激光切割与2.4G无线遥控:打造低成本乒乓球数据采集车
1. 项目缘起一个“不务正业”的创客想法几年前我在一个创客空间里看到几个朋友在打乒乓球。他们想记录自己的击球数据比如挥拍速度、球的落点轨迹但市面上的专业设备要么贵得离谱要么笨重得影响正常打球。当时我脑子里就蹦出一个念头能不能用我们手边最常见的创客工具——激光切割机、Arduino、还有2.4G无线模块——自己攒一个轻便、低成本又能远程操控的“数据采集车”这个想法听起来有点“不务正业”把无线遥控车和乒乓球桌结合起来。但仔细一想它的应用场景其实挺有意思。对于业余爱好者或者基层教练它可能是一个低成本的运动分析工具对于创客教育它是一个融合了机械结构、电子控制、无线通信和简单数据处理的综合项目。于是在2020年我利用手头的材料把这个“激光切割的2.4G无线遥控乒乓球采集车”从想法变成了现实。今天我就把这个项目的完整设计思路、制作过程、踩过的坑以及一些扩展想法毫无保留地分享出来。2. 核心设计为什么是“激光切割”“2.4G无线遥控”在动手之前首先要明确设计目标。我们需要的是一台能在乒乓球桌边灵活移动的小车它能承载传感器比如摄像头或红外测距模块并能通过无线方式接收指令、回传数据。基于这个目标我选择了“激光切割结构”和“2.4G无线遥控”作为两大核心技术点这背后有非常实际的考量。2.1 机械结构激光切割的精度与灵活性优势为什么不用3D打印或者直接买现成的模型车架对于这个项目激光切割亚克力板或椴木板有三大不可替代的优势。第一是成本与速度。对于这种以平面板材拼插、组合为主的框架结构激光切割的效率远高于3D打印。一个车体所需的全部零件在绘图完成后半小时内就能全部切好。材料成本也极低几毫米厚的亚克力板或椴木板边角料就足够了。第二是结构强度与轻量化。通过合理的榫卯和卡扣设计激光切割出的结构件能通过互相锁死的方式形成非常稳固的立体框架。这对于需要承载一定设备如电池、主控板、传感器且需要快速移动的小车来说至关重要。同时板材结构天然比实心打印件更轻有利于减轻电机负载延长运行时间。第三是无与伦比的修改灵活性。这是最让我受益的一点。在调试过程中我发现传感器支架位置不合适或者需要为某个新模块开个固定孔。这时我只需要在原来的设计文件通常是DXF或SVG格式上修改几分钟重新切割一块新零件即可成本几乎可以忽略不计。如果换成3D打印整个重打耗时很长且塑料件的修改和加固要麻烦得多。我的车体设计采用了经典的双层结构。底层是电机、轮子、电池和电机驱动模块上层是主控板Arduino Uno、无线模块和传感器平台。两层之间通过切割出的立柱和连接件固定中间留出充足的空间走线整个结构看起来非常清爽。2.2 控制系统2.4G无线通信的可靠性与普及度遥控方案有很多比如蓝牙、Wi-Fi、红外或者传统的射频。我选择2.4G私有协议无线模块当时用的是非常普遍的NRF24L01主要基于以下三点。首先是抗干扰能力。乒乓球馆环境复杂可能存在多个Wi-Fi信号、蓝牙设备以及其他无线干扰。2.4G频段虽然拥挤但NRF24L01这类模块采用的跳频和自动重传机制在短距离几十米内通信的稳定性上比廉价的蓝牙串口模块要可靠得多。你不会希望小车跑到桌子另一头时突然失控。其次是低延迟与高响应。对于遥控车尤其是我们后期想尝试的“半自主”跟踪指令传输的延迟必须尽可能低。2.4G私有协议通常比基于TCP/IP的Wi-Fi在传输小数据包如运动指令时延迟更低响应更及时。最后是生态与成本。Arduino平台对NRF24L01的支持已经非常成熟有像RF24这样优秀的库大大降低了开发难度。模块本身价格极其低廉一对不过十几块钱性价比极高。控制架构上我设计了一对一的遥控系统。遥控端手柄由一个Arduino Nano、一个NRF24L01、一个摇杆模块和几个按键组成用来发送前进、后退、左转、右转以及采集指令。小车端接收端的Arduino Uno收到指令后控制电机驱动模块我用的L298N做出相应动作并控制传感器进行数据采集。3. 从图纸到实车激光切割设计要点与装配有了设计思路接下来就是具体的实现。这部分我会重点讲激光切割设计中的几个关键细节这些细节直接决定了最后组装的顺利程度和车体的稳固性。3.1 设计软件选择与绘图规范我使用的是Inkscape这款免费开源的矢量绘图软件。对于激光切割设计它完全够用。核心原则是所有切割线必须是无宽度的纯矢量路径并且闭合路径代表切割外轮廓细线如0.01mm宽的线代表雕刻或切割内部缝隙。