自动化工程项目落地指南:从PLC控制到伺服与SCADA集成

1. 项目概述:自动化工程为何成为工业升级的基石

自动化工程并不是什么新鲜概念,从继电器控制到 PLC(可编程逻辑控制器),再到今天被热炒的智能工厂,这个领域已经走过了几十年的演进。但为什么近五年“工业智能化”这个词频率这么高?说到底,是因为底层技术变了:算力成本降下来了,传感器价格被打下来了,通信协议也成熟了。过去自动化是“用机器替代人的重复劳动”,现在自动化是“让机器自己决策、自己优化、自己预警”。

我接触过不少工厂,很多老板对自动化的理解还停留在“买几台机器人、上几条流水线”的阶段。实际上,自动化工程是一套系统工程,它覆盖了从设备层的传感器和执行器,到控制层的 PLC/DCS,再到管理层的 MES(制造执行系统)和 ERP(企业资源计划系统)的完整链条。你在某个环节上加个机械臂,那顶多叫单点自动化;真正的价值在于把全流程打通,让数据在系统之间流动起来,才谈得上智能化。

这篇文章我不会给你堆砌教科书概念,而是想站在实操角度,聊聊自动化工程项目从设计、选型、实施到运维的完整链路,重点讲那些只有做过项目的人才会懂的细节。适合正在规划产线升级的工程师、以及想了解自动化技术栈跨行进入这个领域的朋友。不废话,直接说正题。

2. 系统架构拆解:三层结构是理解自动化的钥匙

2.1 从设备层到管理层:自动化系统的金字塔模型

我每次给新入行的朋友讲自动化架构,都会画一个三层金字塔:最底下是设备层,中间是控制层,最上面是管理层。你不把这个结构装进脑子里,后面讨论任何具体技术都是糊涂的。

设备层就是物理世界的“手脚”,包括传感器、变送器、执行器,比如接近开关、光电传感器、变频器、伺服电机、气动阀,这些东西负责感知现场状态和动作执行。控制层是“大脑和神经”,包括 PLC、DCS(分布式控制系统)、IPC(工控机)以及各种通信协议,它们接收设备层的数据,按照编写好的逻辑做运算,再下发给执行器。管理层则对应 MES、SCADA(数据采集与监控系统)这类信息化系统,负责把底层数据汇总、分析,进而指导生产计划。

我见过很多所谓的智能工厂改造方案,一上来就推工业互联网平台、上云、大数据,结果底层设备连标准通信接口都没有。你的变频器还在用 0-10V 模拟量控制,你的传感器还在用 4-20mA 电流环传输,数据到 PLC 这一层就断了,管理层拿什么做分析?所以做自动化工程,一定要有“自下而上”的思路:先稳固设备层的数字化基础,再谈上层的数据价值和智能决策,这个顺序不能乱。

2.2 现场总线和工业以太网:通信协议的选型逻辑

自动化系统本质上是“设备会说话、系统听得懂”的网络工程。通信协议选型是整个项目里非常容易被低估的环节,我早期做项目吃过亏,这里重点说一说。

传统方案是现场总线,代表有 Profibus DP、Modbus RTU、CC-Link。它们稳定性极好,抗干扰能力强,在老工厂里存量极大。但短板也明显:速率低(一般 12Mbps 封顶)、组网节点有限、扩展性差。现在新建项目基本都走工业以太网,比如 PROFINET、EtherNet/IP、EtherCAT,速率轻松跑到百兆千兆,而且能跟上层 IT 系统无缝对接。

选 Ethernet 方案时有一条铁律:普通商用交换机别乱用在关键控制链路里。工业交换机之所以贵,贵在硬件冗余和实时性保障上,比如支持环网冗余协议,光纤断了一根链,毫秒级就能自动切到备用路径;再比如支持 VLAN 和 QoS,能把实时性要求高的报文优先转发,避免网络拥堵导致控制指令延迟。如果贪便宜用商用交换机,年久失修的线缆干扰随时可能让你产线停机,检修时才发现丢包丢得一塌糊涂,那真的是得不偿失。

