# easyaiot **Repository Path**: noteplus/easyaiot ## Basic Information - **Project Name**: easyaiot - **Description**: 我希望全世界都能使用这个系统,实现AI的真正0门槛,人人都能体验到AI带来的好处,而并不只是掌握在少数人手里。支持上千种垂直场景,支持AI模型定制化和AI算法定制化开发 深度融合,赋能万物智视:EasyAIoT 构筑了物联网设备(尤其是海量摄像头)的高效接入与管控网络。我们深度融合流媒体实时传输技术与前沿人工智能(AI),打造一体化服务核心。 - **Primary Language**: Java - **License**: MIT - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 947 - **Created**: 2026-08-10 - **Last Updated**: 2026-08-10 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # EasyAIoT(云边端一体化智能算法应用平台) [](https://gitee.com/soaring-xiongkulu/easyaiot/stargazers) [](https://gitee.com/soaring-xiongkulu/easyaiot/members)
我希望全世界都能使用这个系统,实现AI的真正0门槛,人人都能体验到AI带来的好处,而并不只是掌握在少数人手里。
EasyAIoT(Easy AI Internet of Things)是一款云边端一体化的智能算法应用平台,专注于将人工智能与物联网深度融合,让摄像头、传感器与边缘算力在现场即可协同运转——从设备接入、数据采集,到实时视觉分析、智能研判与告警联动,全链路在一套软件中贯通完成。
许多智能物联网项目落地时面临同一困境:视频系统、设备平台、算法服务各自为政,集成成本高、运维割裂、扩容困难。EasyAIoT 用一套平台化解这一矛盾——同一套软件既可部署在 4 GB 边缘盒子上实现单点智能,也可搭载于 AI 一体摄像头完成楼面级覆盖,还能装进企业级全栈一体机,一箱配齐 IoT 纳管、海量视频接入与 AI 分析研判,不必维护多套版本、不必反复对接异构系统。
平台由 WEB、APP、DEVICE、NODE、VIDEO、RTC、AI、RUNTIME、EDGE、VISUALIZE、TRANSFORM、PANEL、SITE 等核心模块组成,并以 COMPILE 承接多平台打包交付(含 Ubuntu / CentOS·RHEL 7~9(x86 + CentOS ARM,按 el7/el8/el9 分包) / 麒麟(Kylin) / 欧拉(openEuler) / Windows / macOS / ARM)。在能力侧,平台覆盖 GB28181 / ONVIF 多协议摄像头接入、RTC 消费级摄像头 P2P 桥接(基于 go2rtc,覆盖 Tapo、Tuya、Ring、Nest、小米、Wyze、DoorBird、GoPro、Roborock 九大品牌——门店 Tapo 补盲、涂鸦白牌纳管、海外 Ring/Nest 门铃、米家存量利旧、Wyze 低成本扩点、DoorBird 门口对讲、GoPro 机动机位、石头扫地机移动视角等场景,Web 一键接入并纳入统一视频与 AI 研判闭环)、大疆机场与无人机空中视角接入、实时 / 抓拍 / 巡检算法任务、RUNTIME C++ 高速帧执行器(统一承接三类任务的拉流解码与推理;实时任务另默认推带框检测流;支持计算节点原子模式只装执行器、告警汇聚中心)、YOLO 目标检测与 SAM 零样本自动标注、人脸/车牌识别、可编排业务后处理、联邦算力集群调度,以及 无限联邦边缘集群模式(普通开发板可即开即用、现场智能就地决策、告警与证据自动汇聚上云,算力随业务任意铺开),还有 MQTT / TCP / HTTP / Modbus-TCP / Modbus-RTU / OPC UA 物联网设备全生命周期管理,以及可视化大屏与 Web 工艺组态,让设备数据既能展成指挥态势、也能落回工艺画面;并新增 TRANSFORM 多向数据流转引擎,把平台侧业务事件按约定投递到 MES / ERP / CRM / WMS 等外部系统,多方对接可配、可追、可复用;配套 PANEL 交付与值守入口,让一体机到场当天可装可验,值守与排障不必事事等开发远程敲命令;另以 SITE 官方网站对外呈现产品价值、三档硬件选型与安装包入口,让访客先看懂再下载、先选型再落地。在体验侧,Web 管控台与移动 App / 小程序能力对齐,让指挥中心与现场巡检同一套业务逻辑、随时随地处置。