我的设计图包含以下图层轮廓层车底板、顶板、侧板、电机支架等主要结构件的外形。插槽层所有用于拼插的卡口和榫头。这里的尺寸精度至关重要。孔洞层用于固定螺丝如固定电机、 Arduino板、穿过线材的过孔。雕刻层一些标识性的文字或图案比如“FRONT”车头方向。关键经验插槽的“过盈配合”设计。激光切割的光束是有一定宽度的约0.1mm-0.2mm俗称“刀缝”。如果你设计一个5.0mm宽的插槽想插入一块5.0mm厚的板子结果很可能是插不进去因为切割后实际槽宽可能只有4.8mm。因此必须在设计时进行补偿。我的经验公式是插槽宽度 板材厚度 0.1mm补偿值。例如使用3mm厚的亚克力板插槽就设计为3.1mm宽。这个值需要根据你使用的激光切割机和材料进行微调最好先切一个小的“配合测试件”验证一下。3.2 材料选择与切割参数材料我首选3mm白色亚克力板。它强度足够重量轻切割边缘光滑美观且透光性好方便后期加装LED指示灯。次选是3mm椴木板成本更低但边缘不如亚克力光滑且怕潮湿。切割参数这取决于你的机器功率。以我的60W CO2激光切割机为例切割3mm亚克力的典型参数是功率65%速度10mm/s单次切割即可透。一定要先在不显眼的位置进行测试切割功率过高或速度过慢会导致材料熔化过多切缝变宽影响插槽精度功率过低则切不透。3.3 组装流程与技巧零件切割好后别急着撕保护膜。先按图纸分类摆放。组装底盘首先将两个带减速的直流电机用螺丝固定在电机支架上然后将支架插入底板对应的卡槽。这里卡槽的松紧度就体现出之前设计补偿的重要性了——应该需要稍微用力才能卡紧达到“无螺丝固定”的效果。接着安装万向轮我用的是现成的塑料万向轮通过底板上的孔位螺丝固定。安装驱动层将L298N电机驱动板、电池盒4节AA电池用尼龙柱和螺丝固定在底板上方。连接电机线、电源线但先不要接主控板。组装上层平台将顶板、侧板、传感器安装板我设计了一个可调节角度的支架通过插槽组装好形成一个“楼阁”。总装与布线将上层平台套在底层立柱上。此时空间层次分明。将Arduino Uno、NRF24L01模块最好加上延长座以增强信号固定在上层。最后进行布线电池正负极接入L298N的电源输入端Arduino的Vin接L298N的5V输出为Arduino供电Arduino的数字引脚连接L298N的输入控制端NRF24L01按引脚定义接在Arduino的SPI接口上。撕膜与检查全部组装并通电测试基本功能手动给电机驱动信号看轮子是否转后再撕掉所有亚克力板的保护膜一辆晶莹剔透的小车就诞生了。4. 无线遥控与运动控制代码详解硬件组装完毕大脑程序才是灵魂。这套系统的代码分为遥控器发射端和小车接收端两部分。4.1 通信协议与数据包定义为了保证通信的可靠和高效我们需要定义一个简单的数据包结构。使用NRF24L01时我们将其配置为增强型 ShockBurst 模式它会自动处理数据包和应答。我定义的数据包结构如下用一个结构体表示struct RemoteData { byte joyX; // 摇杆X轴值 (0-255, 128为中心) byte joyY; // 摇杆Y轴值 bool buttonA; // 采集按钮A bool buttonB; // 功能按钮B bool emergencyStop; // 急停按钮 };joyX和joyY来自摇杆模块的模拟输入analogRead映射到0-255。中心点约128。按钮是数字输入按下为true。整个结构体很小非常适合无线传输。4.2 遥控器发射端代码核心遥控器端的核心任务就是读取硬件状态然后打包发送。#include SPI.h #include nRF24L01.h #include RF24.h RF24 radio(7, 8); // CE, CSN引脚 const byte address[6] 1Node; // 通信管道地址 RemoteData myData; void setup() { Serial.begin(9600); radio.begin(); radio.openWritingPipe(address); radio.setPALevel(RF24_PA_LOW); // 近距离用LOW省电。距离远可调高。 radio.stopListening(); // 设置为发射模式 } void loop() { // 1. 