化落地架构：边缘智能网关 + iNeuOS 工业互联网底座 + iNeuOS‑Vision 机器视觉 + AiMind 工业 RAG 知识库 + AiInsight 智能问数，全部支持私有化内网部署，打通设备、视频图像、工艺文档、时序数据，形成完整业务闭环。

2026-10-14 14:40:50 357

原创 [人工撰写]AI时代工业数字化的迭代与落地--从AI底座到场景迁移的循环迭代

我认为现在“AI+X”和以往的概念并不一样，它需要更大规模的资金投入，依托业务场景开展长周期迭代，是迈向高自动化智能社会的前期铺垫。所以，以前的概念更偏向基础技术成熟度的积累，而“AI+X”更注重与实际业务的结合。

2026-09-24 09:22:02 169

原创 iNeuOS工业互联网，Web组态增加三维（3D）模型渲染、标注、巡检、预警功能

iNeuOS工业互联网的视图建模（Web 组态）3D 渲染：作为组态体系中的一类"元件"，支持接入真实三维模型（设备/产线/站房），并叠加部件级标注、巡检巡游、实时预警三类业务能力，实现"2D 画面 + 3D 数字孪生"的混合组态。

2026-09-21 13:45:14 280

原创大模型（DeepSeek）辅助 3D 实时建模 + 拖拽配置：业务可视化应用快速构建实践（标注、巡检与视角控制等）

本文介绍一条 "从基于大模型构建3D模型生产到应用发布" 的快速构建链路：上游由大模型驱动 Blender 辅助实时建模，下游把模型变成可拖拽配置的元件，业务人员无需人工3D建模和开发业务代码即可产出浏览器应用。

2026-09-16 13:50:37 701

原创 iNeuOS工业互联网操作系统，重要更新：性能优化、安全漏洞与BUG修复，远程控制响应效率大幅提升

本次更新iNeuOS V5.6 版本，主要迭代聚焦安全加固、缺陷闭环、性能提升与风险管控等方面。完成大量安全漏洞、租户隔离、业务逻辑类缺陷修复，强化系统身份鉴权与数据访问防护能力，解决越权访问、SQL 注入、资源泄漏等风险。同时针对报表设计、表单设计、视图建模（WEB组态）、远程命令控制、桌面窗口和打开应用窗体等高频使用场景开展性能优化，有效改善页面加载与交互体验。

2026-09-13 12:08:27 189

原创 SOP合规分析+多模态 VLM 工况理解，工业作业复杂工况识别与智能理解实践

传统工业机器视觉大多聚焦人员、物体、场景等目标的检测定位，仅能实现简单对象告警。尽管基于目标检测能够实现SOP操作时序流程的合规性，但是对于缺少对人员、设备等环境的工况理解。本文基于 YOLO 目标检测与多模态 VLM 视觉模型双引擎协同架构，结合 iNeuOS_Vision 视觉分析平台实践，将目标识别能力与画面工况语义理解深度融合，实现工业现场 SOP 全流程合规校验、隐性风险工况识别、告警处置与模型自迭代闭环。

2026-09-04 10:45:31 342

原创多模态知识库，打通文本、图像与视频资源的协同实践与应用

本文介绍一个支持文本、图像、视频三类资源统一入库与检索的跨模态知识库系统。三类资源经统一向量化后进入同一向量空间，用户只需输入一句自然语言，即可一次性召回三种模态的相关资源，并按类型直观展示。

2026-09-02 09:40:56 206

原创双模型引擎协同：基于 YOLO + 多模态 VLM 的目标检测、语义理解与 SOP 合规分析复合工业场景实践与应用

iNeuOS_Vision 是以YOLO 目标检测和多模态VLM模型语义理解为双引擎的工业视觉智能分析平台。当前市场已有“小检测模型 + VLM 大模型”协同的视频检测和分析产品，都集中在硬件摄像头品牌厂家；但同时具备“YOLO目标检测、VLM与YOLO检测结果联动及定时独立巡检、告警驱动完成YOLO样本及VLM数据集迭代闭环”这三项完整能力的标准化商用产品较少。

2026-08-28 16:29:43 240

原创一名初一学生用AI开发《末日突围》3D游戏的实践过程，Visual Studio Code+DeepSeek+GPT

《末日突围》是一名初一学生在AI编程助手辅助下独立开发的3D第一人称战术射击游戏。游戏基于WebGL技术，以末日废土为背景，玩家在废弃封锁区中抵御僵尸围攻或与AI雇佣兵混战。游戏可在浏览器中直接运行，也可通过Windows桌面程序运行。

2026-08-25 09:09:45 193

原创 iNeuOS_Vision_视觉分析，增加SAM3模型对实例分割和目标检测AI自动标注图片样本功能

iNeuOS_Vision·视觉分析是面向工业现场的机器视觉模型训练与应用管理平台，围绕数据标注、数据管理、模型训练、模型管理、模型测试、视觉分析和告警管理形成完整闭环。升级内容：（1）增加实例分割的SAM3自动标注。（2）数据标注工具增加AI自动标注功能。

2026-08-17 13:27:48 262

原创 iNeuOS_AiMind+Ollama（Embedding 和 VLM 模型）+DeepSeek 打造专业大模型知识库

传统知识库构建中，对图片的处理通常仅做 OCR 文字识别。这种方式只能提取图片中的文字信息，无法理解图片的场景、结构和语义。在工业场景下，设备照片、生产流程图、工艺标准图、操作手册图等大量图片资源包含着丰富的场景化知识信息，仅靠 OCR 远远不够，会严重降低知识库的构建质量。iNeuOS_AiMind 通过集成 VLM（视觉语言模型）从根本上解决了这一问题。VLM 模型可以同时对图片进行文字提取和场景理解，即：图片中的文字 OCR 识别 + 图片整体场景的语义描述。

2026-08-10 16:52:26 260

原创打造工业版 WorkBuddy，基于 iNeuOS 工业互联网框架体系

工业领域正经历从“自动化”、“信息化”到“智能化”的深层转型。传统工业软件往往是“人适应系统”，操作人员需要记住功能路径、系统的操作方式，在数据看板、报表系统、文档库等之间切换。智能化应该是“系统适应人”，用自然语言一句话就能完成数据查询、状态诊断和决策建议，对于产品或是系统设计更趋向于“简单化”。

2026-07-30 15:38:06 190

原创重磅发布 19 个视觉分析模型，涉及厂区消防安全、人员作业合规、工业设备与管线巡检、电子精密质检和农业种植监测等 10 大主流场景

iNeuOS_Vision平台模型适配食品加工、电力运维、油气管道、钢铁冶金、矿山煤炭、机械焊接、电子制造、园区安防、农业种植、车载安全十大主流行业，企业也可基于平台自主标注、训练专属行业检测模型，快速搭建轻量化、可落地的机器视觉智能管控系统。