一句话概括:EasyAIoT = AI + IoT,让万物互联的同时实现万物智视、万物智控。
📄 如需更完整的图文介绍,请参阅 EasyAIoT项目介绍 V2.0(PPT),以及 AI视频监控分析平台(PDF)。
## 🌟 关于项目的一些思考 ### 📍 项目定位EasyAIoT是一个云边端一体化的智能物联网平台,专注于AI与IoT的深度融合。平台通过算法任务管理、实时流分析、模型服务集群推理等核心能力,实现从设备接入到数据采集、AI分析、智能决策的全链路闭环,真正实现万物互联、万物智控。
### 🎛️ PANEL:一体机到场当天可装可验,值守不必等开发远程智能物联网项目最容易卡在「最后一公里」:机器到了现场,却装不起来、验不出去、出了故障只能等开发远程敲命令,驻场成本与验收周期都被人拖住。PANEL 是面向集成商与现场运维的独立交付与值守入口——按档位一键装机、看清整机健康与依赖、启停服务与查日志当场办完;业务管控台尚未就绪时,也能先把整机拉起来、守住、交出去,把「机器到场 → 平台可用 → 可验收」从等人变成当天可闭环。
📦 安装包下载:Ubuntu / Debian、CentOS / RHEL 7~9(x86 + CentOS ARM,对应 el7/el8/el9 RPM)、Windows、macOS 及 ARM / 麒麟(Kylin) / 欧拉(openEuler)等目标安装包见 Gitee Releases。
| | | | |:---:|:---:|:---:| |  |  |  | |  |  |  | |  |  |  | ### 📡 RTC:消费级摄像头 P2P 桥接,让「没有 RTSP」的设备也能进平台家庭、门店与轻量安防场景里,大量已在用的设备来自 Tapo、涂鸦、Ring、Nest、小米、Wyze、DoorBird、GoPro、Roborock 等品牌——它们普遍走厂商私有 P2P 协议,原生不提供标准 RTSP,传统视频监控平台往往只能劝用户另搭 Micam、Home Assistant 等中间件,接入链路长、运维割裂、AI 研判接不进来。EasyAIoT 新增独立 RTC 模块,基于开源项目 go2rtc,一次打通上述九大品牌的取流与对讲能力,把 P2P 桥接与平台编排收成一体——消费级设备也能像国标/ONVIF 摄像头一样,注册、预览、推流转发、挂 AI 任务、告警联动全链路打通。
已覆盖品牌与典型价值场景:
| 品牌 | 厂商 / 生态 | 典型设备 | 落地价值 |
| Tapo | TP-Link | 家用 IPC、室内/室外枪机、球机 | 门店、出租屋、小微店铺低成本补盲;云密码直连,支持双向对讲,无需折腾 RTSP 密码 |
| Tuya | 涂鸦智能 | 涂鸦生态 IPC、门铃、室内机 | 海量白牌/OEM 摄像头一次纳管;出海与国内涂鸦系设备统一接入,减少「一品牌一套对接」 |
| Ring | Amazon | 门铃、室外机、Spotlight Cam | 海外社区、跨境电商仓门铃监控入平台;账号绑定后本地 P2P 取流,支持远程对讲 |
| Nest | Nest Cam、Doorbell | 高端住宅、涉外项目Google 生态门铃/摄像头纳入统一值守,与专业摄像机同屏研判 | |
| 小米 | 米家 / Mi Home | 米家摄像机、智能门铃、室外机 | 国内家庭与连锁门店存量米家设备利旧;免 Micam 中间件,直连平台挂 AI 分析 |
| Wyze | Wyze | Wyze Cam v3/v4、门铃、室外机 | 极致性价比摄像头批量入平台;本地 P2P、支持双向对讲,适合试点与广域补点 |
| DoorBird | DoorBird | 智能门铃、门口机 | 别墅、高端社区门口可视对讲与平台告警联动;MJPEG/音频/对讲一体桥接 |
| GoPro | GoPro | HERO9–12(USB / Wi-Fi) | 巡检、应急、运动视角机动机位;临时机位快速入流,适合勘察与现场记录 |
| Roborock | 石头科技 | S6/S7/Qrevo MaxV 等带摄像头扫地机 | 移动视角补盲——家具底部、床底等固定摄像头看不到的区域;部分型号支持双向对讲 |
