基于Arduino与3D打印的低成本四轴机械臂DIY全攻略
1. 项目缘起当“没钱任性”遇上“动手创造”几年前我在一个创客展上看到一台六轴工业机械臂流畅地完成抓取、搬运、码垛心里痒得不行。一问价格好家伙最基础的型号也得五位数起步这还不算后续的维护和编程学习成本。那一刻我脑子里就蹦出一个念头这东西的原理真有那么高不可攀吗我们这些爱好者能不能用更接地气的材料比如手边常见的Arduino和逐渐普及的3D打印机自己攒一个出来这个想法一直没断过。直到后来我陆续接触了开源机器人项目、看到了网上不少大神用舵机亚克力板做的简易机械臂才确信这条路是通的。所谓的“没钱任性”并不是说完全零成本而是指用极低的预算可能就几百块去实现一个价值数千甚至上万元设备的核心功能体验。它的目的不是去替代工业级设备完成精密作业而是为了学习、验证和创造。你可以通过它亲手触摸到运动学、闭环控制、传感器融合这些听起来高大上的概念可以把代码逻辑转换成物理世界实实在在的动作这种成就感是看一百遍教程也换不来的。所以这篇内容就是一次完整的“低成本机械臂自制”实践记录。我将围绕Arduino作为控制大脑和3D打印作为结构骨架这两个核心拆解从设计、组装、电路到编程的全过程。你会发现它需要的更多是耐心、动手能力和对问题的拆解思维而不是深不可测的数学功底或堆成山的专业设备。无论你是电子爱好者、机械专业学生还是对机器人充满好奇的DIY玩家只要跟着步骤走都能让一只属于自己的机械臂“活”起来。2. 核心设计在妥协与实现之间寻找平衡点自己造机械臂第一个要面对的就是设计。你不可能一开始就追求六轴、负载5公斤、重复定位精度0.1毫米那是不现实的。我们必须学会做减法在功能、成本、复杂度之间找到一个可行的平衡点。2.1 机械结构选型从三轴到四轴的实用进化对于入门而言一个三自由度的机械臂底座旋转、大臂俯仰、小臂俯仰是最简单的起点它能完成在二维平面内的基本点位运动。但它的局限性也很明显末端执行器比如夹爪的姿态是固定的无法灵活调整。因此我强烈建议从四自由度4-DOF结构起步。这通常包括底座旋转Joint 1实现机械臂水平面上的左右转动。大臂俯仰Joint 2控制整个“肩膀”的抬起和放下。小臂俯仰Joint 3控制“肘部”的弯曲。腕部旋转Joint 4控制末端夹爪的自转这是实现灵活抓取姿态的关键。为什么是四轴因为它是在成本可控的前提下能实现“到达空间某一点并调整末端姿态”这个核心功能的最小配置。五轴或六轴当然更强但每增加一个轴就意味着多一套舵机、更复杂的结构、更沉重的负载以及呈指数增长的运动学计算难度对初学者来说是巨大的挑战。2.2 动力与传动为什么舵机是唯一选择在低成本项目中舵机Servo几乎是驱动关节的不二之选。对比步进电机舵机是自带减速箱、驱动电路和位置反馈的“一体化解决方案”。你只需要给它一个PWM信号告诉它转到哪个角度它自己就会努力转到那个位置并保持住省去了额外的驱动器、复杂的步进控制算法和位置传感器。但选舵机也有讲究。大臂关节需要承受的力矩最大必须选用扭矩足够的型号。一个经验公式假设大臂长度从关节到重心的距离为L米大臂自身重量小臂及末端所有重量为M千克粗略估算所需扭矩至少为M * g * L * 安全系数建议2以上其中g是重力加速度9.8。例如如果L0.15米M0.3公斤那么所需扭矩至少为0.3*9.8*0.15*2 ≈ 0.88 N·m换算成公斤厘米大约是0.88 * 10.2 ≈ 9 kg·cm。所以我会为大臂选择扭矩在12-20 kg·cm的舵机如MG996R。小臂和腕部负载较轻可以选择扭矩小一些但速度更快的舵机如SG90或MG90S。底座旋转舵机需要的扭矩不一定很大但要求运行平稳无抖动。注意舵机标称的“堵转扭矩”是在特定电压下通常是6V或7.4V测得的。如果你用5V的Arduino板子供电实际扭矩会打折扣。因此为关键关节大臂的舵机单独准备一个6V的外接电源是明智的选择这能显著提升其性能和稳定性避免因供电不足导致的“抬不起手”或抖动。2.3 控制核心Arduino Uno的胜任与局限Arduino Uno或其兼容板是绝佳的起点。它拥有足够的数字IO口控制4个舵机绰绰有余。简单的PWM输出通过Servo.h库可以轻松生成舵机所需的控制信号。丰富的社区资源任何你遇到的问题几乎都能找到现成的代码片段或讨论。USB编程与供电方便调试。但它也有局限计算能力较弱。