登录社区云,与社区用户共同成长
邀请您加入社区
先确定设备的AI算力需求(几路摄像头、什么模型)→再评估供电条件(市电、电池还是太阳能)→最后对比芯片的生态成熟度和系统BOM成本。以智购科技为例,其AI视觉开门柜旗舰机型采用RK3588平台(6 TOPS NPU)支撑4路YOLOv11n并行推理,轻量机型则采用RK3566平台(1 TOPS NPU)配合单路摄像头方案,两款产品共享同一套软件框架和SaaS后台。产品已出口至全球100多个国家和地
在这个知识爆炸的时代,如何高效地获取、整理和利用信息,已成为每一位学术研究者必须面对的挑战。,微信公众号搜一搜:书匠策AI)以其独特的文献综述写作功能,为我们提供了一个强大的解决方案。它不仅让文献综述的写作变得更加轻松、高效,更为我们的学术研究插上了智慧的翅膀。让我们携手书匠策AI,共同开启学术写作的新篇章,探索未知的学术领域,创造更加辉煌的学术成就!
本文介绍了一个基于YOLOv8深度学习算法的智能安全帽检测系统。系统采用PyQt5开发桌面客户端,实现图片、视频和实时摄像头三种检测模式,可精准识别作业人员是否佩戴安全帽。系统包含用户登录、AI检测、数据管理和预警通知四大模块,具有置信度调节、实时统计、语音预警等功能。通过MySQL数据库存储检测日志,支持数据导出和分析。测试结果表明,该系统能有效提升高危作业场景的安全监管效率,为工业安全生产提供
TypeWell 的数据采集层是整个项目的基石。本篇从“怎么让Python听见键盘”这个问题出发,详细拆解了基于keyboard库实现全局监听的完整过程。重点讲解了内存缓存+批量写入的性能优化策略(避免每秒写库卡成PPT)、按键标准化的设计考量(符号键统一命名便于统计,左右键保留原样用于手指分析),以及程序退出时的数据安全保障。通过不到100行代码,搭建了一个流畅、可靠、可扩展的键盘数据采集系统,
每天敲击键盘上万次,你可曾想过哪根手指最累?TypeWell 的故事始于作者左手小指的一次“抗议”。TypeWell 是一款AI健康教练+实时热力图的键盘分析工具,能实时监测按键频率,通过蓝→黄→红渐变直观展示手指压力;细化到10根手指独立统计;接入模力方舟AI生成个性化姿势建议;专注模式下还能在粒子动画中放松双手。本专栏将带你从零打造这款工具,涵盖PyQt6混合架构、键盘监听、热力图渲染、手指映
未来,随着异构计算与AI技术的发展,Linkage Mapper 的并行能力将进一步突破,成为支撑“双碳”目标下生态系统管理的核心工具。,系统阐述从原理到落地的全流程技术方案,包括并行架构设计、关键算法并行化改造、多场景代码实现及性能验证,最终实现**“计算效率提升10~100倍,支持亿级像元数据实时分析”**的目标。极大(如 >10000),可将源地按空间聚类分组,每组源地并行计算成本距离,最后
本专栏将带你用 Python + PyQt5 从0到1实现 BounceChat——一个会物理弹跳、能识别窗口、可用 AI 聊天的桌面小球。你会学到物理引擎(重力/摩擦力/碰撞)、Windows API 窗口识别、大模型接入(DeepSeek-V3)、PyQt5 + HTML 混编通信、鼠标键盘控制及高分屏适配。项目已开源,代码可跑。
书匠策AI不是要替你“写论文”,而是要陪你“学会写论文”。它用技术消除了重复性劳动,让你更专注于问题发现与理论创新。无论是选题迷茫、文献混乱、逻辑断裂还是格式崩溃,它都能提供针对性解决方案。现在,访问书匠策AI官网,或微信公众号搜一搜“书匠策AI”,开启你的智能学术之旅。让每一篇课程论文都成为思想与技术的完美融合,让每一次写作训练都成为研究能力的跃迁升级!
