智能感知与信息处理-优快云博客

原创使用Mermaid和DeepSeek制作符合SCI标准的图表

本教程介绍了如何使用Mermaid和DeepSeek制作符合SCI标准的科研图表。首先，需安装支持Mermaid的编辑器并注册MermaidChart账号。教程提供了基础流程图、SCI配色规范、高级样式配置及科研饼图的示例代码，并详细说明了在线验证步骤，包括图表对齐、颜色对比度和字体检查。此外，还介绍了组合图表和SCI字体规范的进阶技巧。最后，提供了详细的Mermaid流程图生成指令模板，确保生成的图表符合SCI期刊的技术规格和样式要求。

2025-05-10 11:38:01 1721

原创基于YOLO8的火焰烟雾目标检测

使用vs code环境，ctrl+shift+P，将python解释器加载，实际就是将python.exe的路径信息告知：H:\BaiduSyncdisk\python_for_YOLO8\。对于同样的硬件信息的pc，可以直接将conda创建的H:\BaiduSyncdisk\python_for_YOLO8\整体打包迁移再激活即可使用。重启检查vs code，加载内核。代码检测yolo环境In [2]:# 导入ultralytics模块# 检查ultralytics环境信息。

2025-04-19 12:09:57 1121

原创 OpenCV 4.0在VS2018中的环境搭建

OpenCV 4.0在VS2018中的环境搭建OpenCV 4.0下载解压系统中添加环境变量vs新建工程环境搭建OpenCV 4.0下载解压https://www.opencv.org/下载完成，双击解压系统中添加环境变量环境变量path，是告诉系统，当要求系统运行一个程序而没有告诉它程序所在的完整路径时，系统除了在当前目录下面寻找此程序外，还应到哪些目录下去寻找复制解压路径...

2018-12-02 23:17:00 83 1

原创 12V不间断电源模块，智能直流UPS的设计需求-应用于工业电脑异常断电

https://shop66760587.taobao.com/https://item.taobao.com/item.htm?spm=a1z38n.10677092.0.0.59ca1debR2HC4I&id=533226920414 1. 特性输入电压：5V~24 V输入电流：0.2 A~ 8 A充电电压：2V~ 19 V充电电流：0...

2018-02-23 22:17:14 5154

原创 C编程规范与范例

排版较长的语句（>80字符）要分成多行书写，长表达式要在低优先级操作符处划分新行，操作符放在新行之首，划分出的新行要进行适当的缩进，使排版整齐，语句可读。示例： perm_count_msg.head.len = NO7_TO_STAT_PERM_COUNT_LEN + STAT_SIZE_PER_FRAM

2016-06-24 16:07:31 2090

原创二维码技术知识点搜集

1.1 二维码技术二维条码/二维码（2-dimensionalbar code）是用某种特定的几何图形按一定规律在平面（二维方向上）分布的黑白相间的图形记录数据符号信息的；在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，通过图象输入设备或光电扫描设备自动识读以实现信息自动处理：它具有条码技术的一些共性：每种码制

2016-02-02 16:35:05 6753

原创 RFID技术知识点搜集

1.1RFID技术原理RFID射频识别技术是物联网时代的一种自动识别技术，俗称电子标签，是一项利用射频信号通过空间电磁耦合实现无接触信息传递并通过所传递的信息达到物体识别的技术。RFID系统主要由三部分组成：电子标签、读写器和天线。其中，电子标签芯片具有数据存储区，用于存储待识别物品的标识信息；读写器是将约定格式的待识别物品的标识信息写入电子标签的存储区中(写入功能)，或在读写器的阅读范围内以

2016-02-02 16:35:03 3898

基于YOLO8的火焰烟雾目标检测-入门教程.zip

**资源描述：基于YOLOv8的火焰与烟雾目标检测** 本项目基于前沿的**YOLOv8**目标检测算法，实现了对火焰和烟雾的高精度实时检测，适用于安防监控、火灾预警等场景。资源包含完整的训练代码、预训练模型、测试数据集及详细的**Jupyter Notebook教程**（`readme.ipynb`），帮助用户快速复现实验并部署模型。 ### **核心内容** - **代码与模型**：提供YOLOv8训练/推理脚本、优化后的预训练权重（`.pt`文件）。 - **详细教程**：通过`readme.ipynb`分步骤讲解： - 环境配置（Python 3.8+、PyTorch、Ultralytics库） - 数据预处理与标注格式转换 - 模型训练（超参数设置、损失曲线可视化） - 推理演示（图片/视频/摄像头实时检测） - 性能评估（mAP、FPS、PR曲线） - **实验结果**：在自建火焰-烟雾数据集上达到**92% mAP@0.5**

2025-04-19