2.3 硬接设备层信号:模拟量 VS 数字量的工程选择

这个部分很多教科书讲得云山雾绕,实际选型时就是二选一:数字量信号(DI/DO)处理的是“有/无”这种开关逻辑,比如某个光电开关检测到工件了,给 PLC 一个 24V 高电平信号;某个电磁阀需要动作了,PLC 给它输出一个 24V 信号控制线圈通电。模拟量信号(AI/AO)处理的是连续性物理量,比如温度变送器输出 4-20mA 信号,压力变送器输出 0-10V 电压信号,PLC 通过 AD 模块把它转成工程量(比如 0-1500 度)才能参与逻辑运算。

关键细节在于信号类型选错了,后期调试会非常痛苦。一个常见的坑:温度传感器选用的是热电偶,变送器输出 4-20mA 没问题;但你要是为了省钱,直接把热电偶线接进 PLC 模拟量模块的毫伏档,冷端补偿和线性化处理都要自己做,工程量和出错概率蹭蹭往上涨。更别提那种电磁干扰大的现场,模拟量信号线如果不走屏蔽双绞线、不单端接地,采集到的数据波动大到你怀疑人生。我的原则是能选数字量通信就优先选通信,实在必须采集模拟量,线材和屏蔽措施绝不省。

3. 核心控制逻辑:PLC 编程的实践经验

3.1 几种主流编程语言的适用场景(梯形图/ST/SFC)

PLC 编程这几年最大的变化就是:IEC 61131-3 标准的五种编程语言逐渐统一江湖,开发者终于可以根据场景灵活选型,而不是被某个品牌绑定。

梯形图(LD)是最直观的,跟继电器电路图很像,电气出身的技术人员上手极快,非常适合开关逻辑、联锁保护这类简单控制。但它处理复杂算法非常吃力,比如 PID 运算、数据排序,你用梯形图写出来能绕晕自己。结构化文本(ST)看起来跟 Pascal 语言类似,适合数学运算、数据处理、复杂分支逻辑。顺序功能图(SFC)天生是为流程控制设计的,把整个工艺过程拆成若干步骤(Step)+ 转换条件(Transition),写起来逻辑特别清晰,适合装配、化工这类按工序走的产线。

我的建议是:主逻辑用 ST 写,外层的流程顺序用 SFC 搭框架,而涉及急停回路、安全门联锁这种硬安全类逻辑,必须用梯形图或硬接线实现。安全的东西不能依赖软件,这一条希望每个做自动化的朋友都刻在脑子里。

3.2 扫描周期与实时性:理解 PLC 运行的灵魂

PLC 不是多任务并行操作系统,它本质上是“循环扫描”模式。CPU 不停地在执行五个阶段:读输入、执行用户程序、处理通信任务、写输出、执行系统诊断。整个循环一圈的时间叫扫描周期,普通 PLC 一般几毫秒到几十毫秒。

这一理解直接影响你的程序怎么写。有个很典型的例子:你在程序里把一个输出点既赋值成 ON 又赋值成 OFF,后执行的那条指令会覆盖前面的结果,这个取决于扫描顺序。还有做运动控制时更麻烦,比如伺服电机的脉冲输出、编码器的高速计数,你在普通输入输出映像区里做,扫描周期根本跟不上电机转一圈的速度。必须用高速计数通道、中断程序或者专门的运动控制模块,把这些信号放到扫描周期之外去处理。我见过有人在普通程序里做高速计数,电机转速一上去就丢脉冲,导致定位精度差得离谱,怎么调都找不出原因。这类问题一旦方向错了,排查周期会非常长。

3.3 适合新手起步的中小型 PLC 选型

如果你刚入行,想买套 PLC 练手,我的建议非常明确:根据所在地区的产业生态选型,不要迷信“最好”的牌子。在制造业密集区域,周边工厂用哪个牌子多,你就选哪个,因为后续求教、借备件都会方便很多。入门级别 24 点以内的小型 PLC,配上几个模拟量模块和触摸屏,整体预算几千块钱,足够你把通信、变频器控制、基础逻辑练得非常熟。

教材和手册是一方面,真正让你成长的是真实设备和产线问题。没有条件进厂实习的话,买一套二手的 60 点左右的中型 PLC 回来自己搭实验台,也是性价比极高的方式。一台旧设备拆下来的传感器、气缸、电机你有空多去研究,比看十本书都顶用。

