<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[iNeuOS工业互联网操作系统]]></title><description><![CDATA[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。]]></description><link>https://blog.youkuaiyun.com/lsjwq</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lsjwq]]></copyright><item><title><![CDATA[开源：Yolo2CausalTCN，将YOLOv8数据集转换为因果TCN时序模型的开源工具]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/170243930</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/170243930</guid><author>lsjwq</author><pubDate>Sat, 07 Nov 2026 15:56:40 +0800</pubDate><description><![CDATA[iNeuOS_Yolo2CausalTCN 项目实现了从YOLOv8推理结果到因果TCN时序数据集的完整转换流水线，支持滑动窗口构造时序样本、特征归一化与按时间顺序的数据集划分，并内置因果TCN的训练、评估与推理代码，打通了“视频目标检测—时序数据集生成—TCN时序预测”的全链路，可用于目标数量预测、轨迹趋势预测、视频异常时序预警等场景。]]></description><category></category></item><item><title><![CDATA[iNeuOS_Vision视觉分析，SOP操作的行为轨迹和实时监测场景]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/170140319</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/170140319</guid><author>lsjwq</author><pubDate>Thu, 05 Nov 2026 14:42:18 +0800</pubDate><description><![CDATA[在高标准作业现场，"是否按标准工序操作"长期依赖人工巡查与事后抽检。iNeuOS Vision 通过轨迹配置把每路摄像头的主体跟踪、区域划分与轨迹样式固化为可预览、可回放的可视化过程数据，再通过SOP操作监测将同一路视频的实时画面（识别框与轨迹同框）与按完整操作步骤轮次统计的检测次数、通过率、逐步结果与耗时集中到一个监测看板上，先看清过程、再量化结果，让"是否按标准操作"从主观判断变成可实时查看、可追踪归因的客观结论。]]></description><category></category></item><item><title><![CDATA[让工业历史数据“进化”出可执行公式：PySR 的落地场景与边界]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/168646975</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/168646975</guid><author>lsjwq</author><pubDate>Wed, 21 Oct 2026 12:06:28 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/167913834</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/167913834</guid><author>lsjwq</author><pubDate>Wed, 14 Oct 2026 14:54:43 +0800</pubDate><description><![CDATA[ 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。]]></description><category></category></item><item><title><![CDATA[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。]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/167912672</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/167912672</guid><author>lsjwq</author><pubDate>Wed, 14 Oct 2026 14:40:50 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/166568224</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/166568224</guid><author>lsjwq</author><pubDate>Thu, 24 Sep 2026 09:22:02 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/166245457</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/166245457</guid><author>lsjwq</author><pubDate>Mon, 21 Sep 2026 13:45:14 +0800</pubDate><description><![CDATA[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。
]]></description><category></category></item><item><title><![CDATA[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） ]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/165609323</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/165609323</guid><author>lsjwq</author><pubDate>Wed, 16 Sep 2026 13:50:37 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/165218078</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/165218078</guid><author>lsjwq</author><pubDate>Sun, 13 Sep 2026 12:08:27 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/164363469</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/164363469</guid><author>lsjwq</author><pubDate>Fri, 04 Sep 2026 10:45:31 +0800</pubDate><description><![CDATA[​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。

​]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/164289222</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/164289222</guid><author>lsjwq</author><pubDate>Wed, 02 Sep 2026 09:40:56 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/164148964</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/164148964</guid><author>lsjwq</author><pubDate>Fri, 28 Aug 2026 16:29:43 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/164044358</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/164044358</guid><author>lsjwq</author><pubDate>Tue, 25 Aug 2026 09:09:45 +0800</pubDate><description><![CDATA[《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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/163822444</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/163822444</guid><author>lsjwq</author><pubDate>Mon, 17 Aug 2026 13:27:48 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[iNeuOS_AiMind+Ollama（Embedding 和 VLM 模型）+DeepSeek 打造专业大模型知识库]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/163641381</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/163641381</guid><author>lsjwq</author><pubDate>Mon, 10 Aug 2026 16:52:26 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[打造工业版 WorkBuddy，基于 iNeuOS 工业互联网框架体系]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/163337940</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/163337940</guid><author>lsjwq</author><pubDate>Thu, 30 Jul 2026 15:38:06 +0800</pubDate><description><![CDATA[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”。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/163122140</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/163122140</guid><author>lsjwq</author><pubDate>Thu, 23 Jul 2026 10:01:37 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[AI/Vibe Coding，本质是软件人工时代向软件工业时代发展 ]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/162844629</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/162844629</guid><author>lsjwq</author><pubDate>Mon, 13 Jul 2026 16:01:02 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[ChatGPT在工业领域的研究与应用探索-产品化部署及应用]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/162844250</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/162844250</guid><author>lsjwq</author><pubDate>Mon, 13 Jul 2026 15:45:37 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[ChatGPT在工业领域的研究与应用探索-AI助手实验应用]]></title><link>https://blog.youkuaiyun.com/lsjwq/article/details/162844147</link><guid>https://blog.youkuaiyun.com/lsjwq/article/details/162844147</guid><author>lsjwq</author><pubDate>Mon, 13 Jul 2026 15:41:57 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item></channel></rss>