2026-07-23 10:01:37 205

原创 AI/Vibe Coding，本质是软件人工时代向软件工业时代发展

AI/Vibe Coding正在改变软件行业的底层生产逻辑。它不是简单的“提效工具”，而是把软件开发从手工密集型活动推进为系统化、流程化、规模化的工业生产。

2026-07-13 16:01:02 192

原创 ChatGPT在工业领域的研究与应用探索-产品化部署及应用

从大的框架角度来考虑，ChatGPT扮演AI助手的角色，应用越来越发挥出来应有的价值，所以工业系统化项目整体框架会发生一些改变。

2026-07-13 15:45:37 277

原创 ChatGPT在工业领域的研究与应用探索-AI助手实验应用

对于工业来讲，一是没有基础数据，二是无法立刻解决老问题。这种情况下，ChatGPT如何与工业相结合呢！我就是ChatGPT、ChatGPT就是我，达到我即是佛，佛即是我的境界。我把日常工作记录输入给ChatGPT，把它培养成我的工业AI助手，是不是将来它会变得和我一样强大。至少，我认为这是发展过程中可以选择的路径。

2026-07-13 15:41:57 368

原创 iNeuOS 发布人工智能助手：小i助手，所问即所答，面向运维、工艺、管理人员提供一站式 AI 赋能

小 i 助手是搭载在 iNeuOS 平台上的面向工业专属大模型智能应用，依托平台内置的大模型能力深度融合生产业务场景，面向运维、工艺、管理人员提供一站式 AI 赋能。

2026-07-05 08:27:53 240

原创基于物联网、时序模型、大模型和智能问数，设备预测性维护【智能体】应用案例

以 iNeuOS_IOT 平台为数据底座，采集设备振动传感器的时序数据。当用户以自然语言输入"分析某设备最近运行状态"后，iNeuOS_AiInsight 智能问数平台与DeepSeek V4 Pro大模型协同：（1）自然语言交互，无需 SQL 或专业工具；（2）振动通道独立分析和综合评估，支持 1~16 通道并发；（3）时域+频域双维度分析 + 自适应基线健康评估 +时序模型预测四层递进；（4）全链路错误处理及恢复机制，快速完成端到端响应。

2026-06-23 11:29:16 242

原创基于iNeuOS物联网(IOT)和AiInsight智能问数，【数据统计智能体】的构建和应用

iNeuOS_AiInsight·数智灵鉴智能问数的接入，它将自然语言理解能力与工业数据分析流程深度结合，让用户通过一句业务问题即可完成“数据定位、查询执行、结果分析、图表输出、报告生成”的完整闭环，显著降低了数据使用门槛。

2026-06-18 14:10:53 202

原创 [免费试用] iNeuOS_Vision视觉分析在SOP标准工作操作规程的应用

传统SOP依赖人工监督、人工核验，存在监管滞后、人工成本高、漏检误检等痛点。依托iNeuOS_Vision机器视觉技术，可实现SOP操作的自动化识别、实时监测、流程校验与异常告警，适配各类工业标准化作业场景，助力工业作业全流程可视化、智能化管控，提升生产标准化水平与作业效率。

2026-06-13 11:52:45 282

原创找了一个Token渠道，全球顶级模型，在vscode的配置及应用

连接全球顶级AI大模型：GPT、Claude Opus、Claude Sonnet、Gemini、DeepSeek V4 Pro、Qwen3-Max、Kimi、K2.6、Grok、Minimax、GLM、Doubao、Mistral。为全球开发者与团队而生 ——无限制可直连、无封号风险、余额永不过期。

2026-06-08 10:54:03 223

原创基于大模型、AiInsight问数框架的高炉冶炼智能体研究与应用（面向高炉历史诊断、目标优化与生产决策辅助）

AiInsight 问数框架将大模型、技能包、数据源、工艺知识库和工具执行统一到一个智能体流程中。用户可以用自然语言或明确命令发起任务，系统根据已选大模型、技能、数据源、文件和知识库构造上下文，分步骤完成数据查询、工艺推理、脚本分析和报告生成等过程。

2026-06-05 17:10:28 369

原创 GitHub Copilot 新版计费翻车：2天消耗49美元，天价引爆开发者吐槽，国产开源 AI 迎来替代窗口期

按照新版计费规则，Copilot Pro+订阅用户 6.1~6.2 短短两天，7000 内置 Credits 全额耗尽、10 美元附加预算全部透支，折算实际产生计费成本超 49 美元。海外开发者同样发文吐槽，3 天掏空月度全部额度。

2026-06-04 11:44:21 376

原创 iNeuOS_AiInsight·数智灵鉴（Text2SQL/NL2SQL自然语言大模型智能问数），免费下载试用

iNeuOS_AiInsight·数智灵鉴的接入，它将自然语言理解能力与工业数据分析流程深度结合，让用户通过一句业务问题即可完成“数据定位、查询执行、结果分析、图表输出、报告生成”的完整闭环，显著降低了数据使用门槛。

2026-06-02 17:29:46 339

原创 iNeuOS_Vision·视觉分析应用手册，面向机器视觉标注、训练、测试、实时分析的应用流程说明

iNeuOS Vision视觉分析平台是一款面向工业场景的机器视觉系统，提供从数据标注到模型部署的全流程解决方案。该系统支持私有化部署，包含数据标注、模型训练、视觉分析和告警管理等核心功能模块，可应用于安全生产识别、质量检测等工业场景。使用流程包括：1）部署启动系统；2）数据标注与管理；3）模型训练与测试；4）视觉分析配置与运行；5）告警处理。平台通过三个闭环（数据闭环、模型闭环、应用闭环）实现视觉识别应用的持续优化，支持与iNeuOS工业互联网操作系统集成，将识别结果转化为可管理的业务数据。

2026-05-26 16:40:13 350

原创基于iNeuOS_Vision视觉分析的生产操作规范实时识别监测及预警系统

基于 iNeuOS_Vision 构建的生产操作规范实时识别监测及预警能力，重点解决生产过程中人员按规范动作执行、存在违规操作、需要即时提醒等问题。系统通过对工位视频流进行持续分析，对关键动作、姿态、区域进入、作业顺序等内容进行识别，把识别结果转化为可记录、可追溯、可联动的现场事件。

2026-05-14 15:25:09 402

原创基于多模态视觉模型和图文向量模型的工业图像知识库研究与应用

图片知识库面向的应用场景具有显著工业共性，包括航天及电子制造中的PCB板质量问题、工业生产中的漏油与渗漏、跑冒滴漏、烟雾火焰粉尘蒸汽异常、设备表面污渍锈蚀烧蚀腐蚀、缺件错装松动变形裂纹、外观一致性检查，以及历史故障案例召回等。对于这些场景，系统既可以服务于缺陷排查，也可以服务于知识沉淀和工单辅助检索。

2026-05-14 08:45:42 369

原创 iNeuOS，从单一产品向产品族生态演进，物联网（IOT）、视觉分析（Vision）、大模型智库（AiMind·心智灵慧）

随着工业项目复杂度不断提升，单一的物联网平台已经难以完全覆盖客户需求。很多项目（特别是今年2026），同时要求处理图像识别、视频分析、质量检测、知识问答、经验沉淀、智能协作和辅助决策等任务。项目建设的重点，开始从“把数据接进来”转向“让数据真正产生业务价值”。