4. 运动控制与伺服系统:从定位精度到同步控制

4.1 开环和闭环:步进、伺服与变频的本质差异

自动化的执行机构里,电机是最常见的选择,但选型错误非常多。用一句话来区分:变频器管速度、步进电机管位置、伺服电机管高速高精度位置且带反馈。

步进电机是开环控制,你发多少个脉冲它就转多少角度,力矩不够会丢步,位置就偏了,而且步进电机转速一高,力矩曲线掉得很快,适合低速定位。伺服电机是闭环控制,自带编码器反馈,驱动器实时比较指令位置和实际位置,跟随误差被限制在极小范围内,适合高速高精度场景。变频器则是 V/F 控制或者矢量控制,主要用于风机水泵和普通传动,对定位没有要求。

选型时的计算基础是“惯量匹配”。电机负载的转动惯量和电机转子惯量之比,尽量控制在 10 倍以内。比大了,系统动态响应就差,一加减速就震荡,怎么调 PID 增益都无济于事。我见过工程师因为负载惯量太大,反复调参数降不下来,最后索性换大一型号的电机,问题迎刃而解。所以选型阶段多花一点时间做计算,比后期反复试错高效太多。

4.2 电子齿轮比:接线与软件设置的标准流程

伺服驱动器里“电子齿轮比”这个参数,劝退过不少人,其实它就是一套换算比例而已。PLC 发出一个脉冲,伺服电机要走多少距离,这个比例是可以人为指定的,不必拘泥于电机编码器的物理分辨率。常见的设置方法是:你把上位机发出的脉冲数乘以电子齿轮比,转换到电机编码器反馈的脉冲数上。举个例子:你希望 PLC 每发 1000 个脉冲,负载恰好移动 1mm。那么先查电机编码器分辨率,如果是 131072 脉冲/圈,丝杆导程是 10mm。那么 1mm 负载位移对应编码器脉冲数是 131072/10=13107.2(取整)。电子齿轮比就设置为 13107:1000,很多系统为了精确会取整后再看定位精度够不够。

参数设置这一步做得好,后面写程序轻松得多,你也可以把位置精度换算隐含变量都放在程序里,而不是每次改参数。理论上你只要能保证最终位置精度满足工艺要求,电子齿轮比是可以随意设定的。

4.3 常见工艺路线的运动插补与同步

现代自动化产线里,多轴协调运动几乎是标配。比如给一个加工设备配 XY 工作台的时候,就需要直线插补、圆弧插补这类轨迹运动。为了达到插补精度,点位控制那种“一个个轴走到位”的方式是不够的,要求 PLC 在极短时间内同步刷新各轴目标速度与位置,这本质上是多轴实时插补算法,通常需要专门的运动控制模块或专用运动控制器,扫周期差异会让插补轨迹变形。

另一种常见的场景是多轴同步,比如印刷机、包装机里的“追飞刀”或“电子凸轮”。它用伺服驱动器实时跟踪主轴编码器的角度,从轴按照一组角度-位置映射表输出位置,这样机械主轴换成电气主轴,换产时只需修改配置表,机械调试时间能省一大截。

5. 工业通信与数据采集:SCADA 与 MES 的打通

5.1 边缘网关、OPC UA 与 MQTT 的实操对比

自动化项目的“信息化”可以理解为打通数据通路。底层 PLC 的数据如何往上走,走到监控中心或者云端,是一个方案层出不穷但坑也巨多的环节。

传统经典路径是 OPC 协议,但传统 OPC DA(Data Access)依赖 Windows 的 COM/DCOM 组件,跨网络传输配置繁琐,跨平台几乎不可用,在新架构里基本淘汰。新一代的 OPC UA(统一架构)则天然跨平台、内置安全机制、支持信息建模,现在所有主流的 PLC 厂商都把它作为标准接口。

边缘物联网关配合 MQTT 协议则适合做“本地采集+集中转发+云端对接”场景:网关在产线现场采集各种 PLC 数据,加工成标准 JSON 格式后通过 MQTT 推送到数据中心或云平台。它的优势是轻量、容易上云、生态好。而数据库性场景则要区分清楚:要不要实时性?Typical SCADA 需要毫秒级刷新,直接读 OPC UA 或者专用驱动性能最好,如果经过 MQTT 中转,延迟可能到几百毫秒,实时监控界面就会卡。MQTT 更适合做历史数据上报,不适合做实时操作反馈。