/register/device/rtc-live → RTC 管理 API → go2rtc P2P 取流 → 标准 RTSP 输出 → SRS 推流转发 → Jessibuca 播放与 AI 分析,九大品牌同一套流程,无需额外中间件bash RTC/install_linux.sh start 即可启动 go2rtc + Python 管理服务,默认 host 网络适配 P2P 局域网直连📖 详细接入文档见 RTC 模块 README。
### 🎯 三档硬件,一套平台很多智能物联网项目走到落地时都会卡住:功能做全了,小机器装不下;为了装得下,又得砍能力、拆版本、维护多套部署包。 EasyAIoT 用同一套平台化解这一矛盾——边缘盒子点上智能、AI 一体摄像头上墙即分析、AIoT 智能全栈一体机一箱配齐全链路,三类最常见的现场硬件各选一档即可,同一套软件贯穿从单点试点到楼面覆盖再到全栈交付,不必拆版本。
| 选型 | 典型硬件(举例) | 推荐内存 | 你能做到什么 | 实测验证 | | :-- | :-- | :--: | :-- | :--: | | **mini** 边缘精简版 | 边缘盒子(4 GB 工控机、门店安防一体机、工地现场网关) | ≥ 4 GB | 一个点位装上就有智能:摄像头接入、实时分析、智能告警、模型推理,最低成本落地视觉能力 | 仅需约 2 GB,余量充足 | | **standard** 标准版 | AI 一体摄像头(智能摄像终端、带算力 AI 监控摄像头、多目 AI 分析一体机) | ≥ 16 GB | 每路摄像头即智能节点:多路摄像头上墙即可楼面/园区级覆盖,设备、规则、算力统一编排,多场景并行运营 | 约 10 GB,运行平稳有余量 | | **full** 完整版(默认) | AIoT 智能全栈一体机(企业级全栈智控一体机、行业物联网全栈主机、云边端一体智能平台一体机) | ≥ 20 GB | 一箱配齐 IoT + 视频 + AI:设备纳管、海量接入、智能分析、指挥研判一体化,全量能力长期稳跑 | 约 14 GB,全能力开启仍留足余量 |安装选型与资源符合性(实测):
| | | | |:---:|:---:|:---:| |  |  |  | #### 🧠 AI能力install_linux_centos_arm.sh 专用入口——自动检测 CentOS/RHEL 系发行版与 ARM 架构,安装/升级 Docker CE、配置国内镜像源并放行 firewalld 常用端口,再转交 install_linux_arm.sh 完成 ARM 业务镜像部署。与 x86 侧 install_linux_centos.sh 命令与交互菜单一致,让「CentOS + ARM」现场不必再手工拼通用 ARM 脚本与 EL 系环境准备,装机路径更短、更稳RUNTIME 模块以同一二进制承接三类算法任务:实时(长连接拉流 + Pipeline)、抓拍(Cron 调度 SnapScheduler)、巡检(多设备轮巡 PatrolScheduler)。共性路径为拉流/采帧 → 解码 → YOLO 推理 → 告警/心跳回传;流水线以环形队列解耦(满则丢最旧帧),端到端时延与丢帧可观测。VIDEO 以 executor=cpp 按任务拉起,编排、原画预览与告警落库仍在 VIDEO,不替代视频平台层。其中正式实时任务默认额外推独立 AI 检测流(SRS ai/{设备}),与原画预览 live/ 双路分离——值守既能看清原画,又能切到带框图研判;抓拍/巡检以结构化结果与告警为主(有地址时亦可推流,但不强制长推)。默认 prefer GPU(失败自动回退 CPU)。需要极致吞吐时一键走 C++ 后端,让「编排归 VIDEO、算力归 RUNTIME」成为可落地的混编加速路径。详见 RUNTIME/README.mdVIDEO_BASE_URL 把告警与心跳汇聚到中心 VIDEO;中心下发正式算法任务(实时 / 抓拍 / 巡检,executor=cpp)时由同一二进制承接,其中实时任务仍默认推带框检测流到中心/集群 SRS。原子 ≠ 永不推流:原子只表示「本机无业务面」,智能与画面仍回中心统一研判。一键入口:VIDEO_BASE_URL=http://<中心>:6000 bash .scripts/docker/install_linux.sh runtime;亦可经 WEB「业务运行时分发」批量 SSH 安装到节点task_type=patrol 在计算节点执行。支持轮询、连接池、混合三种调度模式——可按设定间隔自动抓拍、运行检测模型并联动告警与人脸/车牌识别;混合模式下焦点路常驻盯防、背景路轮巡,兼顾重点布控与全域覆盖。