长江后浪

《Windows 虚拟 PLC 4ms 周期调度：高精度定时器、两级等待策略与平台抽象》文章总结

guimotion — Wed, 16 Sep 2026 14:43:48 +0800

本文系统总结了在Windows用户态实现4ms虚拟PLC调度的八大关键坑位与对策：避免误用sleep_for，改用单调时钟+绝对时间等待；重视周期抖动而非仅看平均值；分离Scheduler与平台定时器接口以支持跨平台；采用steady_clock防时间倒退；实施“粗粒度+精确等待”两级策略；明确WindowsVirtualPLC非硬实时，适用于开发验证；周期需综合评估，不宜盲目缩短；测试应按Timer→Scheduler→Runtime顺序推进。这些实践为构建稳定、可测的虚拟PLC系统提供了工程指南。

Windows 下实现 4ms 虚拟 PLC 周期调度：从 sleep_for 到高精度定时器

guimotion — Sun, 13 Sep 2026 01:02:11 +0800

Windows 并不是一个硬实时操作系统，但这并不意味着 Windows 不能用于 Virtual PLC，关键在于明确产品定位和技术边界。Windows+ 高精度 Timer+ 单调时钟+ 绝对时间调度+ Scheduler 统计+ 平台抽象可以构建一个比较可靠的虚拟 PLC 运行环境。Linux+ 实时调度+ 专用硬件Windows 开发↓Virtual PLC 验证↓↓实际 Motion Controller。

小白也能学会！树莓派RTSP视频流入门：USB摄像头+FFmpeg+MediaMTX完整部署教程

guimotion — Wed, 09 Sep 2026 12:23:48 +0800

本文完成了树莓派 RTSP 视频系统的基础搭建。① 安装FFmpeg↓② 下载MediaMTX↓③ 解压ARM64版本↓④ 创建Systemd服务↓⑤ 设置MediaMTX开机启动↓⑥ FFmpeg读取/dev/video0↓⑦ 推送RTSP↓⑧ VLC/OpenCV/YOLO读取USB IMX378摄像头↓树莓派5↓FFmpeg↓MediaMTX↓RTSP↓电脑 / AI服务器 / NVR↓YOLO人工智能视觉。

树莓派部署YOLOv8手势检测实战：USB IMX378摄像头 + Python + PyTorch + ONNX Runtime + Systemd开机自动运行

guimotion — Wed, 09 Sep 2026 12:06:54 +0800

本文面向树莓派AI视觉、Python人工智能、YOLOv8目标检测初学者，以树莓派部署手势检测项目为案例，完整介绍从 USB IMX378摄像头安装、Miniconda环境配置、Python虚拟环境创建、YOLOv8依赖安装，到手势检测程序Systemd开机自动运行的完整流程。

YOLO目标检测模型调参入门：从训练参数到检测效果优化

guimotion — Sun, 06 Sep 2026 17:52:55 +0800

YOLO调参并没有一个适合所有项目的"最佳参数"。先跑通↓确认数据集↓建立基准模型↓一次调整一个参数↓记录实验结果↓比较精度和速度↓选择最终模型对于 YOLO 初学者，建议不要一开始就陷入复杂参数。epochsimgszbatchmodelconfIoU基本就能够完成第一轮 YOLO 模型优化。一句话总结：YOLO调参不是"参数越大越好"，而是在精度、速度、显存和实际应用需求之间寻找最佳平衡。

Python + YOLOv8 疲劳驾驶 AI 视觉检测入门：从模型训练到 ONNX 实时摄像头检测完整实战

guimotion — Sun, 06 Sep 2026 09:31:04 +0800

本文面向 **Python人工智能视觉检测与YOLO目标检测初学者**，以疲劳驾驶AI视觉检测为实战案例，完整介绍从 **YOLOv8数据集训练、模型生成、ONNX模型导出，到OpenCV摄像头实时推理** 的基础开发流程。项目采用 `fatigueTrain.py`、`exportonnx.py` 和 `fatigueRun.py` 三个Python脚本，将模型训练、模型转换和实时检测进行模块化处理，帮助初学者快速理解YOLO人工智能视觉项目的完整开发链路。

YOLOv26药品铝塑板缺粒检测实战：Python训练、验证与推理完整代码

guimotion — Sat, 05 Sep 2026 18:58:55 +0800

本项目最终采用：500万像素彩色工业相机 + 穹顶漫射光 + YOLOv26。相机负责获得高质量彩色图像穹顶漫射光负责降低铝塑板反光和光照不均YOLOv26 负责药粒定位、缺粒和破损检测位置模板负责判断每一个规定位置是否存在药粒Lab + ΔE 负责药粒颜色检测最终输出：颗粒数量、缺粒数量、破损数量、颜色异常数量、完整度、整板 OK/NG。