5.2 数据采集点位表的工程价值与制作方法

说完协议,还有个常常被忽略的实操细节:点位表。所谓点位表,就是把每台 PLC 内部每个数据变量(状态字、模拟量数值、报警代码)定义好地址、数据类型、量程、读写权限,整理成一张结构化 Excel 表格。看起来简单,但我见过太多项目因为这张表做不细,做到集成阶段才发现数据对不上,那简直是灾难。

点位表某种意义上比程序本身更有价值。好的点位表要求:地址唯一、命名规范(比如“加热器H1_温度设定值_AI”这种带设备前缀的命名)、量程和单位明确、冷端补偿方式注明、报警上下限写明。写程序之前先花时间整理好这张表,你的上位机集成、设备调试、故障排查会提速很多。

5.3 老设备数字化改造中的数据级改造思路

老工厂数字化改造最大难题通常不是换设备,而是老设备不具备标准通信接口。这种情况我的常规做法是“向外挂”。给老设备增加一个数据采集网关,通过它的输入端口采集设备原 PLC(哪怕是老式继电器逻辑柜)的关键 IO 信号,再进行协议转换,把数据映射到标准工业协议里,与上层 SCADA 对接。

这里有个实际的坑:采集信号时要判断是不是干接点(无源)信号,老设备和采集网关之间要不要加中间继电器做电气隔离,否则信号窜扰或者点位烧毁,后续麻烦不断。改造时别舍不得那几十块钱一个的中间继电器,它隔离的是故障范围,省了小钱可能搭进去大把调试时间。

6. 实施交付与问题排查:项目落地的细节与教训

6.1 从 IO 表核对到空载联调的标准流程

自动化项目交付通常要经过几个阶段:规范接线检查、单机空载测试、联动空载测试、带料负载测试,最后才是试产和小批量验证。

单机空载测试最容易被轻视,很多人急于“看到东西动起来”,没做细致的 IO 核对就开始跑程序,结果就是频繁出错、返工。我的习惯是拉一张 IO 清单,每个输入点手动短接信号源,看 PLC 监控表里对应位是否变化,输出点逐个强制输出,看现场执行器是否动作,方向对不对。这一步纯属苦功夫,但能有效排除接错线、短路、模块通道损坏等低级问题。空载联调再发现的问题,基本就是逻辑层面的了,现场定位起来相对容易。

联动测试最费时间。因为现场设备多,互相之间有联锁依赖,一个设备报警,上下游设备都要按既定策略停机或降速。要逐条验证这些联锁策略,比如皮带堵塞报警触发上游给料机关闭、振筛停止,这种事平时不起眼,真正错过了问题就是生产事故级别的。

6.2 高发故障速查与现场排查办法

结合我过往经手项目的经验,一张高频问题对照表大概率能帮你省下很多班:

现象常见原因排查思路
模拟量读数跳变信号线屏蔽层未规范接地、变送器与 PLC 共地干扰单端接地,改用屏蔽双绞线,必要时加配信号隔离器
伺服电机启动就报警过载机械卡滞、负载惯量不匹配、加减速时间过短先拆联轴器验证电机是否正常,再逐步加大加减速时间
通信偶尔掉线或丢包DP 头终端电阻设置错、双绞线走线贴近动力电缆核对链路终端设置,检查线缆走向,重新做接地
触摸屏数据刷新非常慢通信协议配置了不合理的时间间隔检查 HMI 变量采集周期,尽量用通信数据块批量读取
程序一上传,设备全停机在线修改程序后未完整下载,PLC 内部新旧程序混用修改后统一执行完整下载并热复位,起用前核对备份

设备故障并不可怕,可怕的是无头苍蝇式乱查。我处理问题的方式是先看现象分类:通讯类故障先查物理层再查协议配置;动作类故障先确认传感器信号有没有到,再看程序逻辑有没有输出;精度类故障先查机械背隙和原点丢失,最后才动 PID 参数。按这个顺序排查,八成问题都能快速定位。

6.3 安全回路与人机交互的工程经验

最后聊一个看起来不创造直接效益,但能救命的环节:安全回路。国际标准里安全相关控制系统有明确的性能等级要求(PL,Performance Level),安全继电器、安全 PLC、急停回路冗余设计都不是形式主义,是真刀真枪保护操作员和设备的。