Live2D-AI-Vivian是一个基于PyQt5和本地化AI语音技术的沉浸式Live2D桌面伴侣项目。它集成了高精度Live2D渲染、语音识别(支持科大讯飞API和Qwen3-ASR本地模型)、智能响应(适配OpenAI API)和情感语音合成(GPT-SoVITS TTS)功能。实现了嘴型同步、触摸反馈和状态同步等交互特性。
Tkinter作为Python标准GUI库常因默认外观过时被诟病。文章剖析了其局限性:90年代经典主题、跨平台风格不统一、样式定制受限等,并提供了多级美化方案。基础美化包括使用ttk模块更换主题、自定义样式和优化布局;中级美化涉及圆角、渐变效果和画布绘制;终极方案推荐使用AI自动生成现代化界面。文章特别推荐了PyMe工具的可视化编辑器和AI美化功能,通过主题切换、样式表编辑和AI风格转换,帮助开发
如果确定现在就是要做一个既能 standalone 有可以集成的页面,那么最好的方式就是在 standalone 的 MainWindow 的方法或者属性上打上 prefix 这样的话,在合并的时候就不会发生重名的事故了。这里 CentralWidget 将从外面接受到的,也就是代表 MainWindow 实例的 self 保存到了一个新的属性中,如。方法的引用,这一点尤为重要,因为通过下面的代码
本文介绍了基于PyQtGraph实现k线回放复盘功能的方法。通过控制k线数据的绘制范围,实现了类似TradingView和AICoin的k线播放、暂停、前进、后退功能。文章对比了国内外行情软件的k线回放功能,并展示了自定义实现的预览效果。代码在原有IndicatorsViewWidget基础上扩展,通过处理不同时间周期的数据索引,实现了日期匹配和周期切换逻辑。核心包括初始化动画参数、处理日期匹配、
本文介绍了一个基于STM32的异常检测振动控制系统,通过MPU6050传感器采集加速度数据,利用NanoEdge AI进行异常检测,并通过TB6612电机驱动实现振动控制。系统硬件连接包括STM32与MPU6050的I2C通信、电机驱动电路等核心模块。软件架构采用模块化设计,包含传感器驱动、电机控制和AI异常检测等功能。项目提供了完整的初始化、学习阶段和实时检测流程,并配套开发了上位机程序用于数据
PyQt5是一个Python封装的Qt5 GUI框架,可用于开发跨平台桌面应用。本文介绍了PyQt5的核心模块(QtWidgets、QtCore等)、基本窗口控件(QWidget、QMainWindow)、常用UI组件(按钮、标签、输入框等)和布局管理器(垂直/水平/网格布局)。重点讲解了信号槽机制实现事件处理,并通过一个案例演示了可拖动标签和按钮交互功能:3个按钮分别实现ID增减和位数显示,同时
本文介绍在PyQt6中实现类似Photoshop橡皮擦工具的高性能解决方案。传统方法使用QWidget作为橡皮擦会导致卡顿、缩放变形等问题。正确方法是在QGraphicsView的drawForeground中绘制橡皮擦,并通过painter.resetTransform()切换到设备坐标系,使橡皮擦大小固定、精准跟随鼠标移动。关键点包括:避免QWidget叠加、正确转换坐标系、使用save/re
QObject:这是 Qt 中所有支持信号槽、属性系统、对象树管理的类的基类。意味着该类可以使用 Qt 的核心特性(如属性通知、父子对象管理等),而非普通 Python 类。import sys# 定义一个类,用来封装猫咪信息并作为信号发射# 可选:添加数据验证,避免非法值raise ValueError("猫咪名称必须是非空字符串")raise ValueError("猫咪年龄必须是非负整数")
本文分享了四种Python GUI设计的商用级风格方案:1)高端商旅的沉浸式排版,2)智能家居的毛玻璃拟态,3)运动健康的数据可视化,4)车载系统的赛博朋克风格。作者详细解析了每套方案的关键技术和视觉亮点,包括QSS样式定制、布局嵌套技巧和QPainter自定义绘制等核心方法,突破了Python界面开发的传统局限。文章特别强调通过合理的样式分离和布局设计,完全可以实现媲美移动端App的视觉效果,为
对于自定义控件(继承 QWidget),默认无法直接应用 QSS 背景等样式,需重写paintEvent或设置。示例:支持 QSS 的自定义控件import sys# 启用样式背景(关键)self.setAttribute(Qt.WA_StyledBackground, True) # 启用样式背景,必需的""")基础样式控制(颜色、字体、边框)状态与子控件的精细化样式运行时动态切换样式自定义控件
QPlainTextEdit 是 PySide6 中处理纯文本的核心控件,通过基础文本操作、光标控制、信号响应可满足大部分纯文本编辑需求,结合语法高亮、行号控件等扩展可实现代码编辑器、日志查看器等复杂功能。重点掌握其轻量级特性、行级操作和信号槽机制,即可灵活应用于各类文本处理场景。