这意味着我们很难在Uno上实时运行复杂的逆运动学算法根据末端目标位置反算出每个关节需要转动的角度。对于四轴机械臂一种实用的策略是在电脑或性能更强的树莓派上预先计算好运动轨迹一系列关节角度序列然后通过串口发送给ArduinoArduino只负责忠实地执行这些角度指令。这样就把复杂的计算和简单的执行分离开了。3. 从数字模型到物理实体3D打印实战全流程设计确定后下一步就是把它变成实物。3D打印让这一切变得前所未有的简单。3.1 三维建模Fusion 360的入门心法你不必是CAD专家。对于机械臂结构我推荐使用Autodesk Fusion 360个人用户有免费许可。它的优势在于参数化设计和装配功能。从草图开始先画关节连接处的关键截面比如舵机输出盘的固定孔、轴承位、与其他零件的连接面。牢记尺寸舵机舵盘的标准孔距是2.5mm或3mm。拉伸与打孔将草图拉伸成实体然后根据装配关系打孔。务必为螺丝孔设计“沉头孔”让螺丝帽埋进去保证外观平整且不干涉运动。装配体验证把所有零件从网上下载的通用舵机模型自己设计的结构件虚拟装配起来。这是最关键的一步你要检查所有关节转动是否顺畅有无零件干涉比如大臂抬起时会不会撞到底座螺丝孔是否对齐重心位置是否合理是否过于靠前导致舵机负载过大线缆是否有预留的走线空间或卡槽我的经验是第一个版本的设计几乎必然存在干涉或强度问题。在电脑上虚拟修改比打印出来发现装不上要节约太多时间和耗材。3.2 切片与打印强度与效率的权衡模型导出为STL文件后用切片软件如Cura、PrusaSlicer生成G代码。材料选择PLA是最容易打印的但较脆受力大可能断裂。PETG是更好的选择它韧性好、强度高、有一定耐热性更适合这种受力结构件。如果条件允许用PETG。打印参数层高0.2mm是精度和速度的平衡点。关键受力部位可以尝试0.16mm以提高层间结合力。填充密度至少25%。对于关节、轴承座等关键受力件建议提高到40%-50%。不要为了省料而牺牲强度一个关节断裂可能导致整个项目失败。壁厚Perimeters至少3层。这是外壳强度的主要来源比填充密度更重要。打印方向这是很多人忽略的要点。务必让零件承受拉/压应力的方向与打印层纹方向垂直。例如一个L型的支架如果层纹是水平堆积的在受力时很容易从层间撕裂。应该调整模型方向让层纹沿着力的传递方向。切片软件中的“强化加强筋”功能也可以酌情使用。打印完成后务必仔细去除支撑材料并用砂纸打磨掉毛刺和残留的拉丝特别是轴孔和结合面确保装配顺畅。3.3 装配的艺术螺丝、垫片与螺纹胶装配不是简单地把螺丝拧紧。预组装不上螺丝把所有零件用手大概拼起来感受一下配合度。如果某个轴太紧需要用小圆锉或钻头稍微扩孔。使用垫片在舵机和结构件之间、在两个结构件转动摩擦的部位一定要加装塑料或尼龙垫片。这能减少摩擦阻力让转动更顺滑也能避免螺丝拧得过紧导致零件变形卡死。螺丝规格常用的是M3螺丝。长度要选好确保拧入后有足够的咬合深度通常为螺丝直径的1.5-2倍但又不会穿透到不该去的地方。螺纹胶可选但推荐在关键部位的螺丝螺纹上点一滴蓝色可拆卸的螺纹胶。振动会导致螺丝松动螺纹胶能有效防止这一点尤其是长时间运行的机械臂。切记不要用红色的永久固定4. 电路与供电让机械臂稳定“站起来”电路连接看似简单但供电问题往往是新手的第一道坎。4.1 主控与舵机驱动电路最简单的连接方式是将4个舵机的信号线通常是橙色或白色分别接到Arduino Uno的某个数字PWM引脚如9, 10, 11, 6舵机的电源正极红色和负极棕色分别并联到一起。 但这里有个大坑千万不要试图用Arduino板载的5V输出或USB口同时给多个舵机供电Arduino的5V线性稳压芯片最大只能提供约500mA电流而一个舵机在运动或堵转时瞬时电流轻松超过500mA。多个舵机一起动必然导致Arduino重启或舵机抽搐。正确的供电方案外接电源准备一个独立的5V或6V电源如旧的手机充电器、稳压模块锂电池。这个电源的正极接到所有舵机的正极负极接到所有舵机的负极同时也要接到Arduino的GND共地这是必须的。电源滤波在舵机电源入口处并联一个470μF或1000μF的电解电容和一个0.1μF的陶瓷电容。这能吸收舵机启停时产生的电流尖峰防止电压骤降干扰Arduino和其他舵机。信号隔离进阶如果担心舵机噪声通过信号线传回Arduino可以考虑使用光电耦合器隔离信号但对于四轴系统通常共地良好且电源分开就足够了。