我强烈建议:急停主回路必须硬接线,不要依赖 PLC 程序停机,因为程序可能死机、可能被修改、CPU 扫描还有时间差,某个状态下就是不可靠的。所有安全门锁的状态信号,也要直接进安全回路切断驱动电源,比如伺服使能和变频器使能,都必须断硬线信号。只有把这些做扎实,设备哪怕哪天程序异常,人员也不会置身险地。这是项目交付审查里不可商量的一环。

人机界面(HMI)设计原则同样值得重视。好的 HMI 不是功能多,而是让操作员在紧急状况下三秒内能看懂哪里报警、速度多快、故障机台在哪。我建议至少设计三个主界面:总览页(全产线状态一目了然)、报警页(按时间排序且能直接跳转操作位置)、参数页(分级权限保护,普通工人只能改微调项)。界面上的颜色语义要统一,运行是绿色、停止是灰色、故障是红色闪烁,操作员习惯了颜色信息,效率就上来了,误操作概率也会降下去。

7. 自动化工程的后续扩展:从单站自动化走向柔性生产

项目交付不代表完结,对于有长期规划的管理者来说,自动化项目只是数字化长征的起点。初期投入得到了回报,就可以沿着两个方向继续延展价值。

第一个方向是往“数据价值”深挖。自动化系统每天都在产生大量设备状态、能耗、产量、质量数据。把这些数据和工艺参数建立起关联分析,也许可以从产品检测结果反推哪一个环节的参数波动导致了质量缺陷;把多个同型号设备的运行数据对比,就会发现某些设备落后在制造精度保养上。这就是数据从辅助角色转变为主角的转折点。

第二个方向是“柔性生产”。多品种小批量是制造业绕不开的挑战,单纯自动化只能解决标准化产品的大规模生产。当自动化系统已经铺设了通信网络、标准化了设备接口、数据采集脉络齐全,下一步就可以引入二次开发,比如通过 MES 下发任务参数来驱动自动换型,实现同一条产线轻松切换不同规格产品。把机械调试时间从几小时压缩到几分钟,把人工的“经验调机”转化成系统的“参数切换”,这是自动化工程相对高级的玩法。

我在好几个项目里都体会到这句话:自动化工程做到最后,表面上是控制逻辑、电气接线和通信配置的技术堆叠,实际上是对生产流程的重塑。好的自动化方案不是用机器简单地替代人,而是重新设计了信息流与物流的配合方式,让整个生产系统在面对波动时的响应更快、损耗更小。这个目标没有标准答案,只能在一次次项目实践中磨合出属于自己的方法论。

相关新闻

Agentic RL实战:打造边干边学的智能体持续学习系统

Agentic RL实战:打造边干边学的智能体持续学习系统

如果你最近动手写过智能体类项目,多半会遇到一个非常现实的瓶颈:模型在固定的训练场景里跑得很好,一换任务表现就崩。这不是模型笨,而是我们大概率还在用"一次训练,终身使用"的思路做 Agentic RL 系统。所谓…

2026/10/19 21:33:38 阅读更多 →
SAP物料编号范围配置:内部段与外部段原理及实战避坑

SAP物料编号范围配置:内部段与外部段原理及实战避坑

简介:本资源是一份面向SAP ABAP开发人员、后勤模块顾问及系统实施工程师的实操型配置指南,聚焦物料主数据编号范围的后台维护方法与典型问题处理。针对ERP 6.0 EHP7版本,详细讲解如何通过MMNR/SNRO事务码创建号码组、定义内外部编号段&#x…

2026/10/19 21:31:33 阅读更多 →
从走过场到有效协作:open-code-review如何用规则引擎重塑代码评审

从走过场到有效协作:open-code-review如何用规则引擎重塑代码评审

1. 先聊聊我为什么受够了"走过场式"的 code review 做技术管理这几年来,我一直在跟一个特别拧巴的问题较劲: 代码评审(code review)到底是在防烂代码,还是在防人际关系爆炸? 接手第一个带团队…

2026/10/19 21:31:33 阅读更多 →

最新新闻

具身智能认知架构:从脑到本体的神经符号融合与工程落地

具身智能认知架构:从脑到本体的神经符号融合与工程落地

1. 具身智能认知架构到底在解决什么问题1.1 从一个尴尬的现状说起做了几年机器人相关项目的人大概都有这种体会:机械臂在结构化环境里跑得挺稳,抓取、码垛、拧螺丝这些任务,只要场景不变、光照不变、物体位置固定,成功率能到99%以…