2026-05-12 10:42:50 473

原创 iNeuOS工业互联网操作系统集成大模型智库（iNeuOS_AiMind·心智灵慧）

iNeuOS_AiMind·心智灵慧是一个基于大语言模型的智能应用平台，核心能力涵盖知识库管理、智能问答、RAG 检索、Agent 智能体协作、记忆管理和文件管理等模块，面向企业知识沉淀、知识检索和知识应用的综合平台。通过与 iNeuOS 的工业互联网能力结合，AiMind 可以把设备数据、工艺文档、操作规范、维护经验和分析结果连接起来，形成更适合工业企业使用的智能知识底座。

2026-05-05 12:10:02 237

原创 iNeuOS工业互联网操作系统无缝集成视觉分析(iNeuOS_Vision_Detect)

随着工业企业对智能化、可视化和实时分析能力要求的不断提高，视觉分析正在成为工业互联网平台的重要组成部分。iNeuOS 与视觉分析iNeuOS_Vision_Detect 的深度融合，正为工业现场提供一种更贴近业务、更便于运维、更容易复制推广的视觉智能应用模式。

2026-04-25 09:50:23 395

原创基于vibe coding，1个人的软件工程学(30+万行代码)

基于AI的vibe coding仍然要走出软件作坊的思维方式，但是和堆人时代的软件开发相比，我们思考的是1个人如何带着N个AI助手进行开发的软件工程学。

2026-04-16 08:42:22 391

原创开源：iNeuOS_Doctor，一款基于人工智能在医疗领域的病情咨询及医学影像分析平台，例如CT\X光片\病理成像\诊断病历等

AI体征分析助手是一款基于人工智能在医疗领域的病情咨询及医学影像分析平台。系统利用先进的深度学习模型对医学影像和医疗数据进行分析和理解，为用户提供科学的初步健康筛查和分析建议。例如CT\X光片\病理成像\诊断病历等。

2026-04-02 08:57:52 587

原创 iNeuOS Vision Detect机器视觉模型应用管理平台，在钢铁、煤炭、矿山、稀土、机械加工、农业种植等领域应用。

iNeuOS Vision Detect是面向机器视觉训练、测试、管理和应用的管理平台，覆盖数据标注、数据管理、模型管理、训练管理、应用测试、摄像管理、告警管理、图像处理、视频处理与资源监控等业务闭环。平台支持从数据到模型再到业务应用的全流程管理，可用于快速构建“可训练、可部署、可运营”的视觉智能系统。

2026-03-30 08:57:11 391

原创 AI是让做项目更容易了，还是更难了？死循环了？

今年结合AI的项目会越来越多，但是不代表项目越来越好做，AI对项目本身和人员的冲击也会越来越大，裁员和倒闭也是今年的主旋律。

2026-03-25 16:42:47 220

原创 AI辅助编程系统工程的注意事项-程序员从“农耕”走向“魔法”的时代

在传统软件工程到AI辅助编程是从“过程”到“意图”的转变，对系统工程提出了全新的挑战。

2026-02-28 13:20:52 837

原创基于Ai Coding,20天完成一个基于大模型的医学分析系统：Ai体征分析助手

我是一名长期使用C#开发后台服务与数据库的开发者，在短短20天内，独立完成一个跨前后端、贴合医疗健康场景分析的完整系统（Ai体征分析助手）是未曾想过的。得益于AI Coding工具的深度实践与应用和医疗领域大模型的应用，让我对AI时代的软件开发有了全新的认知。

2026-02-05 09:06:16 1026

原创 iNeuOS工业互联网操作系统，实现能源管理及应用案例

本次升级实现了iNeuOS工业互联网操作系统（该系统前端使用VUE3、后端接口使用NET6、关系数据库+时序数据库）从基础工具应用向业务管理应用（能源管理）的增值服务过度，同时可以依靠iNeuOS原有的基础工具扩展能源管理的业务功能。

2026-01-13 16:01:44 321

原创从写代码、到开发软件产品、再到开拓前端市场，2025年是转型关键的一年

经过多年思维转变、角色转换、工作积累，2025年是转型的关键一年，基本形成4大项目合作渠道，1个面向建材行业领域渠道、1个面向矿山行业领域渠道、1个面向内蒙区域跨行业渠道、1个面向新能源行业渠道，所以现在是产品互联网销售和拓展行业项目的双轨并行的局面，产品持续完善，重点放在拓展行业项目渠道。

2026-01-04 08:51:30 644

软件工程AI驱动的软件工业化转型：从人工开发到人机协同的系统性变革路径研究

内容概要：本文探讨了AI/Vibe Coding如何推动软件行业从“软件人工时代”迈向“软件工业时代”，指出这一变革并非简单的效率提升，而是生产范式的根本性转型。文章通过类比工业革命中纺织业的演变，阐明软件开发正从依赖个人经验与手工劳动的模式，转向以AI为核心、流程化、系统化、可度量的工业化生产体系。核心变化包括成本结构由人力主导转向算力、数据与自动化系统的投入，人才需求从编码执行者转变为问题定义者、系统编排者和质量治理者，项目管理也需从一次性交付转向持续交付与数据化治理。同时，作者驳斥了“技术与知识平权”的理想化认知，强调系统能力的分层将加剧行业分化。未来趋势指向人机协同、小团队高效能、行业知识资产化及客户对持续进化能力的采购偏好。; 适合人群：从事软件研发、技术管理、信息化项目管理及相关领域，具备一定行业经验的技术人员与决策者。; 使用场景及目标：①理解AI如何重塑软件开发底层逻辑；②指导企业进行研发体系工业化升级；③帮助个人规划职业发展方向以适应新时代需求；阅读建议：此资源适合结合实际组织架构与项目实践进行深度思考，建议在团队内部开展研讨，共同探索向软件工业时代的转型路径。

2026-07-13

【工业人工智能】基于ChatGPT的设备运维知识库构建：工业AI助手在设备状态监测与故障诊断中的实践应用

内容概要：本文探讨了将ChatGPT与工业领域结合的应用路径，提出通过将个人工作记录持续输入ChatGPT，将其培养成具备个体经验的工业AI助手。作者结合自身作为设备工程师的实际工作场景，开展实验验证：通过多次录入电机、轴承等设备的振动分析数据与诊断结论，测试ChatGPT在不同数据相似度下的响应表现。实验表明，当输入数据与历史记录高度一致时，ChatGPT能准确复现原有判断；随着工作记录积累越完整，其推理和关联能力越强，未来有望复制个人专业经验。文章强调，工业场景缺乏基础数据，难以直接用新技术解决老问题，因此“人即AI，AI即人”的渐进式融合路径更具可行性。适合人群：从事工业设备管理、状态监测、故障诊断的工程师，以及关注AIGC在垂直行业落地的技术研究人员。使用场景及目标：①构建基于个人经验的工业AI助手，辅助设备故障诊断决策；②探索大模型在数据稀缺工业场景下的可持续训练路径；③实现经验知识的数字化沉淀与智能复用。阅读建议：此资源侧重于理念创新与实验验证，读者可借鉴其方法论，结合自身工作流持续输入专业数据，逐步训练专属工业AI助手，并在实践中评估其准确性与演化能力。