我的接线实物图中你会看到一个18650电池盒两节串联约7.4V接一个降压模块调到6V单独给舵机组供电。Arduino Uno则由USB线供电或同一个电池经另一个降压模块到5V。两者GND相连。4.2 编程与调试从能动到可控硬件连好后就是让机械臂听指挥了。#include Servo.h Servo baseServo, shoulderServo, elbowServo, wristServo; // 定义四个舵机对象 int basePin 9; int shoulderPin 10; int elbowPin 11; int wristPin 6; void setup() { baseServo.attach(basePin); shoulderServo.attach(shoulderPin); elbowServo.attach(elbowPin); wristServo.attach(wristPin); Serial.begin(9600); // 初始化串口用于接收电脑指令 } void loop() { if (Serial.available() 0) { char cmd Serial.read(); switch(cmd) { case h: // 归零位Home goToAngle(90, 90, 90, 90); // 假设90度是中间位置 break; case a: // 执行一个预设动作 waveHand(); break; } } } void goToAngle(int baseA, int shoulderA, int elbowA, int wristA) { // 加入平滑运动避免舵机剧烈抖动 moveServoGradually(baseServo, baseA); moveServoGradually(shoulderServo, shoulderA); moveServoGradually(elbowServo, elbowA); moveServoGradually(wristServo, wristA); } void moveServoGradually(Servo s, int targetAngle) { int currentAngle s.read(); int step (targetAngle currentAngle) ? 1 : -1; for (int angle currentAngle; angle ! targetAngle; angle step) { s.write(angle); delay(15); // 控制运动速度值越大越慢 } } void waveHand() { // 一个简单的挥手动作序列 goToAngle(60, 90, 90, 90); delay(500); goToAngle(120, 90, 90, 90); delay(500); goToAngle(90, 90, 90, 90); }这段代码提供了一个框架。goToAngle函数负责让所有舵机平滑地转到指定角度。waveHand是一个简单的动作序列。更复杂的动作可以通过串口发送角度数据来实现。调试技巧上电顺序先给Arduino上电再给舵机组上电。避免舵机因信号线未初始化而产生乱转。单个测试写一个简单的程序依次单独控制每个舵机从0度转到180度观察其运动范围是否与设计相符有无卡顿或异响。机械零点校准装配误差可能导致舵机90度位置并不是你想要的“机械零点”。你需要通过实验找到每个关节的“物理中间位置”对应的舵机角度值并记录下来作为所有运动的基准。5. 从基础运动到智能控制进阶玩法探索当你的机械臂能稳定地执行预设角度序列后就可以尝试更酷的玩法了。5.1 运动学初探让末端走到“那里”要让机械臂的末端夹爪移动到空间中的某个具体坐标X, Y, Z就需要用到正运动学和逆运动学。正运动学已知每个关节的角度计算末端位置。这个相对简单根据连杆长度和角度用几何公式就能算出来。你可以写个函数来验证给定一组角度看看计算出的末端位置和你用尺子量的实际位置是否接近。逆运动学已知末端目标位置反求每个关节的角度。这是核心难点。对于四轴机械臂通常三个轴决定位置一个轴决定末端旋转逆解可能有多组也可能无解目标点超出工作空间。