2026/10/19 22:24:16 阅读更多 →
5个AI工具让创业者效率翻倍:会议纪要、内容生成、数据解读、客户跟进、流程自动化

5个AI工具让创业者效率翻倍:会议纪要、内容生成、数据解读、客户跟进、流程自动化

如果只给自己留一个判断标准来选AI工具,我会选这一个:它能不能把一个星期里重复十几次的机械动作,压缩成一次性的规则和提示词。创业者最值钱的不是执行力,而是判断力和决策质量,但现实是,大部分人的精力都…

2026/10/19 22:23:15 阅读更多 →
Atlas数据库迁移实战:声明式与版本化工作流解析

Atlas数据库迁移实战:声明式与版本化工作流解析

1. Atlas是什么:一个让数据库变更不再“失控”的迁移工具1.1 先说我遇到的一个真实迁移事故如果你维护过几年数据库,大概率见过这种场景:测试环境和生产环境的表结构悄悄对不上了,问了一圈没人知道谁动过,git记录里也查…

2026/10/19 22:23:15 阅读更多 →
AI写作工具合规使用指南:提升效率与规避学术不端风险

AI写作工具合规使用指南:提升效率与规避学术不端风险

抱歉,这个任务我没法执行。你提供的标题涉及一类明确有合规风险的工具——“降AIGC工具”,加上“导师推荐”“千笔AI VS Checkjie”“本科生专属”等表述,语义上指向帮助学生规避抄袭检测或AI检测的灰色服务。这类内容属于学术不端范畴&#…

2026/10/19 22:21:05 阅读更多 →
嵌入式Linux摄像头应用实战:i.MX6ULL+OV5640+V4L2+QT

嵌入式Linux摄像头应用实战:i.MX6ULL+OV5640+V4L2+QT

做嵌入式Linux下的摄像头应用,我踩过的坑多数不在应用层。刚开始拿一块基于i.MX6ULL的板子,接上OV5640摄像头模组,想着跑一个QT相机界面,以为难点在UI布局,结果光是让画面稳定流畅地出现在屏幕上,就把从驱动…

2026/10/19 22:16:59 阅读更多 →
从控件到像素:移动端AI Agent操作真机的三大考点

从控件到像素:移动端AI Agent操作真机的三大考点

最近很多团队开始做一件事:把 AI Agent 接到一台真实的手机上,让它像人一样打开 App、点按钮、填信息、下单、发消息。不是模拟器,不是纯接口调用,是实实在在握住一台手机操作。这件事在近两年突然火起来,原因很直接—…

2026/10/19 22:16:59 阅读更多 →

日新闻

频率跟踪型PWM电源设计:臭氧发生器谐振点漂移与软开关实现

频率跟踪型PWM电源设计:臭氧发生器谐振点漂移与软开关实现

简介:本资源为电源技术方向的学术研究文档,聚焦介质阻挡放电型臭氧发生器电源的频率跟踪型PWM控制策略,面向电力电子、高压电源及臭氧应用领域的科研人员与工程技术人员。针对负载呈容性、等效电容随外加电压升高而增大、谐振频率随之漂移的难…

2026/10/19 0:00:47 阅读更多 →
Vibe Coding 遇上 TaoToken:把开发者思维圣殿的灵感流接入统一 Key 通道

Vibe Coding 遇上 TaoToken:把开发者思维圣殿的灵感流接入统一 Key 通道

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 0:00:47 阅读更多 →
HundredCV-Chat话题建模实战教程:利用4,871个内置话题标签构建主题分析系统

HundredCV-Chat话题建模实战教程:利用4,871个内置话题标签构建主题分析系统

【免费下载链接】HundredCV-Chat 项目地址: https://ai.gitcode.com/hf_mirrors/Jax-dan/HundredCV-Chat 点击查看 免费下载 HundredCV-Chat 是一个由 100 位青年简历数据开发而来的中文多轮对话数据集,共包含 24,750 组日常闲聊对话和 4,871 个话题标签…

2026/10/19 0:00:47 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/19 10:02:04 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/19 17:32:41 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/19 1:30:52 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 2:54:50 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 9:10:22 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 12:16:16 阅读更多 →