2026-07-13

工业智能基于ChatGPT的大模型工况认知系统：工业数据异常检测与处理决策应用研究

内容概要：本文探讨了ChatGPT在工业领域的研究与应用潜力，介绍了其发展现状及在文本生成、问答系统、数据分析等方面的能力。文章重点分析了ChatGPT与工业结合的多种途径，如智能自动化、设备维护、生产优化、质量控制和知识管理等，并通过具体实验展示了其在工业数据与工况认知中的实际表现，验证了其识别异常数据、关联工况信息和提供处理建议的能力。同时指出当前存在的局限性，如广域网环境下处理建议可能不准确，但提出通过行业私有化部署和针对性训练可提升模型准确性。; 适合人群：从事工业智能制造、数据工程、AI应用研究的技术人员及企业管理者，具备一定人工智能基础知识的研发与运维人员。; 使用场景及目标：①利用ChatGPT实现工业数据实时监控与异常识别；②构建面向特定行业的私有化大模型以支持故障诊断与决策优化；③推动企业在生产计划、供应链管理和员工培训中融入AI技术，提升整体运营效率。; 阅读建议：应重点关注文中实验部分所揭示的模型能力边界，结合自身工业场景思考如何通过数据沉淀与模型微调实现落地应用，避免直接依赖公网通用模型输出关键决策。

2026-07-13

工业智能基于ChatGPT的私有化部署与多角色AI助手构建：面向制造企业的知识库语义化应用系统设计

内容概要：本文探讨了ChatGPT在工业领域的研究与应用，重点解决私有化部署和数据资产安全问题，以及基础数据缺乏导致模型训练困难的挑战。文章提出将ChatGPT作为各类工业角色（如工艺、设备、信息化等）的AI助手，通过构建可私有化部署的产品化系统，上传领域文档（如PDF/TXT/JSON格式），完成数据识别、模型训练与知识库构建，最终实现基于语义理解、逻辑推理的知识问答服务。随着企业积累更多生产、设备、经营等数据，ChatGPT的应用效果将不断提升。; 适合人群：从事工业信息化、智能制造、工业互联网系统设计与实施的技术人员及管理者，具备一定IT背景的工程研发人员。; 使用场景及目标：①实现工业知识库的智能化升级，从关键词检索迈向语义理解和智能问答；②为不同岗位人员提供定制化AI助手，提升信息获取效率与决策能力；③推动工业企业在无或少信息化系统情况下逐步构建数据资产并赋能AI应用。; 阅读建议：本文强调实际应用路径，建议结合自身企业数据现状，参考文中模型训练与AI助手搭建流程，分阶段推进私有化部署与数据积累，注重框架设计与产品落地协同。

2026-07-13

【工业互联网】基于大模型的智能助手应用：iNeuOS平台小i助手实现多模态交互与生产数据融合分析系统设计

内容概要：本文介绍了iNeuOS工业互联网操作系统及其新发布的人工智能助手——小i助手。iNeuOS作为面向工业领域的数字化底座平台，具备设备接入、数据采集、边缘计算与上层PaaS应用支持能力，广泛应用于钢铁、航天、新能源等行业。小i助手是集成于该平台的工业专属大模型智能应用，深度融合生产场景，提供文字对话、语音输入、报告下载等功能，支持多端访问（APP、浏览器、桌面），并具备方言识别、权限统一、能力灵活组合等特点，旨在为运维、工艺和管理人员提供高效便捷的AI服务。; 适合人群：从事工业互联网、智能制造、设备运维等相关工作的技术人员及管理人员，具备一定信息化系统使用经验的用户。; 使用场景及目标：①通过自然语言或语音快速获取设备状态、生产数据与分析结果；②利用AI生成分析报告并离线查阅；③在不同终端无缝切换使用，提升现场响应效率与决策能力。; 阅读建议：本资料适用于希望了解iNeuOS平台AI能力扩展的用户，建议结合实际应用场景体验小i助手的多模态交互与业务集成优势，重点关注其与工业知识库、数据库及大模型的灵活协同机制。

2026-07-13

【工业互联网】基于大模型的智能知识管理系统：iNeuOS-AiMind在设备运维与生产决策中的应用

内容概要：本文介绍了iNeuOS工业互联网操作系统集成的大模型知识库——iNeuOS_AiMind·心智灵慧，该平台融合工业数据底座与大语言模型能力，构建“工业数据+企业知识+AI智能”一体化架构。通过知识库管理、智能问答、RAG检索、Agent智能体协作、记忆管理和文件管理六大核心功能，实现对设备、产线、工艺、质量、安全和运维等场景的知识沉淀、语义理解、智能检索与任务协同，推动工业企业的智能化升级。; 适合人群：工业企业中的设备工程师、工艺工程师、运维人员、生产管理者及数字化转型相关技术人员。; 使用场景及目标：①实现设备故障快速诊断与经验复用；②提升跨部门知识共享与协同效率；③构建可积累、可追溯的企业级数字知识资产体系；④支撑生产异常分析、工艺优化、质量追溯和安全管理等复杂业务场景的智能决策。; 阅读建议：此资源强调AI能力与工业实际业务的深度融合，建议结合iNeuOS平台实操体验，重点关注知识库构建、智能体设计与RAG检索在具体工业场景中的应用路径。

2026-07-10

机器视觉基于iNeuOS-Vision的工业视觉分析系统：从数据标注到SOP操作合规检测的全流程应用设计

内容概要：本文档详细介绍了iNeuOS_Vision·视觉分析平台的应用流程，该平台是一个面向工业现场的机器视觉模型训练与应用管理平台，支持从数据标注、模型训练、测试到实时视觉分析和告警管理的完整闭环。系统可用于安全生产识别、人员合规检测、设备巡检、质量检测等多种工业场景，支持私有化部署，并可与iNeuOS工业互联网操作系统集成。手册涵盖了系统部署、启动、登录授权、数据标注、模型训练与测试、视觉分析配置及告警管理等全流程操作说明，并以SOP标准化操作分析为例，展示了如何实现作业流程的智能化监控与合规性判断。; 适合人群：项目实施人员、系统管理员、算法工程师以及从事工业视觉应用的业务使用人员。; 使用场景及目标：① 实现工业场景下的视觉智能应用闭环管理；② 构建可训练、可部署、可运营的视觉分析系统；③ 对标SOP标准流程进行实时监控与违规告警，提升生产规范性与安全性。; 阅读建议：建议结合实际操作同步查阅文档，重点关注数据标注质量、模型训练参数配置及视觉分析服务运行日志，确保系统稳定高效运行。