读取传感器数据 myData.joyX map(analogRead(A0), 0, 1023, 0, 255); myData.joyY map(analogRead(A1), 0, 1023, 0, 255); myData.buttonA digitalRead(2); myData.buttonB digitalRead(3); myData.emergencyStop digitalRead(4); // 2. 发送数据 bool report radio.write(myData, sizeof(myData)); // 可选在串口监视器查看发送状态和数据 // if (report) { // Serial.print(Sent: X); Serial.print(myData.joyX); // Serial.print( Y); Serial.println(myData.joyY); // } else { // Serial.println(Send failed); // } delay(20); // 控制发送频率约50Hz }注意radio.write的返回值。这个布尔值表示是否收到了接收端的应答ACK。如果连续多次返回false可能意味着通信距离过远、有严重干扰或者接收端没上电。这是调试无线连接的重要依据。4.3 小车接收端代码与运动控制逻辑接收端代码稍复杂需要解析指令并控制电机。#include SPI.h #include nRF24L01.h #include RF24.h RF24 radio(7, 8); // 引脚与发射端对应 const byte address[6] 1Node; // 电机驱动引脚定义 (以L298N为例) const int enA 5; // 左电机PWM调速 const int in1 4; const int in2 3; const int enB 6; // 右电机PWM调速 const int in3 2; const int in4 1; RemoteData receivedData; void setup() { pinMode(enA, OUTPUT); pinMode(in1, OUTPUT); // 左电机控制引脚 pinMode(in2, OUTPUT); pinMode(enB, OUTPUT); pinMode(in3, OUTPUT); // 右电机控制引脚 pinMode(in4, OUTPUT); Serial.begin(9600); radio.begin(); radio.openReadingPipe(0, address); radio.setPALevel(RF24_PA_LOW); radio.startListening(); // 设置为接收模式 } void loop() { if (radio.available()) { radio.read(receivedData, sizeof(receivedData)); // 急停最高优先级 if (receivedData.emergencyStop) { stopMotors(); return; } // 解析摇杆值转换为电机速度 int x receivedData.joyX - 128; // -128 到 127 int y receivedData.joyY - 128; // -128 到 127 // 差速转向模型一个简单的实现 int leftSpeed y x; // 前进时右转则左边轮子更快 int rightSpeed y - x; // 前进时右转则右边轮子更慢或反转 // 将速度限制在PWM范围内 (-255 ~ 255) leftSpeed constrain(leftSpeed, -255, 255); rightSpeed constrain(rightSpeed, -255, 255); // 驱动电机 driveMotor(leftSpeed, enA, in1, in2); driveMotor(rightSpeed, enB, in3, in4); // 处理按钮命令 if (receivedData.buttonA) { triggerDataCollection(); // 触发数据采集函数 } } } // 驱动单个电机的函数 void driveMotor(int speed, int enPin, int pin1, int