巡检进度实时可见,抓拍自动留存,支持从分屏画面或设备目录一键拉起数百路巡检,以「少连接、广覆盖、快发现」的方式,将传统人工逐屏翻看的值守模式升级为智能化自动巡检executor=cpp(拉起 RUNTIME,默认推带框 AI 流并回传告警/心跳),亦可选 python,适用于监控、安防等实时场景executor=cpp(RUNTIME SnapScheduler / Cron 调度),对抓拍画面智能识别,适用于事件回溯、图像检索等场景executor=cpp(RUNTIME PatrolScheduler),以「少连接、广覆盖」完成批量 AI 巡检live/ 原画,优先保障画清晰、少卡顿;算法侧由 RUNTIME(或 Python 执行器)承接实时 / 抓拍 / 巡检,正式实时任务默认把带框检测流推到独立 ai/ 应用,避免分析与观看争抢同一通道,保障「看得清、不卡断」与「算得动、可扩展」兼顾许多项目把 IoT 做成「设备台账 + 报文中转」,结果是:能连上,却管不住;能上报,却推不动;能告警,却看不清现场;有数了,却展不成屏、对不上工艺。EasyAIoT 把 IoT 定位为感知—理解—决策—执行闭环里的执行神经:传感器与执行器提供「数」,摄像头与 AI 提供「图」,可视化大屏与工艺组态把「数」变成可指挥的态势,规则与影子把两者拧成可运营的业务动作——让平台不只「看得见」,更能「展得成屏、看得懂工艺、管得住、控得准、扩得开」。
平台开箱即用,内置多种面向安防监控、工业现场、智慧交通等场景的预训练模型,可在算法任务中直接选用,快速完成部署与推理,无需从零训练即可覆盖常见视觉检测需求。
| 模型名称 | 推理格式 | 基础模型 | 能力说明 | | :-- | :--: | :--: | :-- | | 安全帽模型 | ONNX | YOLOv8 | 检测作业人员是否佩戴安全帽 | | 睡岗模型 | PyTorch | YOLOv8 | 识别岗位人员睡岗、脱岗等异常行为 | | 人模型 | PyTorch | YOLOv8 | 通用人体检测,用于画面中人员的识别与定位 | | 车牌模型 | ONNX | YOLOv8 | 识别车辆号牌信息 | | 反光衣模型 | PyTorch | YOLOv8 | 检测作业人员是否穿着反光衣 | | 火焰模型 | PyTorch | YOLOv8 | 识别明火、火焰等火灾隐患 | | 吸烟模型 | PyTorch | YOLOv8 | 识别人员吸烟行为 | | 打电话模型 | ONNX | YOLOv8 | 识别人员打电话、使用手机等行为 | | 道路积水模型 | ONNX | YOLOv8 | 识别道路积水、路面积水等异常状况 | | 口罩模型 | ONNX | YOLOv8 | 检测人员是否正确佩戴口罩 | | 跌倒检测模型 | ONNX | YOLOv8 | 识别人员跌倒等异常姿态 | | 人脸检测模型 | ONNX | YOLOv8 | 检测画面中人脸位置,支撑人脸识别链路 | ### 💡 技术理念我们认为没有任何一个编程语言能够擅长所有事情,但通过五种编程语言的深度融合,EasyAIoT将发挥各自优势,构建强大的技术生态。
Java擅长构建稳定可靠的平台架构,却不适合网络编程与AI开发;Python擅长网络编程与AI算法,却在高性能执行上存在瓶颈;C++擅长高性能任务执行,却不宜承担平台架构与AI编程;Go擅长高并发网络编程与协议实现,却不宜承担平台管控与AI算法;TypeScript擅长复杂前端交互与类型安全的工程化界面,却不宜承担后端高性能计算与AI推理。EasyAIoT采用五合一语言混编架构,让各语言各司其职,构建一个实现颇具挑战、使用却极其便捷的AIoT平台。
 ### 🔄 模块数据流转
### 🤖 零样本标注技术
创新性地依托大模型构建零样本标注技术体系(理想状态下完全去除人工标注环节,实现标注流程的自动化),该技术通过大模型生成初始数据并借助提示词技术完成自动标注,再经人机协同校验确保数据质量(可选),进而训练出初始小模型。该小模型通过持续迭代、自我优化,实现标注效率与模型精度的协同进化,最终推动系统性能不断攀升。
### 🏗️ 项目架构特点
EasyAIoT其实不是一个项目,而是多个可独立部署的子项目(含 WEB、DEVICE、VIDEO、RTC、AI 等)。
好处是什么呢?假如说你在一个受限的设备上(比如RK3588),你只需要拿出其中某个项目就可以独立部署,所以看似这个项目是云平台,其实他也可以是边缘平台。
🌟 真开源不易,如果这个项目对您有帮助,请您点亮一颗Star再离开,这将是对我最大的支持!