一个取巧的方法是数值迭代法如雅可比矩阵转置法。但这对Arduino Uno来说计算量太大。更实用的方案是在PC上计算用Pythonnumpy库或MATLAB写好逆运动学求解函数。预先规划轨迹在PC上把一条连续路径比如一条直线离散成几十个目标点并为每个点计算出对应的关节角度。串口传输将这些角度序列通过串口发送给Arduino。Arduino执行Arduino按顺序执行这些角度指令就能复现出平滑的轨迹。虽然实时性差一些但对于学习、演示或完成固定任务来说完全够用。5.2 引入反馈与感知让机械臂“有感觉”基础舵机只有位置反馈但我们可以为机械臂增加更多“感官”。末端力觉在夹爪指尖贴一个微型薄膜压力传感器如FSR连接到Arduino的模拟输入口。这样就能感知是否抓到了物体以及抓握的力度实现自适应抓取而不是一味地“死握”。视觉引导高阶这是质的飞跃。你可以用一块树莓派或带摄像头的ESP32运行简单的计算机视觉程序例如使用OpenCV。让摄像头识别桌面上彩色积木的位置X, Y坐标然后通过逆运动学计算出机械臂需要移动的角度再通过串口或Wi-Fi发送给Arduino。这样就实现了一个最简单的“手眼协调”系统。虽然精度不高但整个流程走通所带来的震撼和知识收获是巨大的。5.3 结构优化与迭代你的2.0版本第一版能动起来就是胜利。接下来可以考虑优化减重用镂空设计在受力不大的区域打上各种形状的减重孔重新打印零件减轻舵机负载。增加刚度在长杆件容易弯曲的部位设计加强筋。更换舵机如果预算允许将关键关节的舵机升级为数字舵机或总线舵机如Dynamixel。数字舵机控制精度更高、响应更快总线舵机则用一根总线串联所有舵机接线极其简洁且能反馈温度、负载、位置等多种信息但价格也贵得多。设计末端工具不止是夹爪可以设计并打印吸盘、电磁铁、画笔支架等让机械臂完成不同任务。6. 避坑指南那些我踩过的“坑”和解决方案回顾整个项目几乎每一步都有陷阱。这里集中列出希望能帮你节省大量时间。坑打印件强度不足关节处断裂。根因填充率太低20%打印方向错误层纹方向与受力方向平行或者使用了劣质、老化的PLA材料。解决关键结构件用PETG材料填充率提升至40%以上仔细调整打印方向。打印完成后可以用环氧树脂胶对关键受力部位进行局部涂覆加固。坑舵机发热严重甚至烧毁。根因长期工作在堵转或接近堵转状态机械结构卡死或目标角度超出物理极限或者供电电压过高。解决确保机械结构转动顺滑无干涉。在代码中为每个舵机设置软件限位constrain(angle, minAngle, maxAngle)防止发出超出范围的指令。使用稳压电源确保电压在舵机标称范围内通常4.8V-6.6V。坑机械臂运动时整体抖动或“点头”。根因底座太轻或与桌面固定不牢。整个机械臂是一个动态系统上部的运动会对底座产生反作用力。解决给底座配重比如在底座内部空间填充配重块或用更重的材料打印或者用夹具、螺丝将底座牢牢固定在厚重的桌面或底板上。坑运动不流畅有卡顿感。根因代码中直接使用servo.write(targetAngle)舵机会以最快速度“冲”到目标位置缺乏平滑过渡。或者串口接收指令的速度跟不上执行速度。解决使用如前文moveServoGradually函数那样的插值算法让角度平滑变化。对于串口控制确保PC端发送指令的间隔时间大于机械臂完成一个动作的时间或者让Arduino在准备好接收下一个指令时给PC发送一个“就绪”信号。坑逆运动学求解位置不准。根因连杆长度测量有误差舵机安装存在零点偏差或者运动学模型本身简化过度例如忽略了关节间隙。解决进行“标定”。让机械臂移动到几个已知的、容易测量的空间位置记录下实际的末端坐标和舵机角度读数。将这些数据与理论模型计算值对比通过最小二乘法等算法反推出更精确的“实际”连杆参数和零点偏移修正你的运动学模型。这是一个从“开环”走向“闭环”控制的重要步骤。这个项目最迷人的地方不在于你做出了一个多么精密的机器而在于你亲手打通了从概念、设计、制造到控制的全链路。每一个环节的问题都需要你自己动手动脑去解决这个过程里积累的经验和直觉远比最终那个会动的机械臂本身更有价值。当你第一次看到它按照你的指令颤颤巍巍但又坚定地抓起一枚硬币时那种“我创造了一个能交互的物理实体”的兴奋感是任何虚拟成就都无法比拟的。它可能有点晃精度也不高但它是完全属于你的、可无限迭代的作品。这就是“没钱任性”背后真正的创造乐趣。