pin2) { bool direction speed 0; speed abs(speed); digitalWrite(pin1, direction ? HIGH : LOW); digitalWrite(pin2, direction ? LOW : HIGH); analogWrite(enPin, speed); // PWM调速 } void stopMotors() { analogWrite(enA, 0); analogWrite(enB, 0); } void triggerDataCollection() { // 这里是触发传感器采集的代码例如让摄像头拍照或读取距离传感器 Serial.println(Collection Triggered!); // 具体实现取决于你搭载的传感器 }这段代码实现了一个基本的差速转向模型。摇杆的Y值控制整体前进后退速度X值控制转向幅度。通过将YX和Y-X分别赋给左右电机就能实现类似坦克的转向效果。这是两轮差分驱动机器人最经典的控制方式。5. “采集”功能的实现从想法到传感器选型“乒乓球采集”是这个项目的点睛之笔也是最开放的部分。具体实现取决于你想采集什么数据。我当时实验了两种方案各有优劣。5.1 方案一视觉采集低成本摄像头方案这是最初的想法在小车上架一个摄像头遥控它到球落点附近拍照或录像后期分析。硬件我选用的是ESP32-CAM模块。它集成了摄像头和Wi-Fi/蓝牙虽然本项目主控是Arduino但ESP32-CAM可以作为一个独立的视觉节点。我将其固定在小车的传感器支架上通过一个小的移动电源单独供电。实现ESP32-CAM编程建立一个简单的Web服务器。当小车端的Arduino收到采集指令按钮A时可以通过一个数字引脚发送信号给ESP32-CAM或者更简单通过串口发送指令触发其拍照并将照片通过Wi-Fi上传到本地电脑或手机端。优点信息丰富能直接看到球、球桌甚至球员的姿态。缺点处理延迟图像传输和后续处理无论是本地还是边缘都需要时间无法实时反馈。对光照敏感乒乓球馆光线不均或过强过弱都会影响图像质量。数据量大需要处理视频流或大量图片对存储和算力有要求。实操心得这个方案更适合事后分析。实际使用时我更多是让小车移动到预定位置比如球桌四个角进行定点拍摄而不是追着球跑。ESP32-CAM的Wi-Fi信号在金属球桌附近衰减明显需要调整天线位置。5.2 方案二超声波/红外测距方案模拟“落点”为了追求实时性我尝试了更简单的方案用测距传感器模拟“球过网”或“球近端”的检测。硬件HC-SR04超声波模块或Sharp GP2Y0A21红外测距传感器。我将两个传感器以一定角度安装在小车前端形成一个简单的“探测区域”。实现Arduino持续读取传感器的距离值。当乒乓球快速通过探测区域时会引发距离读数的骤变一个尖峰脉冲。通过设置一个阈值和简单的滤波算法可以检测到这个“事件”并记录下发生的时间戳。结合小车的实时位置可通过编码器粗略估算但本项目没加可以大致判断球通过的横向位置。优点响应极快几乎可以实时检测。电路和代码简单可靠。缺点信息量单一只能知道“有物体通过”无法区分是球、手还是其他干扰。探测范围、角度有限精度不高。实操心得这是一个有趣的“简化模型”。它无法真正替代视觉分析但作为创客项目它很好地演示了“数据采集”的概念。为了减少误触发我将传感器安装得略高于桌面并调整探头角度使其探测平面与桌面平行但略高这样正常的手部活动不太会触发快速低空飞过的球则容易触发。代码上需要加入软件去抖和滑动窗口均值滤波来稳定数据。// 一个简单的滑动均值滤波和事件检测示例 const int sensorPin A0; const int windowSize 5; int readings[windowSize]; int readIndex 0; long total 0; int average 0; const int thresholdChange 50; // 距离突变的阈值 void setup() { Serial.begin(9600); for (int i0; iwindowSize; i) readings[i] 0;} void loop() { total - readings[readIndex]; // 减去最旧的读数 readings[readIndex] analogRead(sensorPin); // 读取新值 