在现代桌面应用中,单一页面往往难以满足复杂的业务需求。多页面管理成为必然选择。多页面管理(3个及以上页面)页面间数据传递(例如表单输入传递到结果页)动态内容刷新(根据传入数据更新UI)使用信号槽机制解耦页面交互信号槽是Qt框架的核心机制,用于对象间通信。信号是事件的发出者,槽是响应函数。信号可以携带参数,槽函数接收参数。InputPage定义了信号,传递姓名和年龄。主窗口MainWindow监听该
智能管田(Smart Field Management)是一种利用物联网(IoT)、人工智能(AI)和自动控制技术优化农田管理的系统。其核心目标是通过实时监测环境参数和自动执行调控措施,提高作物产量、减少资源浪费(如水肥)。环境感知层:部署传感器网络收集实时数据,包括土壤湿度、温度、光照强度等。土壤湿度传感器:测量值记为$h_s$(单位:%),理想范围一般为$20% \leq h_s \leq 6
Rust方法与关联函数的深度解析揭示了语言设计哲学的精妙之处。方法(带self参数)与关联函数(不带self)的本质区别在于所有权语义的明确表达:方法直接绑定实例操作,关联函数处理类型级逻辑。self的三种形态(self、&self、&mut self)精确控制所有权转移,分别对应消耗、只读和可变访问。Rust的方法调用支持智能解引用但不失透明性,而关联函数则灵活实现构造器和工厂模
工具箱区域:提供GUI界面开发使用的各种基本控件,如单选框、文本框等。可以拖动到新创建的主程序界面。主界面区域:用户放置各种从工具箱拖过来的各种控件。模板选项中最常用的就是Widget(通用窗口)和MainWindow(主窗口)。二者区别主要是Widget窗口不包含菜单栏、工具栏等。可以分别创建对比看看。对象查看器区域:查看主窗口放置的对象列表。属性编辑器区域: 提供对窗口、控件、布局的属性编辑功
本文记录了我在开发一款香烟检测软件过程中的完整思路与实践经验,主要使用了 PyQt6、OpenCV、ONNXRuntime 等技术栈,实现了图片、视频、摄像头实时检测等功能,适用于有相关需求或想学习AI边缘部署与图像处理的朋友们。
本文介绍了使用PyQt5创建图形界面的完整流程。首先在VSCode中建立项目目录结构,创建Main.py和MainWindow.py文件。然后通过Qt Designer设计包含按钮和图片标签的窗口界面,保存为.ui文件。接着将设计的界面编译为Python代码,并演示了如何将图片等资源文件打包到工程中,通过.qrc资源文件进行管理。最后展示了如何加载资源文件中的图片,并提供了完整的工程模板结构。整个
2025年9月6日及8日,深兰科技在上海成功举办了两场以“聚势共赢,智领未来”为主题的AI机器人场景应用渠道合作峰会。
柳州市委常委、统战部部长,副市长潘展东率队首访深兰科技集团新总部,共探 AI 赋能制造大市与东盟合作新局。
本文介绍了基于PyQT和OpenCV开发AI证件照精修工具的实现方法。该工具通过深度学习算法实现一键抠图、背景替换、智能美颜等功能,解决了传统证件照处理耗时长、效果不自然的问题。系统采用PyQT构建GUI界面,结合OpenCV进行图像处理,实现了照片加载、背景移除、背景替换、边缘优化等核心功能。文章详细讲解了技术架构、算法实现和代码结构,并提供了工业级优化方案,包括多线程处理、GPU加速和批量处理
摘要:PyCharm控制台执行pip install时出现ModuleNotFoundError: No module named 'chainer'的常见原因包括虚拟环境未激活、包名错误、网络问题等。解决方案涵盖检查安装状态、切换国内镜像源、添加__init__.py文件、版本兼容性处理及环境变量配置等。本文通过场景分析、错误排查思路和解决方案表格,帮助开发者快速定位并解决Python包管理问题
毕业设计做的基于CNN卷积神经网络的商品识别系统。具有多商品识别的功能,准确率较高,识别速度快的优势。
安装图像标注软件labelImg
AI 应用场景示例:如果你的应用程序需要与人工智能大模型(如 OpenAI 的 GPT-3)进行交互,那么你可以在 PyQt 项目的后端部分集成 OpenAI SDK。例如,你可以创建一个简单的 PyQt 界面来获取用户输入的文本,然后通过 Python 脚本调用 OpenAI 的 API 来生成回复。安装必要的插件:对于包含 GUI 的应用程序,我们需要安装额外的插件来减少最终可执行文件的体积。
spei-python 是一个用于计算标准化降水蒸散指数(SPEI)的专业库,适用于气象研究、农业管理和水资源管理等领域
在PyQt5中,一般QPixmap、QImage通常都是直接从硬盘上读取图片获得,但是如果我想将torch.tensor类型转化成QPixmap在QLabel上显示应该怎么做呢?思路是可以将torch.tensor转为numpy,再将其转为PIL图像,最后利用toqpixmap() 和toqimage() 方法转为QPixmap和QImagefrom PIL import Imagei...