(在这个假开源横行的时代,这个项目就是一个异类,纯靠爱来发电)
EasyAIoT积极响应本土化战略,全面支持本土化硬件和操作系统,为用户提供安全可控的AIoT解决方案。已覆盖 麒麟(Kylin) / 欧拉(openEuler) 等国产操作系统的部署与 PANEL 安装包交付。
## 🧩 项目结构
EasyAIoT 由 WEB、APP、DEVICE、NODE、VIDEO、RTC、AI、RUNTIME、EDGE、VISUALIZE、TRANSFORM、PANEL、SITE 等核心模块组成,并配套 COMPILE 多平台打包交付能力:
| 模块 | 描述 |
| SITE模块 |
|
| WEB模块 |
|
| APP模块 |
|
| DEVICE模块 |
|
| NODE模块 |
|
| VIDEO模块 |
|
| RTC模块 |
|
| AI模块 |
|
| RUNTIME模块 |
|
| EDGE模块 |
|
| VISUALIZE模块 |
|
| TRANSFORM模块 |
|
| PANEL模块 |
|
| COMPILE打包 |
|
EasyAIoT支持在Linux、Mac、Windows三大主流操作系统上部署,为不同环境下的用户提供灵活便捷的部署方案;配套 COMPILE 可按目标系统产出安装包与可执行文件,配合 PANEL 完成到场装机与日常值守:
统一体验:无论选择哪种操作系统,EasyAIoT都提供一致的安装脚本和部署文档,确保跨平台部署体验的一致性。
## ☁️ EasyAIoT = AI + IoT = 云边端一体化解决方案支持上千种垂直场景,支持AI模型定制化和AI算法定制化开发,深度融合。
构筑了物联网设备(尤其是海量摄像头)的高效接入与管控网络。我们深度融合流媒体实时传输技术与前沿人工智能(AI),打造一体化服务核心。这套方案不仅打通了异构设备的互联互通,更将高清视频流与强大的AI解析引擎深度集成,赋予监控系统"智能之眼"——精准实现人脸识别、异常行为分析、风险人员布控及周界入侵检测。
平台支持实时、抓拍与巡检等类型的算法任务:三类任务均可默认走 RUNTIME C++ 高速执行器(executor=cpp)——实时任务长连接拉流解码与 YOLO 推理,并默认推带框 AI 检测流;抓拍任务按 Cron 调度采帧识别;巡检任务多路轮巡覆盖。告警与心跳统一回 VIDEO 既有闭环;亦可选 Python 后端保持兼容。计算节点支持 RUNTIME 原子模式(只装执行器、告警汇聚中心),让边缘算力盒轻装入网、中心统一研判。通过算法任务管理实现灵活的抽帧与排序策略,结合模型服务集群推理能力,确保毫秒级响应与高可用保障。同时,提供全防模式和半防模式两种布防策略,可根据不同时段灵活配置监控规则,实现精准的时段化智能监控与告警。
在物联网设备管理方面,EasyAIoT提供完整的设备生命周期管理能力,支持多种物联网与工业协议(MQTT、TCP、HTTP、Modbus-TCP、Modbus-RTU、OPC UA),实现设备的快速接入、安全认证、实时监控和智能控制。通过规则引擎实现设备数据的智能流转与处理,结合AI能力对设备数据进行深度分析,实现从设备接入、数据采集、智能分析到决策执行的全流程自动化,真正实现万物互联、万物智控。
## ⚠️ 免责声明
EasyAIoT是一个开源学习项目,与商业行为无关。用户在使用该项目时,应遵循法律法规,不得进行非法活动。如果EasyAIoT发现用户有违法行为,将会配合相关机关进行调查并向政府部门举报。用户因非法行为造成的任何法律责任均由用户自行承担,如因用户使用造成第三方损害的,用户应当依法予以赔偿。使用EasyAIoT所有相关资源均由用户自行承担风险.