YOLOv26+500万彩色工业相机实现药品铝塑板颗粒完整度检测：缺粒识别、颜色检测与穹顶漫射光机器视觉方案

guimotion — Sat, 05 Sep 2026 18:48:01 +0800

500万彩色工业相机│↓穹顶漫射光源│↓铝塑板药品│↓图像采集│↓ ↓YOLOv26 Lab颜色↓ ↓药粒定位 ΔE↓ ↓缺粒/破损颜色异常↓模板匹配↓颗粒级判定↓OK / NG↓PLC剔除↓MES追溯最终实现：药粒有无检测 + 药粒完整度检测 + 药粒颜色检测 + 缺粒检测 + 破损检测 + 异物检测 + 产品追溯。药品铝塑板视觉检测并不是简单地安装一台相机，然后运行 YOLO 模型。

M3 Max 96GB 本地部署 Qwen3.6-35B-A3B：打造 SolidWorks 智能机械设计与企业知识库 AI 工作站

guimotion — Fri, 04 Sep 2026 21:29:51 +0800

目前已经存在针对 Apple Silicon 优化的 MLX 量化版本，例如 Qwen3.6-35B-A3B-OptiQ-4bit，可以直接使用 MLX 运行，无需将模型转换成 GGUF。它采用 MoE（Mixture of Experts）架构，总参数规模约 35B，但每个 Token 实际激活的参数规模约为 3B，因此非常适合 Apple Silicon 本地推理。该版本针对 Apple Silicon 的 MLX 推理进行了量化优化，并提供 mlx-lm 使用方式。

小龙虾智能体不响应飞书群消息：飞书与智能体连接问题排查与解决

guimotion — Fri, 04 Sep 2026 20:56:11 +0800

飞书与小龙虾的连接，本质上不是简单的"调用一个API"。飞书↙ ↘↙ ↘接收事件 API调用↓ ↑↓ ↑小龙虾 Gateway ─────┘│▼AI Agent小龙虾 → 飞书解决的是主动发送问题；飞书 → 小龙虾解决的是事件订阅和消息接收问题。小龙虾可以发消息，也能查询飞书，但 @它没有响应。飞书事件订阅 → Webhook → 外部群消息事件 → 小龙虾Gateway只要这条链路建立起来，再进行消息解析、Agent调用和飞书回复，整个智能体闭环才能真正跑通。飞书外部群│。

运动控制电子凸轮（Electronic Cam）设计：从运动需求到 Trio FLEXLINK 凸轮曲线公式推导

guimotion — Thu, 03 Sep 2026 11:58:48 +0800

电子凸轮可以理解为：Y = f(X)X：主轴位置Y：从轴位置输送带送料辊编码器伺服电机生产线虚拟主轴旋转刀飞剪刀压合机构打标机构机械手送料机构主轴位置 X│▼│▼从轴位置 Y因此，电子凸轮的核心并不是"控制电机转速"，而是：建立主轴位置与从轴位置之间的数学关系。速度、加速度实际上都是由位置曲线进一步求导得到的。Y = f(X)通过这个映射，可以让从轴按照主轴的位置自动改变运动速度。Base Move 负责基础同步；

ESP32-SOLO-1 在 ESP-IDF v5.5 下启动不断重启问题分析与解决

guimotion — Thu, 03 Sep 2026 09:30:26 +0800

因此正确的解决思路不是单纯修改某一行代码，而是：先清理 CMake 缓存，再确认 ESP32-SOLO-1 的 Target 和单核配置，最后重新生成、编译和烧录整个工程。本项目使用的是： ESP32-SOLO-1 ESP32-SOLO-1 属于单核 ESP32。在将原有 ESP32 工程升级到 ESP-IDF v5.5 后，程序烧录成功，但是 ESP32 上电后不断重启。由于这个项目以前在旧版 ESP-IDF 下运行正常，而升级 ESP-IDF 后出现配置问题，后续建议将关键配置明确保存。

MES + 工业打印机：让每一件产品“自动生成身份证”，从生产到追溯真正闭环

guimotion — Wed, 02 Sep 2026 20:22:07 +0800

MES记录数据人工操作打印机MES产生生产数据↓MQTT触发打印↓打印网关读取MES↓自动生成打印协议↓TCP发送工业打印机↓等待打印机响应↓记录打印结果↓回写MES最终实现：生产数据从MES产生，经过打印网关自动转换，最终驱动工业打印机完成产品标识，并将打印过程纳入MES追溯体系。这不是简单的"MES连接打印机"，而是把生产数据、设备数据、人员数据、质量数据和产品标签真正连接起来。注塑机↓MES↓生产订单↓产品参数↓视觉检测↓称重↓自动打印↓。

