程序员威哥的个人主页 - 动态

18天前

Java+YOLO自定义数据集实战：训练模型转换→调用→精度调优

在工业检测、场景识别等实际业务中，YOLO预训练模型无法适配自定义目标（如特定零件、专属标识、定制化缺陷等），需基于自定义数据集完成模型训练、格式转换、Java工程化调用及...

0

18天前

Java+YOLOv11实现多标签检测：从模型训练到工程化落地

工业质检场景中，单一零件往往存在多类缺陷共存的情况（如轴承同时出现“划痕+尺寸偏差+表面锈蚀”），传统单标签检测仅能识别一种缺陷，无法满足全维度质检需求。YOLOv11原生...

0

18天前

单体项目迁移Spring Cloud Alibaba，核心改造步骤与踩坑点有哪些？

18天前

Go语言替代Java开发高并发服务，技术选型与落地难点该如何突破？

23天前

性能翻倍！Java+YOLO推理优化实战：CPU加速+INT8量化（新手必看，避坑指南）

做Java后端+计算机视觉开发的同学，大概率都遇到过YOLO推理的性能瓶颈——本地调试时推理速度尚可，但部署到生产环境（尤其是CPU服务器）后，单张图片推理耗时动辄几百毫秒...

0

23天前

ONNX转TensorRT踩坑记：精度损失3%以内的实战小技巧（新手必看）

做深度学习工程化部署的同学，大概率都绕不开「ONNX转TensorRT」这一步——毕竟要兼顾推理速度和部署效率，TensorRT几乎是GPU部署的首选，但这中间的坑，只有实...

0

23天前

Java高并发场景下，线程池与锁机制的最优实战配置该如何设计？

服务端与架构

赞过

2

23天前

Spring Boot 3.x 如何搭建高可用微服务架构，解决分布式事务与限流熔断问题？

24天前

硬核实战：告别封装库！Java手写YOLO后处理，NMS优化+坐标反解一站式落地

在Java生态部署YOLO目标检测模型（YOLOv5/v8/v10）时，我们大多会用ONNX Runtime完成模型推理，但后处理环节却常常依赖第三方封装库（如Tensor...

0

24天前

Java+YOLO+OCR：端到端车牌识别系统的全流程打造

在智慧停车、高速卡口、园区门禁等工业场景中，车牌识别是核心基础能力。目前市面上的车牌识别方案多以Python为核心开发栈，而企业级后端服务普遍采用Java生态构建，直接复用...

0

24天前

机器视觉工业质检，YOLO和D-Fine怎么选？高精度选后者，低成本快速部署选前者

AICoding交流

赞过

3

24天前

爬虫合规到底怎么把握？爬公开数据也会踩雷，求掘友分享避坑经验

大模型生态圈

25天前

工业级落地实战：YOLOv8+TensorRT+Java构建超高帧率目标检测推理服务

在智能制造、智慧安防、工业质检等工业场景中，目标检测推理服务的帧率和稳定性直接决定业务落地效果。YOLOv8凭借轻量化架构和高精度检测能力成为工业场景首选，但原生PyTor...

1

25天前

低代码落地实战：基于Java封装YOLO通用检测SDK，5分钟集成目标检测能力

做业务开发的同学大概率都遇到过这类需求：电商系统要集成商品瑕疵检测、安防平台要加人脸/车辆检测、物流系统要识别包裹条码——核心都是目标检测，但每次都要从头对接YOLO模型、...

0

25天前

国产工控框架对比，C#开发上位机有没有替代WinForm/WPF的轻量框架？

服务端与架构

赞过

1

25天前

C#做上位机，怎么优化大数据量的实时采集和界面渲染？避免卡顿的核心技巧

服务端与架构

赞过

2

3

27天前

智慧安防实战：Java+YOLO 解析 RTSP 流实现监控画面实时异常检测

一、前言智慧安防是边缘计算与计算机视觉结合的典型场景，传统安防监控多以人工回看为主，效率低且易遗漏；而基于 AI 的实时异常检测可在事件发生时立即告警，大幅提升安防响应效...

0

27天前

Jetson Nano 实战：Java+YOLOv26 实现边缘端实时目标检测

一、前言边缘计算的普及让 AI 推理从云端走向终端，Jetson Nano 作为英伟达面向入门级边缘计算的硬件平台，以低成本、低功耗的特性成为嵌入式 AI 开发的首选；而...

0

27天前

工业通信协议踩坑：Modbus RTU、OPC UA、S7，哪个在产线环境下最稳？

服务端与架构

1

27天前

Java做爬虫和Python比，除了稳定性，开发效率是真的低，有没有优化技巧？

AICoding交流

1