## 📚 部署文档
- [平台部署文档](.doc/部署文档/平台部署文档_zh.md) — Linux(含 Ubuntu / CentOS·RHEL **7~9** / **CentOS ARM** / ARM / **麒麟(Kylin) / 欧拉(openEuler)**)/ Mac / Windows 分步部署指南
- [macOS 镜像部署](.doc/部署文档/平台macOS部署文档_zh.md) — Docker Desktop 一键拉取预构建镜像
- [Windows 镜像部署](.doc/部署文档/平台Windows部署文档_zh.md) — `install_windows.ps1` 推荐入口(第 0 章)
- [部署最佳实践](.doc/部署文档/部署最佳实践.md) — 规格选型、环境要求、一键部署(含 CentOS **7~9** / **CentOS ARM** / **麒麟(Kylin) / 欧拉(openEuler)**)、预构建镜像、运维排障与生产环境建议
## 🎮 演示环境
- 演示地址:http://36.111.47.113:8888/
- 账号:admin
- 密码:admin123
## ⚙️ 项目地址
- Gitee: https://gitee.com/soaring-xiongkulu/easyaiot
- Github: https://github.com/soaring-xiongkulu/easyaiot
## 📸 截图
请先关注下方公众号,再通过技术交流群或微信号与我们联系。
## 👥 公众号
关注公众号后,使用微信扫描下方二维码加入 EasyAIoT 技术交流群。
关注公众号后,如需一对一沟通,可扫描下方二维码添加微信好友。
我们欢迎所有形式的贡献!无论您是代码开发者、文档编写者,还是问题反馈者,您的贡献都将帮助 EasyAIoT 变得更好。以下是几种主要的贡献方式:
以下是对EasyAIoT项目做出重大贡献的杰出贡献者,他们的贡献对项目的发展起到了关键推动作用,我们表示最诚挚的感谢!
| 贡献者 | 贡献内容 |
|---|---|
| 为推动EasyAIoT项目贡献Windows部署文档,为Windows平台用户提供了完整的部署指南,大大降低了Windows环境下的部署难度,让更多用户能够便捷地使用EasyAIoT平台。 | |
| 为推动EasyAIoT项目贡献Mac容器一键部署脚本,为Mac平台用户提供了自动化部署解决方案,显著简化了Mac环境下的部署流程,提升了开发者和用户的部署体验。 | |
| 为推动EasyAIoT项目贡献Linux容器部署脚本,为Linux平台用户提供了容器化部署方案,实现了快速、可靠的容器部署,为生产环境的稳定运行提供了重要保障。 | |
| 为推动EasyAIoT项目贡献Linux容器部署脚本,进一步完善了Linux平台的容器化部署方案,为不同Linux发行版用户提供了更多选择,推动了项目的跨平台部署能力。 | |
| 为推动 EasyAIoT 项目在「训得动、训得稳、训得省心」方向的发展,系统性打通多卡训练、断点续训与节点侧部署能力,让现场算力真正用得上、训练任务真正控得住:支持自动识别并使用服务器全部 GPU,用户可在训练页按需选择单卡或多卡,不再受限于只能看到一张卡;兼容多种常见数据集格式与目录结构,支持大容量本地数据集上传,训练失败后仍可保留原始数据快速重试,显著降低数据准备与反复折腾的成本;完善训练进度可见、任务可停可续,避免中断后成果丢失、点击停止却仍在后台空转等痛点,使本地与远程训练调度在失败时也能及时回退、给出清晰反馈;同步优化前端训练任务的 GPU 选择、继续训练与停止状态展示,并修复模型发布误判失败、自定义预览图被覆盖、按名称/版本查不到模型以及数据集同步易超时、易冲突等问题,让「训练—发布—使用」闭环更顺畅可靠。此前亦主导国标 GB28181 与 AI 业务流程的端到端联调验证及画面清晰度专项评估,为国标接入可靠性与视频观感优化提供了重要依据。 | |
