羲和望舒的案例列表
工业物联网设备状态监控与数据可视化大屏
本项目是一套面向工业现场定制的“高并发数据采集与实时监控上位机系统（HMI）”，旨在解决传统制造企业中各类设备数据孤岛、无法统一监控的痛点。 技术架构与核心职责： 底层高并发通信：采用 C++ 构建数据核心层，利用多线程机制与异步 I/O，高频对接底层传感器或 PLC 设备。通过信号槽机制将模拟的实时状态数据精准推送到前端，确保数据采集的高效与实时性。 全自研高性能图表渲染：放弃笨重的第三方图表库，基于 QML 的 Canvas API 纯手绘实现了极低延迟的“动态实时折线图”与“霓虹发光仪表盘”，确保在海量数据刷新下界面依然保持 60 帧的极致流畅度。 现代化工业 U
跨平台个人数据记录与本地存储系统
本项目是基于 C++ 与 Qt 框架独立开发的一款跨平台（Windows/Android）数据记录工具。实现了从UI设计、底层逻辑编写到最终打包的全链路交付。 核心功能：支持数据的增删改查，使用 QML 构建了流畅的响应式界面，底层利用 C++ 处理数据的持久化保存与解析。 技术难点：成功突破了 Android 11+ 的沙盒存储限制，调用系统原生 API 实现数据的安全读写与导出；完成了 Android NDK 环境配置、交叉编译及专属签名打包。系统具备极高的稳定性和跨平台兼容性，该架构可直接复用于各类定制化管理系统。
AI视觉工业质检与实时监控大屏系统
本项目是一套面向制造企业流水线定制的“AI视觉质检与实时监控上位机软件”，旨在替代传统人工质检，解决效率低、易漏检、数据无法沉淀的痛点。 技术架构与核心实现： 底层驱动与流处理：采用 C++ 作为底层逻辑核心，结合 Qt Multimedia 模块，实现工业相机或 USB 摄像头视频流的实时拉取与高性能渲染。 AI 结果渲染与叠加：前端基于 Qt Quick (QML) 构建。通过分层渲染技术（Z轴控制），在实时视频流之上，精准叠加 AI 算法返回的缺陷坐标（Bounding Box），并绘制带有动态四角高亮和置信度标签的红色检测框。 多线程数据联动：利用 C++ 定时
案例判断参考
羲和望舒的案例列表
工业物联网设备状态监控与数据可视化大屏
本项目是一套面向工业现场定制的“高并发数据采集与实时监控上位机系统（HMI）”，旨在解决传统制造企业中各类设备数据孤岛、无法统一监控的痛点。 技术架构与核心职责： 底层高并发通信：采用 C++ 构建数据核心层，利用多线程机制与异步 I/O，高频对接底层传感器或 PLC 设备。通过信号槽机制将模拟的实时状态数据精准推送到前端，确保数据采集的高效与实时性。 全自研高性能图表渲染：放弃笨重的第三方图表库，基于 QML 的 Canvas API 纯手绘实现了极低延迟的“动态实时折线图”与“霓虹发光仪表盘”，确保在海量数据刷新下界面依然保持 60 帧的极致流畅度。 现代化工业 U...
跨平台个人数据记录与本地存储系统
本项目是基于 C++ 与 Qt 框架独立开发的一款跨平台（Windows/Android）数据记录工具。实现了从UI设计、底层逻辑编写到最终打包的全链路交付。 核心功能：支持数据的增删改查，使用 QML 构建了流畅的响应式界面，底层利用 C++ 处理数据的持久化保存与解析。 技术难点：成功突破了 Android 11+ 的沙盒存储限制，调用系统原生 API 实现数据的安全读写与导出；完成了 Android NDK 环境配置、交叉编译及专属签名打包。系统具备极高的稳定性和跨平台兼容性，该架构可直接复用于各类定制化管理系统。...
AI视觉工业质检与实时监控大屏系统
本项目是一套面向制造企业流水线定制的“AI视觉质检与实时监控上位机软件”，旨在替代传统人工质检，解决效率低、易漏检、数据无法沉淀的痛点。 技术架构与核心实现： 底层驱动与流处理：采用 C++ 作为底层逻辑核心，结合 Qt Multimedia 模块，实现工业相机或 USB 摄像头视频流的实时拉取与高性能渲染。 AI 结果渲染与叠加：前端基于 Qt Quick (QML) 构建。通过分层渲染技术（Z轴控制），在实时视频流之上，精准叠加 AI 算法返回的缺陷坐标（Bounding Box），并绘制带有动态四角高亮和置信度标签的红色检测框。 多线程数据联动：利用 C++ 定时...