total readings[readIndex]; readIndex (readIndex 1) % windowSize; average total / windowSize; static int lastAvg average; int change abs(average - lastAvg); if (change thresholdChange) { Serial.println(Event Detected!); // 检测到可能的事件 // 可以在这里记录时间戳或触发其他动作 } lastAvg average; delay(10); }5.3 方案对比与选型建议特性视觉方案 (ESP32-CAM)测距方案 (超声波/红外)信息维度丰富二维图像单一一维距离实时性差秒级延迟好毫秒级响应环境要求高光照影响大中声/红外干扰实现复杂度高需图像处理低简单逻辑判断成本中低适用场景事后动作/轨迹分析实时通过事件计数、简易定位对于入门和演示我强烈推荐从测距方案开始。它能让你快速建立起“采集-响应”的闭环理解整个系统的工作流程。视觉方案可以作为后续的升级挑战。6. 电源管理与系统优化一个小车能稳定跑多久电源设计是关键。我的系统功耗主要来自两个直流减速电机启动电流大运行电流约100-200mA每个。Arduino Uno约50mA。NRF24L01模块发射时约15mA接收时约12mA。传感器超声波模块约15mAESP32-CAM峰值可达300mA。最初我用的是4节AA电池6V给L298N供电然后由L298N的5V输出给Arduino供电。但很快发现问题电机启动瞬间的电压骤降会导致Arduino重启小车失控。解决方案是“电源分离”动力电源使用一节7.4V 2S锂聚合物电池直接给L298N供电。锂电池放电能力强能轻松应对电机启动电流。控制电源使用一块小容量的3.7V单节锂电池配合一个DC-DC降压模块如MP1584EN稳定输出5V单独给Arduino、无线模块和传感器供电。两个电源地线GND需要连接在一起。这样电机电路的电压波动不会干扰到控制电路系统稳定性大大提升。一块2000mAh的2S电池可以让小车持续跑上1-2个小时。另一个优化点是无线通信的稳定性。NRF24L01对电源噪声非常敏感。务必在其VCC和GND之间并联一个10uF以上的电解电容和一个0.1uF的陶瓷电容并尽量让模块远离电机和电机驱动线。如果通信距离不理想可以尝试更换为带有外置天线的型号如NRF24L01PALNA。7. 项目总结与未来可扩展方向回顾整个项目从激光切割图纸设计到无线通信调试再到最后的“采集”功能尝试是一个典型的“发现问题-解决问题”的创客过程。这个乒乓球采集车与其说是一个成熟的产品不如说是一个多功能的技术验证平台。它验证了激光切割在快速原型制作中的高效与灵活。2.4G无线通信在小型移动设备上的可靠控制。基于Arduino的模块化系统集成能力。不同传感器视觉vs测距在动态数据采集中的应用特点。在实际操作中我最大的体会是“简单可靠”远胜于“复杂先进”。最初总想用摄像头做复杂的视觉跟踪但受限于当时的技术条件和项目周期反而让项目难以推进。后来切换到简单的测距方案虽然功能简单但整个系统很快就能跑通获得了正反馈这非常重要。未来这个平台有太多可以扩展的方向增加编码器给电机加上旋转编码器实现小车的里程计功能可以更精确地知道它移动的距离和角度为真正的“路径规划”和“定位”打下基础。升级主控将Arduino Uno换成ESP32。它自带Wi-Fi和蓝牙双核处理能力更强可以直接运行更复杂的程序如简单的图像处理还能轻松实现手机APP遥控和网页控制界面。多传感器融合结合超声波、红外甚至一个低分辨率的TOF飞行时间传感器通过算法融合数据提高“球过网”检测的准确率和抗干扰能力。实现半自主结合编码器和简单的PID算法让小车能够实现“定速巡航”、“走到指定坐标点”等功能。甚至可以尝试用红外或视觉传感器让小车自动跟随乒乓球的轨迹移动虽然很难。数据可视化将采集到的事件数据如“过网”时间戳通过无线发送到电脑用Processing或Python实时绘制出简单的“球路”统计图。这个项目的乐趣就在于它像一块积木你可以根据自己的兴趣和技术栈不断往上添加新的功能。它可能永远无法替代专业设备但在这个过程中学到的机械设计、电子电路、嵌入式编程和问题解决的能力才是最有价值的收获。希望我的这份详细拆解能给你带来一些动手的灵感和勇气。