2026-07-10

【工业智能分析】基于大模型的NL2SQL技术实现：iNeuOS-AiInsight数智灵鉴系统在多源数据融合与技能化知识沉淀中的应用

内容概要：本文介绍了iNeuOS_AiInsight·数智灵鉴——一个基于大模型的自然语言智能问数平台，通过Text2SQL/NL2SQL技术实现自然语言到数据库查询的转换，支持多数据源融合分析、技能化流程封装、知识库增强与工作流编排。平台采用“上下文装配+智能体分步执行+结果流式反馈”架构，具备从数据查询、分析计算到图表报告生成的全流程自动化能力，强调过程透明、安全可控与企业级经验沉淀，推动企业数据分析从传统报表模式向智能化、自助化转型。; 适合人群：企业数字化转型中的业务分析师、数据工程师、IT管理人员及具备一定技术背景的工业领域从业者。; 使用场景及目标：①非技术人员通过自然语言快速获取跨表、跨维度数据结论；②企业将分析经验固化为可复用的技能、工作流与知识库，提升分析一致性与决策效率；③减少定制化开发成本，实现“即问即得”的数据服务闭环。; 阅读建议：此资源侧重企业级智能数据分析平台的架构设计与落地实践，建议结合功能截图与操作流程理解其在工业互联网场景下的集成应用，并关注其在安全控制、多源融合、过程可解释性方面的实现机制。

2026-07-10

人工智能基于NL2SQL的工业智能问数分析系统：自然语言驱动的多源数据查询与可视化决策支持平台设计

内容概要：本文介绍了iNeuOS_AiInsight·数智灵鉴——一款基于Text2SQL/NL2SQL技术的自然语言智能问数平台，旨在通过自然语言实现“会问、会查、会算、会画、会总结”的全流程数据分析。该平台深度融合于iNeuOS工业互联网操作系统，支持用户通过口语化提问完成数据定位、查询执行、结果分析、图表输出与报告生成的闭环操作。系统采用“上下文装配+智能体分步执行+流式反馈”架构，集成多数据源接入、技能化流程封装、知识库增强理解、提示词模板优化、工作流编排及应用程序构建等能力，实现从即时问答到经验沉淀的升级，提升分析透明度与业务可追溯性。; 适合人群：具备一定数据分析或IT基础，从事企业数字化转型、工业互联网、智能制造等相关领域的技术人员、数据分析师及系统管理人员，尤其适用于希望降低数据使用门槛、提升决策效率的企业团队。; 使用场景及目标：①非技术人员通过自然语言快速获取跨表、跨维度数据洞察，减少对SQL编写和开发人员的依赖；②企业将行业分析经验封装为可复用的技能、工作流和知识库，实现分析标准化与组织能力积累；③在保障生产数据安全的前提下，实现数据库只读查询、可视化展示与自动化报告生成，服务于管理汇报与现场决策。; 阅读建议：建议结合文档中的功能截图与操作流程，重点理解模型管理、数据源配置、技能上传、知识库构建与工作流设计等模块的实际应用逻辑，深入掌握如何通过平台实现从“提问题”到“得结论”的智能化、可追溯分析闭环。

2026-06-02

工业智能基于大模型的RAG知识库管理系统：iNeuOS-AiMind在设备运维与生产协同中的应用

内容概要：本文介绍了iNeuOS工业互联网操作系统与大模型知识库“iNeuOS_AiMind·心智灵慧”的融合应用。该平台在原有工业数据采集与控制能力基础上，集成知识库管理、智能问答、RAG检索、Agent智能体协作、记忆管理及文件管理等功能，构建“工业数据底座+企业知识底座+大模型智能能力”的一体化架构。通过将设备数据、工艺文档、运维经验等统一组织，实现知识的沉淀、检索与智能应用，提升企业在生产、运维、管理等场景下的决策效率与协同能力。; 适合人群：工业企业中的设备工程师、工艺工程师、生产管理人员及IT数字化团队，具备一定工业信息化基础的技术与管理人员。; 使用场景及目标：①实现设备故障快速诊断与运维知识复用；②支持跨部门智能问答与语义检索；③通过多智能体协作完成生产异常分析、报表汇总等复杂任务；④推动企业知识资产的结构化沉淀与持续复用；阅读建议：此资源强调AI能力与工业业务深度融合，建议结合实际应用场景，重点关注知识库构建、RAG检索机制与Agent协作流程的设计与实践，以充分发挥平台价值。

2026-06-01

机器视觉基于iNeuOS-Vision平台的数据标注与模型训练：工业场景视觉分析应用全流程设计

内容概要：本文档详细介绍了iNeuOS_Vision·视觉分析平台的应用流程，涵盖从系统部署、登录授权、数据标注、模型训练与测试到视觉分析运行及告警管理的完整闭环。系统支持私有化部署，集成数据标注、模型管理与实时视觉分析功能，适用于工业现场的安全生产识别、人员合规检测、设备巡检等多种场景，并可与iNeuOS工业互联网操作系统融合使用，实现视觉识别结果的数据化与业务联动。; 适合人群：项目实施人员、系统管理员、算法工程师及业务使用人员；; 使用场景及目标：①在工业环境中构建可训练、可部署、可运营的机器视觉应用；②实现从数据采集到模型落地的全流程管理，提升视觉智能系统的识别精度与运维效率；③通过告警管理实现安全事件的及时响应与处理；; 阅读建议：建议用户结合文档中的图示与操作步骤，逐步完成系统部署与功能配置，重点关注数据标注质量、模型训练参数优化及视觉分析服务的稳定性调试，确保系统在实际场景中可靠运行。

2026-05-29

医疗AI基于大模型的体征分析系统设计：医学影像与健康数据智能诊断平台开发实践：Ai体征分析助手

内容概要：本文介绍了作者在20天内，利用AI Coding工具（VSCode+AI Copilot）独立开发完成一个名为“Ai体征分析助手”的医学分析系统全过程。该系统基于大模型技术，能够对医学影像（如CT、MRI、X光片等）和医疗数据（如病历、EHR）进行智能分析，支持居家健康筛查，具备高效、普惠、低成本等优势。项目采用Flask + Vue 3技术栈，涵盖用户认证、AI诊断、分析历史、支付提现、邀请好友等核心模块，并通过AI辅助实现前后端协同开发，显著提升开发效率。文章还探讨了AI Coding带来的效率提升、工作模式变革与技术壁垒打破等好处，同时也指出其对普通工程师的挑战及对设计与创新能力的更高要求。; 适合人群：具备一定编程基础，熟悉至少一门开发语言，希望借助AI工具提升开发效率的个人开发者或小型团队；关注AI+医疗应用场景的技术从业者。; 使用场景及目标：①学习如何利用AI Coding工具快速构建跨前后端的完整系统；②了解AI在医疗健康领域的应用实践与技术架构设计；③探索个人独立开发复杂系统的可行性路径与方法论。; 阅读建议：此资源以实际项目为导向，强调AI与开发者协同工作的实践价值，建议读者结合自身技术背景，边学边练，重点关注需求拆解、技术选型与AI生成代码的审查优化过程。