Trio 运动控制器适配 Kossi 驱动器 EtherCAT 通讯流程

guimotion — Tue, 01 Sep 2026 16:40:57 +0800

我们只需要根据用户要求生成一个≤150字的摘要。需要包含关键内容：Trio控制器与Kossi伺服驱动器基于EtherCAT适配，完成配置、通讯、多轴同步控制。简要提及流程和结果。注意字数。本文介绍Trio运动控制器与Kossi伺服驱动器基于EtherCAT总线的适配方案，完成主从站配置、总线初始化、周期通讯及运动指令交互，实现多轴同步控制。详细展示操作流程、PDO映射及初始化参数配置，并附完整代码链接，为类似驱动器适配提供参考。

农业无人机管理平台：构建“无人机巡检 + AI识虫 + GIS地块 + 精准作业”的智慧农业系统

guimotion — Tue, 01 Sep 2026 09:22:49 +0800

传统农业无人机主要解决一个问题：如何快速完成喷洒、施肥等作业。但对于大规模种植而言，仅仅提高喷洒效率还不够。哪块田出现了虫害？虫害发生在哪里？面积有多大？是什么虫？严重程度如何？是否需要马上处理？哪架无人机执行任务？作业完成后效果怎么样？因此，未来农业无人机系统需要从单纯的"无人机控制"升级为农业无人机管理平台。平台统一管理无人机、地块、巡检数据、AI 识别结果、作业任务和历史数据，最终形成从发现问题到解决问题的完整闭环。

无人机AI识虫：用“空中巡检 + GIS地图 + AI识别”解决大规模种植虫害问题

guimotion — Tue, 01 Sep 2026 08:44:33 +0800

对于几十亩、几百亩甚至上千亩的大规模种植基地，虫害防治一直存在一个矛盾：田地面积越来越大，而人工巡检能力有限。这种方式在小面积农田还可以，但当种植面积达到数百亩、上千亩后，很难做到及时、持续、全面地巡查。更大的问题是：虫害并不是等到肉眼明显发现时才开始发生。很多虫害在早期只有少量区域出现，如果没有及时发现，很容易从一个小范围虫源逐渐扩散成较大的虫害区域。因此，智慧农业需要改变思路：不是让无人机替代人工看完整块农田，而是让无人机成为一个能够每天自动巡田的"空中传感器"。

陶瓷盘UV喷墨印刷中的Z轴高度测量与防碰撞技术方案

guimotion — Mon, 31 Aug 2026 20:21:57 +0800

在陶瓷盘、餐具等异形产品进行 UV 喷墨印刷时，最大的难点之一并不是单纯的图像打印，而是喷头与产品表面之间的高度控制。普通平面材料可以将喷头固定在一个高度，例如距离材料表面 3～5 mm。如果喷头高度固定，就可能出现两种问题：距离太近：喷头与陶瓷盘发生碰撞，造成昂贵的 UV 喷头损坏。距离太远：墨滴扩散、落点误差增加，图案边缘变粗，套色精度下降，最终影响印刷质量。因此，对于自动化陶瓷盘 UV 印刷设备，需要将定位、测高、Z 轴控制和防碰撞作为一个完整系统进行设计。

局域网服务器如何实现外网访问：Ubuntu 22.04 搭建 FRP 内网穿透服务器

guimotion — Mon, 31 Aug 2026 13:56:45 +0800

局域网服务器││ 主动连接▼公网 FRPS▲││ 外部访问│Internet公网服务器│FRPS││ TCP 7000│▼企业局域网│FRPC│▼云端││ ││ ││FRP 长连接││ │工厂A 工厂BFRPC FRPC│ ││ │最终可以实现多工厂统一接入、远程运维、MES 访问、设备状态监控和工业数据上云。

基于 XGBoost 的数码打印颜色色差智能优化：从 CMYK 实验建模到 RGB 视觉闭环

guimotion — Mon, 31 Aug 2026 08:23:40 +0800

其中：Rp, Gp, Bp 是XGBoost预测RGB。Rt, Gt, Bt 是目标RGB。Loss越小，颜色越接近。

Conda环境下测试Intel NPU：Python版本如何选择？

guimotion — Sun, 30 Aug 2026 20:51:08 +0800

对于目前的 Intel NPU + OpenVINO + YOLO 工业视觉项目，Conda环境优先推荐 Python 3.10。并不是因为 Python 3.10 本身能够"开启NPU"，而是因为它作为一个相对成熟的AI运行环境，可以减少 Python 依赖兼容性带来的干扰。Intel处理器NPU驱动模型算子兼容性"Python → OpenVINO → 设备识别 → NPU模型编译 → YOLO → 性能测试"这个顺序逐层验证。