| 为推动EasyAIoT项目在国标视频监控方向的发展,贡献 GB28181 能力的端到端打通,实现视频播放与云台控制,使国标设备接入具备可用的实况预览与远程操控能力。 | |
| 为推动 EasyAIoT-Edge 项目的发展,完成摄像头接入与 AI 能力的端到端跑通,并实现功能串联,使边缘侧「接入—智能分析」链路可用、可闭环。 | |
| 为推动 EasyAIoT 项目在设备直连接入方向的发展,贡献多品牌 IP 摄像头资产盘点与网段扫描能力,支持海康 IPC、NVR 等设备的批量发现与识别;完善直连设备在同网段、跨网段场景下的批量搜索与一键注册流程,基于设备原生协议实现接入,可绕过海康 SDK、摆脱对海康平台的强依赖,为开放、可控的摄像头规模化接入奠定了基础。 | |
| 为推动 EasyAIoT 项目在地图可视化与空间研判方向的发展,独立贡献天地图空间可视化能力的完整代码实现,涵盖国家天地图底图接入、摄像头与告警设备布点、地图分布视图、地点搜索与坐标批量导入、告警事件自动上图、以人/以车寻迹及移动设备轨迹回放等核心链路,使平台「天地图空间可视化与以图研判」能力从方案设计真正走向可落地、可使用的生产形态。 | |
| 为推动 EasyAIoT 项目在超大规模流媒体承载方向的发展,贡献异构流媒体服务器集群的部署与调度思路,提出多节点池协同、流媒体与业务层解耦及节点注册调度等可扩展方案,为平台支撑万级路摄像头并发接入、稳定分发与弹性扩容奠定了重要的架构基础。 | |
| 为推动 EasyAIoT 项目在智能交通与车辆管控方向的发展,独立贡献车牌识别算法与完整代码实现,涵盖车牌定位检测、号码与颜色识别、双层牌拼接与倾斜透视校正、车牌库管理与多库顺序匹配、算法任务一键联动及异步比对等核心链路,全面支持蓝/黄/绿/白牌及新能源车牌等主流类型,使平台「车牌识别与车牌库管理能力」从能力规划真正走向可落地、可闭环的生产应用。 | |
| 为推动 EasyAIoT 项目在青年开发者社群与协作生态方向的发展,以卓越的组织领导力与感召力,带领全校同学深度参与项目共建,汇聚青春才智、凝聚团队合力,为 EasyAIoT 注入了源源不断、绵延不绝的发展动能;在项目传播推广、实践落地与后续人才梯队培育等方面,亦作出了举足轻重、不可替代的重要贡献。 | |
| 为推动 EasyAIoT 项目在物联网设备互通、工业协议接入与空天视频融合方向的发展,打通设备指令与状态数据的上下行闭环,使平台真正实现「下得去、看得见、控得住」;系统性贡献 Modbus-TCP、Modbus-RTU、OPC UA 工业协议接入能力,完成以太网侧与串口侧工控设备及 OPC UA 节点的统一采集、测点读写与物模型映射,使电表、传感器、PLC、控制器等海量工业设备数据可被平台统一汇聚、监测与联动,补齐「看得见现场、也听得到设备」的关键拼图;同时贡献大疆司空机场与无人机画面接入能力,把空中巡检视角纳入统一视频与告警体系,显著拓展平台在工控数采、产线智控、广域巡查、应急勘察与天地一体协同感知中的落地价值。 | |
| 为推动 EasyAIoT 项目在摄像头直连「从能发现走向能落地」方向的发展,补齐直连接入在认证、通道同步、配置变更与多品牌出流等关键短板,使平台在真实 NVR / 多厂商现场具备可交付的可用性:打通设备登录认证,让直连设备真正「登得进、管得住」;完善 NVR 同步通道后的取流模型,让批量同步出来的流可播、可用,显著提升 NVR 规模化接入效率;保障接入参数可持续维护;同步建设国内常用监控品牌出流规则库,并开放自定义品牌规则,使异厂商、异型号设备可一键出流,不必依赖人工试地址,把直连能力从「扫得到设备」推进到「登得进、同步准、改得了、多品牌都能出流」的生产可用形态,为后续云台与变焦等操控能力完善奠定坚实基础。 | |