2026-02-05

iNeuOS工业互联网操作系统，实现能源管理及应用案例

内容概要：本文介绍了iNeuOS工业互联网操作系统在能源管理领域的应用升级，系统基于VUE3前端与.NET6后端架构，融合关系型数据库与时序数据库，实现了从基础工具平台向能源管理业务系统的延伸。通过配置工厂模型、工序及班制信息，完成企业生产结构的数字化建模；利用设备模型实现对水、电、气、风等能源数据的实时采集与统计分析；系统内置能源实时监测与历史数据查询功能，支持按班、日、月、年维度进行能耗统计；进一步通过视图建模（Web组态）实现可视化监测界面的灵活构建，并可通过报表设计（Excel）自定义各类能源报表，如班报、日报、月报等，所有扩展功能均可集成至能源管理模块菜单中，提升系统可扩展性与复用性。; 适合人群：具备一定工业自动化或软件开发背景，从事能源管理系统设计、实施或运维的技术人员及项目管理人员；熟悉工业互联网平台应用的开发与集成人员。; 使用场景及目标：①实现工业企业能源数据的全面采集与可视化监控；②快速搭建能源管理业务系统，降低定制开发成本与周期；③通过组态与报表工具扩展个性化能源分析功能；④推动企业节能降耗与精细化管理。; 阅读建议：建议结合实际能源管理项目实践，逐步操作文档中的配置流程，重点掌握设备建模、数据采集、组态开发与报表集成的关键步骤，充分发挥iNeuOS平台的低代码扩展能力。

2026-01-13

iNeuOS工业互联网操作系统-部署手册-V5版本

内容概要：本文档为《iNeuOS工业互联网操作系统_部署手册_V5版本》，详细介绍了iNeuOS系统的部署流程和技术要求。主要内容包括必备组件安装（如.NET6）、Windows IIS服务部署步骤（数据库创建、MIME配置、目录权限设置、虚拟目录建立等）、脚本快速部署方法、配置文件修改（数据库连接、端口号、API接口信息等）、算法分析依赖（Anaconda及Tornado）的安装与环境配置、授权码获取与放置方式以及系统更新操作的注意事项。文档强调路径不能含中文、空格或特殊字符，并提供了相关下载链接和默认访问地址（http://127.0.0.1:801，账号admin，密码123456）。; 适合人群：具备一定工业互联网系统运维经验或软件部署能力的技术人员，熟悉Windows/Linux服务器环境、IIS/Nginx配置及数据库管理的工程师；适用于企业IT实施人员或系统集成商。; 使用场景及目标：①指导用户完成iNeuOS系统的本地化部署与配置；②支持通过脚本自动化部署提升效率；③确保系统各模块（前端UI、后端API、核心服务Kernel）正确连接数据库并正常通信；④实现3D模型上传、算法分析等功能所需的环境准备与授权激活。; 阅读建议：建议按照文档顺序逐步操作，重点关注配置文件路径与参数准确性，部署过程中注意权限设置与服务启动顺序，更新时务必备份原配置文件以避免数据丢失。

2025-12-18

人工智能基于DeepSeek1.5B微调的领域大模型构建：工业互联网操作系统iNeuOS定制化应用

内容概要：本文介绍了基于DeepSeek-R1-Distill-Qwen-1.5B模型进行微调，训练出面向特定领域（如钢铁、矿山、制造等）的自主大模型的过程。通过对比原生模型与微调后模型在回答iNeuOS相关问题上的表现，展示了微调显著提升模型在垂直领域内的准确性与专业性。文档详细阐述了从数据准备、模型训练到模型合并的完整流程，并提供了完整的代码工程结构与实现脚本，支持开发者复现和扩展。微调后的模型在生成物联网解决方案等复杂任务中也表现出良好的逻辑性与实用性。; 适合人群：具备一定深度学习基础，熟悉大模型微调流程，从事工业互联网、智能制造或AI应用研发的技术人员；1-3年经验的算法工程师或AI研究员；使用场景及目标：①掌握LoRA微调技术在领域大模型中的实际应用；②构建行业专属大模型以提升问答、方案生成等任务的专业性和准确性；③推动大模型在工业制造等垂直领域的落地与智能化升级；阅读建议：建议结合GitHub项目代码（https://github.com/wxzz/iNeuOS_LLM）同步实践，重点关注数据集构建、训练脚本与模型测试环节，建议优化数据质量和提示词设计以进一步提升模型表现。

2025-11-19

文章介绍了阿里巴巴开源的通义万相Wan2.2视频生成模型，重点阐述了其在AI视频生成领域的技术创新与应用实践

内容概要：本文介绍了阿里巴巴开源的AI视频生成模型通义万相Wan 2.2，重点阐述了其在架构创新、电影级美学控制和动态表现方面的突破。该模型采用混合专家（MoE）架构，通过高噪与低噪专家模型协同工作，在270亿总参数下仅激活140亿参数，节省约50%计算资源。同时，模型引入电影级美学控制系统，支持光影氛围、色彩情绪和镜头语言的专业化调控，并在面部微表情、手部动作、多人交互等动态细节上显著提升生成质量。文中还展示了利用DeepSeek生成《山海经》题材视频脚本，并通过Wan 2.2实现视频生成的工作流程，对比了文言风格与白话文脚本的生成效果，以及提示词细微调整对最终视频的影响。; 适合人群：对AI视频生成技术感兴趣的开发者、研究人员及数字内容创作者，具备一定AI基础知识和技术背景者更佳；使用场景及目标：①探索高效视频生成模型的技术实现路径；②学习如何结合大模型进行创意内容生产（如古籍可视化）；③研究文本描述精度对生成视频质量的影响；阅读建议：建议结合模型架构解析与实际案例对照阅读，重点关注MoE设计思路与美学控制机制，并动手实践不同文本输入下的视频生成效果差异，以深入理解提示工程与模型能力边界。

2025-11-19

【工业互联网】基于iNeuOS的工厂模型配置：智能制造生产工序与班制管理系统的构建

内容概要：本文介绍了iNeuOS工业互联网操作系统新增的“生产工厂”模型配置功能，旨在支持集团化业务场景下的智能制造一体化管控。通过该功能，用户可在系统中配置多个工厂，并为每个工厂设置具体的生产工序和班制信息，实现对生产组织结构的精细化管理。同时，系统支持将设备模型与生产工厂、工序进行关联，推动设备模型与业务模型的无缝对接，提升系统的可配置性和业务贴合度。此外，文章还展示了功能界面操作路径及配置示例，体现了系统在能源监测、统计分析等后续业务扩展中的支撑能力。; 适合人群：从事工业互联网系统实施、运维及二次开发的技术人员，具有一定工业自动化或信息化背景的工程师，以及智能制造领域项目管理人员。; 使用场景及目标：①实现多工厂、多工序、多班制的生产组织建模；②打通设备模型与业务模型的关联配置，支撑生产过程可视化与数据联动分析；③为能源管理、生产调度等上层应用提供基础数据结构支持。; 阅读建议：建议结合iNeuOS系统实际操作界面进行对照学习，重点关注生产工厂与设备模型之间的关联配置逻辑，理解其在智能制造整体架构中的定位与延伸价值。