相关新闻

PTEN缺失前列腺癌患者新选择:FDA批准Truqap卡匹色替capivasertib联合阿比特龙显著延缓疾病进展

PTEN缺失前列腺癌患者新选择:FDA批准Truqap卡匹色替capivasertib联合阿比特龙显著延缓疾病进展

一、PTEN缺失:前列腺癌进展的”加速器”与精准治疗靶点前列腺癌是男性最常见的恶性肿瘤之一,全球每年新发病例超过140万例。在中国,前列腺癌的发病率也在逐年上升,已成为男性泌尿系统最常见的恶性肿瘤。对于转移性激素敏感性前列腺…

2026/7/29 1:59:03 阅读更多 →
3分钟掌握RPG Maker MV资源解密:免费离线工具完整指南

3分钟掌握RPG Maker MV资源解密:免费离线工具完整指南

3分钟掌握RPG Maker MV资源解密:免费离线工具完整指南 【免费下载链接】RPG-Maker-MV-Decrypter You can decrypt RPG-Maker-MV Resource Files with this project ~ If you dont wanna download it, you can use the Script on my HP: 项目地址: https://gitcode…

2026/7/29 1:59:03 阅读更多 →
第一台样机能跑,为什么第二台问题又回来了?

第一台样机能跑,为什么第二台问题又回来了?

机器人项目里,第一台样机调顺以后,团队很容易松一口气。动作能跑了,报警少了,任务也能走完。看起来,原来的问题已经解决。可第二台机器刚开始运行,第一台已经消失的问题又出现了。现场最容易冒出一句话&…

2026/7/29 1:58:03 阅读更多 →

最新新闻

STEAM教育:从概念到实践,培养复杂问题解决者与终身学习者

STEAM教育:从概念到实践,培养复杂问题解决者与终身学习者

1. 从“热潮”到“冷静”:我们真的理解STEAM了吗?最近几年,如果你关注教育领域,尤其是孩子的课外活动,一定绕不开“STEAM”这个词。从一线城市的科创中心到三四线城市的社区少年宫,从学校的课后三点半到各类…

2026/7/29 2:07:06 阅读更多 →
STM32与A5000加密芯片的物联网安全方案设计

STM32与A5000加密芯片的物联网安全方案设计

1. 硬件选型与安全架构设计在物联网设备开发中,选择STM32F412RE作为主控芯片搭配A5000加密芯片的方案,主要基于以下考量:STM32F412RE的优势:采用ARM Cortex-M4内核,主频100MHz,内置256KB Flash和64KB SRAM支…

2026/7/29 2:07:06 阅读更多 →
中小企业如何借力虚实共建引擎,低成本迈入产业元宇宙时代

中小企业如何借力虚实共建引擎,低成本迈入产业元宇宙时代

在工业4.0与数字化转型的深水区,“产业元宇宙”(Industrial Metaverse, IMP)已从概念炒作走向实质落地。对于大型企业而言,构建全要素数字孪生或许只是预算问题;但对于占据市场绝大多数的中小企业来说,高昂…

2026/7/29 2:07:06 阅读更多 →
模拟题3——CSP202409C. 补丁应用

模拟题3——CSP202409C. 补丁应用

一、题目概述这道题要求我们实现一个简化版的 patch 程序。程序首先读入一个原文件,然后读入由若干补丁块组成的补丁。每个补丁块描述原文件中的一段内容,以及这段内容被修改后的结果。我们需要检查补丁是否合法、确定每个补丁块在原文件中的实际位置&am…

2026/7/29 2:07:06 阅读更多 →
多款科研绘图工具实测:平台与AI功能差异解析

多款科研绘图工具实测:平台与AI功能差异解析

科研工作者每天和数据、机制、电路打交道,把抽象发现变成直观图示,是论文发表、基金申请和学术交流绕不开的一步。但市面上的科研绘图工具五花八门,选起来容易犯难:传统软件学起来慢,操作也繁琐;新兴的AI平…

2026/7/29 2:07:06 阅读更多 →
从零构建智能移动机器人:四轮差速底盘与ROS 2导航实战

从零构建智能移动机器人:四轮差速底盘与ROS 2导航实战

1. 项目概述:当“智能”遇上“马车”,一场关于移动与陪伴的跨界实验“真能拔腿撒欢的智能马车”,这个标题听起来像是一个充满奇思妙想的玩笑,或者某个科幻电影里的道具。但如果你把它拆开来看,会发现它精准地指向了两个…

2026/7/29 2:06:06 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中,我们学习了如何构建一个基础的 AI 问答系统,通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景:…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行:AI Agent的范式转变过去两年,大语言模型最显著的应用形态是聊天机器人——用户提问,AI回答。但真正的生产力革命发生在2023年下半年:当AI学会主动调用工具完成任务时,生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/28 12:04:22 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/28 8:29:16 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/28 5:03:42 阅读更多 →

月新闻