相关新闻

微观经济学核心概念解析:从供需弹性到成本收益的完整框架

微观经济学核心概念解析:从供需弹性到成本收益的完整框架

1. 从“天书”到“工具”:为什么我们需要搞懂这些缩写刚开始接触西方经济学,尤其是微观部分的时候,很多同学都会有种感觉:这书里怎么这么多英文字母缩写?P、Q、MC、MR、AC、AVC……它们像密码一样穿插在图表和公式里&a…

2026/7/29 4:54:08 阅读更多 →
Matlab实现MK趋势与突变检验:水文气象数据分析实战

Matlab实现MK趋势与突变检验:水文气象数据分析实战

1. 项目概述:从数据到洞察,MK检验如何揭示水文气象的隐秘信号在气象、水文、生态乃至金融时间序列分析领域,我们手里常常攥着一大把按时间顺序排列的数据——比如过去50年的年均降雨量、一条河流的月均流量,或者某个城市的年平均气…

2026/7/29 4:54:08 阅读更多 →
GNURadio中USRP组件核心原理与实战配置指南

GNURadio中USRP组件核心原理与实战配置指南

1. 项目概述:从零认识GNURadio与USRP这对黄金搭档如果你刚接触软件无线电,或者正打算用LabVIEW来驱动USRP,却卡在了驱动版本匹配上,那你来对地方了。今天我们不聊那些复杂的理论推导,就从一个一线工程师的视角&#xf…

2026/7/29 4:54:07 阅读更多 →

最新新闻

YouTube Premium 订阅再升级:2027 年前可直看孔雀台,比单订两项服务更划算!

YouTube Premium 订阅再升级:2027 年前可直看孔雀台,比单订两项服务更划算!

YouTube Premium 新增福利:直连孔雀台内容YouTube 的无广告 Premium 订阅服务迎来新变化,与 NBC 环球达成多年协议,自 2027 年前,Premium 订阅用户能直接通过 YouTube 应用程序观看孔雀台带有广告的节目、电影和体育赛事直播。You…

2026/7/29 5:01:10 阅读更多 →
想学渗透测试,这十个黑客论坛你得先认全

想学渗透测试,这十个黑客论坛你得先认全

很多零基础想转行网络安全的朋友,第一步往往卡在“不知道去哪学”。市面上教程五花八门,但真正能接触到一线实战思路、最新漏洞情报的地方,往往是那些资深从业者聚集的论坛。认识这些圈子,不是为了凑热闹,而是为了看清…

2026/7/29 5:01:10 阅读更多 →
机床检测全维度解析:从精度标准到智能检测技术的产业深度报告

机床检测全维度解析:从精度标准到智能检测技术的产业深度报告

机床检测全维度解析:从精度标准到智能检测技术的产业深度报告 摘要 机床作为"工业母机",其精度与可靠性直接决定了下游制造业的整体质量水平。本文系统梳理了机床检测行业的标准体系、核心检测技术、十大关键检测项目,并深入剖析了…

2026/7/29 5:01:10 阅读更多 →
物联网设备电池智能管理方案与NBM7100A应用

物联网设备电池智能管理方案与NBM7100A应用

1. 项目背景与核心挑战在物联网设备井喷式发展的今天,不可充电的初级电池(如锂亚硫酰氯电池、碱性电池等)仍然是许多低功耗设备的首选电源方案。这类电池具有能量密度高、自放电率低、成本低廉等优势,但同时也面临一个致命缺陷&am…

2026/7/29 5:01:10 阅读更多 →
物联网设备低功耗优化与电池寿命延长技术

物联网设备低功耗优化与电池寿命延长技术

1. 物联网设备电池寿命延长的核心挑战在野外环境监测、工业传感器网络等典型物联网应用中,设备往往需要部署在难以频繁维护的偏远位置。我曾参与过一个高原气象站项目,设备安装在海拔4500米的无人区,更换电池需要专门组织登山队,单…

2026/7/29 5:01:10 阅读更多 →
从零实现基于串口中断的485 Modbus RTU主机程序:硬件、状态机与避坑指南

从零实现基于串口中断的485 Modbus RTU主机程序:硬件、状态机与避坑指南

1. 项目缘起:为什么从零开始写一个485 Modbus程序?最近在做一个工业数据采集的小项目,核心任务是把现场几台温控仪、流量计的数据读到上位机里。设备清一色用的都是RS-485接口,通信协议是Modbus RTU。一开始,我图省事&…

2026/7/29 5:00:10 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