2025-11-19

iNeuOS工业互联网操作系统，更新计量数据处理方式和在线报表，实现能源管理基础功能

内容概要：本文介绍了iNeuOS工业互联网操作系统的一次重要升级，重点更新了计量数据处理方式和在线报表的时间格式化配置功能，旨在实现能源管理的基础应用。系统通过对风、水、电、气及辅料等能源数据的实时采集，支持配置“不处理”、“增量计算”和“累加计算”三种数据转换模式，满足不同场景下的能源使用统计需求。同时，在线报表功能增强了时间显示的灵活性，支持多种时间格式自定义配置，并可按秒级精度查询与统计，便于生成日、月、年报表。结合视图建模（WEB组态）技术，系统还实现了能源监测、预警提示、图表展示及3D模型数据绑定等可视化功能，构建了一套低成本、高效率的能源管理体系。; 适合人群：从事工业互联网、能源管理系统开发与运维的技术人员，以及具备一定自动化或信息化背景的工程技术人员；适用于1-3年工作经验的相关领域研发或实施人员。; 使用场景及目标：①应用于工业企业对能耗数据的实时采集与统计分析；②构建能源在线监测平台，实现报表自动生成与可视化展示；③通过WEB组态快速搭建能源管理界面，支持多终端适配与外部系统集成；阅读建议：此资源侧重于系统功能更新与实际应用效果展示，建议结合iNeuOS平台操作实践，深入理解计量数据处理逻辑与报表配置流程，并利用WEB组态工具进行可视化开发练习。

2025-09-25

微软开源bitnet b1.58大模型，应用效果测评(问答、知识、数学、逻辑、分析)

内容概要：微软开源的BitNet b1.58大模型是一种采用1.58位三值权重和8位整数激活值的低精度大语言模型。该模型通过创新的量化技术和架构设计，在性能、能效和部署灵活性上实现了显著突破。在x86和ARM CPU上的推理速度分别提升了2.37–6.17倍和1.37–5.07倍，能耗降低了55.4%–82.2%，非嵌入内存需求仅为传统FP16模型的1/6。它能够在普通笔记本或嵌入式设备上运行，支持问答、知识查询、数学运算、逻辑推理和数据分析等多种任务，但对知识密集型任务表现较弱。; 适合人群：对AI技术有一定了解并希望降低成本和能耗的研究人员、开发者以及中小企业。; 使用场景及目标：①在资源受限的环境中（如手机、IoT设备、嵌入式系统）高效运行大模型；②用于简单应用场景或根据具体场景进行微调；③降低企业及个人使用大模型的成本，推动AI技术的普及。; 其他说明：部署过程中需要通过Git克隆仓库并安装相关依赖，同时针对特定错误进行代码修改。在实际应用中，BitNet b1.58大模型能够较好地完成基础任务，但对于知识密集型任务仍需进一步优化。

2025-05-27

iNeuOS工业互联网操作系统集成DeepSeek大模型：提升工业智能化水平与复杂场景处理能力

内容概要：本文介绍了iNeuOS工业互联网操作系统集成DeepSeek大模型应用的相关内容。iNeuOS系统集成了DeepSeek大模型，旨在利用大模型强大的数据分析和决策能力，推动工业从“自动化”向“智能化”演进。文中详细讲述了模型和智能体配置方法，包括新增模型的API配置、智能体的创建及其应用场景配置。同时，阐述了数据查询模型分析应用，通过实例展示了如何查询特定时间范围的数据，并对设备状态进行智能分析，提供运行状态评估、温度趋势分析及应对高温风险的建议措施。此外，还介绍了数据报表模型分析应用，强调了在报表中集成模型分析功能的重要性。最后，提供了关于大模型应用的参考资料，便于进一步深入研究。适合人群：从事工业互联网、智能制造领域相关工作的技术人员、工程师以及对工业智能化感兴趣的从业者。使用场景及目标：①配置DeepSeek大模型及智能体，以适应不同业务分析应用场景；②通过数据查询和报表功能，实现对工业设备状态的智能监测与分析，及时发现并解决潜在问题；③利用大模型的应用，提高工业生产过程中的决策效率和准确性。其他说明：文中提到的DeepSeek大模型及其应用，不仅有助于提升工业生产的智能化水平，还为未来的工业智能化发展指明了方向，即“实时决策+自进化”。建议读者关注文中提供的参考资料，以便更好地理解和应用DeepSeek大模型。

2025-05-08

坐姿好坏识别模型-yolo(ultralytics)-视觉分析

本模型用于识别人员坐姿，包括良好坐姿和不良坐姿，整体 mAP@0.5 达到 0.925。其中不良坐姿类别 mAP 为 0.932，良好坐姿类别 mAP 为 0.918，两类目标识别能力均衡；可精准区分规范坐姿与违规坐姿，适用于室内场景人员坐姿智能识别监管。

2026-07-23

食品工厂安全防护识别模型-yolo(ultralytics)-视觉分析

本模型用于食品加工厂员工的安全防护穿戴识别，包括：佩戴防护手套、佩戴发网、口罩佩戴不规范、规范佩戴口罩、未佩戴防护手套、未佩戴发网、未佩戴口罩和穿戴安全鞋，满足食品车间卫生及安全生产监管要求。整体 mAP@0.5 达到 0.842，能够满足室内食品加工车间人员穿戴合规性智能巡检需求。

2026-07-23

电力基础设施故障识别模型（避雷器绝缘击穿、避雷器老化、避雷器破损、避雷器引线断开、瓷柱绝缘子裂纹、瓷柱绝缘子破损、瓷柱绝缘子闪络、导线断股、导线绝缘皮破）-yolo(ultralytics)-视觉分析

本模型用于检测电力基础设施故障巡检，罕见缺陷、避雷器绝缘击穿、避雷器老化、避雷器破损、避雷器引线断开、瓷柱绝缘子裂纹、瓷柱绝缘子破损、瓷柱绝缘子闪络、导线断股、导线绝缘皮破损、导线松股、高压导线接点发热、金具接线破损、鸟窝、异物、引线断开，整体可满足常规输电通道主流故障隐患的巡检识别需求。

2026-07-22

基础安全防护识别模型-yolo(ultralytics)-视觉分析

本模型用于基础安全防护识别：人员、佩戴安全帽、佩戴防护手套、穿着反光背心、穿着安全劳保鞋、佩戴护目镜、无对应防护装备、未佩戴安全帽、未佩戴护目镜、未佩戴防护手套、未穿着劳保鞋。整体可满足厂区安全劳保合规识别基础应用需求。

2026-07-22

人员吸烟识别模型-yolo(ultralytics)-视觉分析

本模型用于人员在各种室内外场景中吸烟行为进行检测识别，全局 mAP@0.5 达到 0.714，可识别人员厂区违规吸烟行为，适用于工厂、园区安环智能告警场景。

2026-07-22

皮带运输的煤和矸石识别模型-yolo(ultralytics)-视觉分析

本模型适用于矿山皮带输送，完成煤与矸石目标检测，实时捕捉原矿物料的输送流转状态。全局 mAP@0.5 达到 0.773，其中矸石识别 AP 为 0.799、煤炭识别 AP 为 0.746，两类目标识别能力较为均衡，可适用于采矿输送场景下煤矸分选、物料流量监测等基础业务需求。