拖入pdf文件或包含pdf文件的目录,统计出各子目录中尺寸明细的合计。
本节介绍OpenCV和PyQt 实现鼠标定位的方法和案例。通过 PyQt 创建交互界面,使用鼠标事件在图像窗口点击定位,并将鼠标定位坐标返回到 OpenCV 进行图像处理。PyQt 中实现鼠标点击定位,本质上是鼠标动作的响应。基本的 QLabel 类并不支持鼠标动作,因此需要自定义一个支持鼠标动作的 Label 类。
本节介绍一个 OpenCV-PyQt 项目案例。- 使用OpenCV实现图像的读取,保存,灰度变换、模糊变换等图像处理操作- 使用PyQt5创建GUI窗口,实现图像显示,实现用户交互- 涉及OpenCV彩色图像、灰度图像与PyQt图像的转换
本节介绍两个 OpenCV-PyQt 项目案例,通过案例学习滚动条等调节输入控件。案例1 使用滑动槽(QSlider)调节模糊尺度。案例2 模拟 PhotoShop 与 AcdSee 中的图像亮度和对比度方法,通过手动调节阴影、中间调和高光参数设置,调节图像的亮度和对比度。
本节介绍 PyQt 的信号与槽。信号与槽机制是 PyQt 的核心机制,用于对象之间的通信,也就是实现函数之间的自动调用。
本次实验考察我们在源代码的基础上增加所学功能,所以我们先了解一下源代码的构成吧~顶部区域:“加载图片”和“保存图像”按钮,用于导入待处理的图片并把处理后的图片存储起来。图像显示区域:左侧为原始图像区域,右侧为处理后图像区域。底部区域:为图像各处理操作的按钮,现在包括“灰度化”“去噪”和“锐化”,后续可以自己添加功能。# 使用 QHBoxLayout() 创建一个水平布局对象,用于放置顶部的按钮等控
基于yolov5+pyqt的目标检测系统,识别了2022卡塔尔世界杯阿根廷与法国的球员
本文研究了基于OpenCV的人脸表情识别系统,旨在通过分析面部特征变化来解读个体情绪状态。系统使用Python语言开发,结合了FER-2013数据集训练的卷积神经网络模型,实现了对图片、视频和实时影像中人脸的检测与表情预测。通过PyQt5库,系统提供了一个用户友好的操作界面,将人脸检测、表情识别等功能集于一体。实验结果表明,深度学习方法在表情识别的准确率上要优于传统机器学习方法。
搞搞可视化界面哈,虽然不一定有用,但是搞一下。PyQt实现了一个Python模块集。它有超过300类,将近6000个函数和方法。它是一个多平台的工具包,可以运行在所有主要操作系统上,包括UNIX,Windows和Mac。PyQt采用双许可证,开发人员可以选择GPL和商业许可。在此之前,GPL的版本只能用在Unix上,从PyQt的版本4开始,GPL许可证可用于所有支持的平台。
背景水果在日常生活中是非常重要的食物,不同种类的水果具有不同的营养价值和市场需求。然而,在大型超市、市场和水果分拣中心,快速且准确地识别和分类水果是一个非常重要的任务。传统的手工分类不仅耗时耗力,而且容易出错。因此,利用机器学习和计算机视觉技术实现自动化的水果识别和分类具有重要的实际意义。目的本项目的目的是开发一个基于深度学习的水果检测系统,能够自动识别和分类不同种类的水果。
本文采用YOLOv11作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv11以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对CCTSDB交通标志数据集进行训练和优化,该数据集包含丰富的CCTSDB交通标志图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取CCTSDB交通标志的特征并进行分类识别。PyQt5界面
本文采用YOLOv8作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv8以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对工地安全帽数据集进行训练和优化,该数据集包含丰富的安全帽图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取安全帽的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结
最后,图3.3右下角的图表反映了训练集中目标高宽比例的分布状况,了解人脸目标的高宽比例分布对于模型的准确性至关重要,因为不同角度和姿态的人脸可能会导致不同的高宽比。检测结果模块则是考虑到推理结果可能包含多个目标,用户可以通过该模块快速选择并定位到该目标,查看该推理目标的类型、置信度、位置坐标信息等,除此之外,该模块还统计了模型对本次检测源检测用时和检测结果中目标数量。“关闭”则是将该系统关闭。实验
本文采用YOLOv11作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv11以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对工地水果数据集进行训练和优化,该数据集包含丰富的水果图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取水果的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结果
上一篇文章记录了我对通义千问api模型调用的学习,在上篇文章的基础上,我设计了一个简易的ai交流界面,该文章记录了我设计此界面的思路与学习过程,该设计较为简单,感兴趣的同学可以尝试并在此基础上改进。def call_model(prompt): :定义了一个名为call_model的函数,该函数接受一个参数prompt,表示用户输入的问题。
Hackaday/Instructables平台有大量开源项目参考。配套资源推荐:GitHub搜索关键词。