2026-07-22

钢材表面缺陷识别模型(磕碰、轧制瑕疵、杂质嵌入、油污水渍残留、焊接痕迹)-yolo(ultralytics)-视觉分析

本模型用于钢材表面缺陷识别，包括褶皱、月牙形缺口、夹杂物、油污斑点、斑块、表面麻点、冲压孔洞、氧化皮压入、划痕、丝纹斑、折边褶皱、水渍斑、焊缝纹路、龟裂纹，以上为钢材冷轧板材全品类表面典型缺陷类别，涵盖成型磕碰、轧制瑕疵、杂质嵌入、油污水渍残留、焊接痕迹及应力开裂等各类工业生产中常见表面质量问题。14 类钢材缺陷识别性能分化明显，斑块、焊缝纹路、划痕、冲压孔洞等绝大多数缺陷 AP 值高于 0.9，识别效果优异，整体可满足冷轧板材主流表面缺陷自动化质检商用需求。

2026-07-21

农业病害检测模型（叶斑病、蚜虫、细菌性斑点、绿毛虫、粉霉病、红蜘蛛）-yolo(ultralytics)-视觉分析

本模型用于检测农业病害，包括：叶斑病、蚜虫、细菌性斑点、绿毛虫、粉霉病、红蜘蛛。均衡各类病虫害检测精度，整体满足田间主流虫害识别基础落地需求。

2026-07-21

焊接缺陷识别模型（焊接不良、气孔、焊接良好、钢筋、飞溅物、裂纹）-yolo(ultralytics)-视觉分析

工业检测图像用于焊接质量的分割分析，可识别焊接不良、气孔、焊接良好、钢筋、飞溅物、裂纹等缺陷。六类焊接目标识别效果均衡，其中裂纹类别 AP 最高达 0.901，合格焊缝、焊瘤也保持 0.87 以上高识别精度，气孔、飞溅、不良焊缝 AP 稳定在 0.78~0.82 区间，模型同时具备精准缺陷定位与轮廓分割能力，各类焊接缺陷识别精度均衡优异，可直接落地工业焊接产线全品类缺陷检测、轮廓量化分析商用场景。

2026-07-21

跌倒检测识别模型-yolo(ultralytics)-视觉分析

本模型针对跌倒躺卧识别性能突出，单类别 AP 达 0.995，误漏检极少。模型精确率高、误报少，核心适配工业现场、园区等以跌倒预警为主的监护场景。

2026-07-20

焊接缺陷模型，合格焊缝、不合格焊缝及特定缺陷模型-yolo(ultralytics)-视觉分析

本模型用于工业焊接检测图像物体识别，以识别合格焊缝、不合格焊缝及特定缺陷。不良焊缝（Bad Weld）AP=0.781，满足常规焊接产线焊缝良莠识别需求。

2026-07-20

PCB板缺陷识别模型(孔洞缺失、鼠咬痕迹、开路、短路、尖刺、铜屑)-yolo(ultralytics)-视觉分析

PCB板缺陷识别模型（pcb.pt）本模型用于印刷电路板图像的缺陷识别检测，包括孔洞缺失、鼠咬痕迹、开路、短路、尖刺、铜屑，全类别整体 mAP@0.5 达到 0.989，六类缺陷单类别 AP 值均突破 0.98，可替代传统人工目检，实现 PCB 板面缺陷自动化识别定位，大幅降低人工质检人力成本，提升出厂品控效率与一致性。

2026-07-14

疲劳识别模型(眨眼、疲劳犯困、非疲劳)-yolo(ultralytics)-视觉分析-驾驶疲劳预警

疲劳识别模型（fatigue.pt）本模型用于车内驾驶员的眨眼、疲劳犯困、非疲劳正常状态状态识别，可用于车载驾驶监测、厂区叉车/工程车辆司机疲劳预警等安全管控场景。基于yolov8训练。

2026-07-14

打电话识别模型(打电话、闲玩打闹)-yolo(ultralytics)-视觉分析-人工巡检实现作业纪律自动化管控

打电话识别模型（phonecall.pt）本模型用于识别人员打电话、闲玩打闹的场景，适用于工地、厂区、车间等场景人员作业规范智能监管，替代人工巡检实现作业纪律自动化管控。基于yolov8训练。

2026-07-14

管道缺陷识别模型(涂层破损、管道腐蚀、管道形变、管线本体)-yolo(ultralytics)-视觉分析-油气长输管道、厂区管线自动化智能巡检

管道缺陷识别模型（gas_pipelines.pt）本模型面向管道缺陷识别场景，针对涂层破损、管道腐蚀、管道形变、管线本体4 类管道典型钻头觅缝缺陷，完整记录训练收敛曲线与类别检测精度，适配油气长输管道、厂区管线自动化智能巡检业务场景。

2026-07-14

工业危害检测模型（化学品隐患、明火、未佩戴安全帽、烟雾、泄漏）-yolo(ultralytics)-视觉分析-工业厂区、施工工地等场景

本模型针对化学品隐患、明火、未佩戴安全帽、烟雾、泄漏5 类安全生产场景风险识别检测，检测性能可满足现场工业安全巡检识别需求。全类别整体mAP@0.5 达到 0.697，适用于工业厂区、施工工地等场景的视觉安防智能化升级。

2026-07-14

液体或流体泄漏识别模型-Yolo(ultralytics)-视觉分析

本项目主要用于液体或流体的泄漏识别检测，能够实现场景内目标基础检测识别。基于yolov8进行训练。

2026-07-14

烟雾识别模型-Yolo(ultralytics)-视觉分析-可应用于厂区防火、火情前置预警、安防视频烟火监测

本模型专注于烟雾识别检测，该烟雾检测模型训练收敛稳定，整体 mAP@0.5 达到 0.740，识别综合效果优良，可应用于厂区防火、火情前置预警、安防视频烟火监测等业务场景。基于yolov8进行训练。

2026-07-14

火灾识别模型-Yolo(ultralytics)-视觉分析-可用于工业火灾识别场景

本模型主要用于火灾识别检测，模型训练结束后模型精确率、召回率均逼近 0.95 级别；mAP@0.5 最终结果为 0.970，在目标检测任务中属于极高精度水准，目标框定位与类别识别的综合可靠性较强，可用于工业火灾识别场景。

2026-07-14

工业智能基于ChatGPT的大模型工况认知：工业数据异常检测与处理决策系统应用研究

内容概要：本文探讨了ChatGPT在工业领域的研究与应用潜力，重点分析其发展现状、与工业结合的方式及具体应用场景。通过实际实验验证了ChatGPT在处理工业数据与工况认知方面的能力，包括识别异常数据、关联工况信息、提供处理建议等，并指出其在广域网环境下可能给出错误处置措施的局限性。文章强调通过私有化部署和行业针对性训练可提升模型准确性，推动其在智能制造中的深入应用。; 适合人群：从事工业智能化、人工智能应用研究的技术人员，企业管理者及AI在工业场景落地的实践者。; 使用场景及目标：①利用ChatGPT实现工业数据实时监测与异常识别；②辅助设备运维、生产优化与质量控制；③构建企业级知识管理系统，提升决策效率与响应速度；④探索大模型在工业私有化部署中的可行性与优化路径；阅读建议：此资源结合理论与实证，建议读者关注实验设计逻辑与结论推导过程，同时结合自身行业背景思考大模型定制化应用的可能性，并警惕通用模型在专业领域中的误判风险。

2026-07-13

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人