| 为推动 EasyAIoT 项目在「物联网数据可展成屏」方向的发展,前瞻提出可视化 Board(拖拽看板)模块的产品构想:传统大屏往往每张屏、每个组件都要独立手写查询,交付慢、改一次动全身、业务人员几乎无法自助做屏。Board 方案把图表、指标与布局交给拖拽画布配置,并把组件直接挂接平台 IoT 物模型测点——实时值与历史值从设备侧一键取用;让园区态势、产线 KPI、设备运维等大屏从「开发写查询才能出屏」升级为「选测点、拖组件即可成屏」,显著缩短可视化交付周期,把 IoT「后台有数」真正变成「前台有屏」的可运营能力。此前亦贡献传感器浮点数据预测、运行状态属性上下阈值配置、阈值告警与规则联动,以及中心设备关联子设备运行状态一屏展示,打通「预测—定界—告警—规则—一屏掌控」设备运行闭环,使平台设备侧具备「看得见数、管得住界、告得出警、看得清全局」的能力。 | |
| 为推动 EasyAIoT 项目在对外宣介与方案表达方向的发展,贡献《AI视频监控分析平台》图文介绍材料,系统梳理平台在 AI 视频监控分析场景下的能力全貌与落地价值,让更多用户、集成商与合作伙伴能快速理解平台定位与核心亮点,显著提升项目对外传播与商务沟通效率。 | |
| 为推动 EasyAIoT 项目在 macOS 一键部署方向的发展,率先贡献部分 Mac 一键部署脚本,把镜像拉取、容器编排与环境前置检查等主干路径基本打通,使后续完善只需补齐「最后一公里」;其探索与实践为团队厘清了 Mac 侧部署链路的关键节点与风险点,显著缩短了后续工程化收尾的路径,是 macOS 部署能力从零到可用过程中不可或缺的奠基性贡献。 |
特别致谢:以上贡献者在跨平台部署文档与脚本、macOS 一键部署脚本奠基与链路探索、国标视频能力与 AI 联调验证、多卡训练与断点续训、多品牌摄像头直连发现与批量接入、天地图空间可视化、异构流媒体集群部署与调度、车牌识别算法与完整代码、EasyAIoT-Edge 边缘侧端到端串联、校园开发者社群组织与青年协作生态构建、物联网设备上下行闭环与大疆司空空中视角接入、Modbus-TCP / Modbus-RTU / OPC UA 工业协议接入、摄像头直连从发现到登录/同步/配置/多品牌出流的闭环、拖拽看板(Board)构想与 IoT 测点实时/历史值直取集成、传感器浮点数据预测与阈值告警规则及中心设备关联子设备运行状态一屏展示、AI 视频监控分析平台图文介绍材料等不同方面推动了 EasyAIoT 的发展,他们的专业精神与无私奉献值得我们学习与尊敬。再次向这些杰出的贡献者表示最诚挚的感谢!🙏
## 💝 开源守望者 开源项目的持续推进,从来不只依赖代码与文档。在 EasyAIoT 算力资源最吃紧、项目几近难以为继的那些日子里,正是以下各位以真金白银的支持,为项目注入了最关键的续航——你们或许未曾提交一行代码,但每一份信任与托举,都让这个项目得以跨过最难的槛、继续向前迭代。只要有人在用、有人在撑,开源生态便值得走得更远;EasyAIoT 今日所能抵达的高度,离不开这些在关键时刻雪中送炭的同行者。我们向每一位给予援手的朋友致以最诚挚的敬意与感谢!以下排名不分先后:![]() ℡夏别 |
![]() YiYaYiYaho |
![]() 冯 |
![]() 在希望德田野上 |
![]() 漠然 |
![]() 爱吃小柚子 |
![]() Wzs |
![]() Dark |
![]() 刘延波 |
欢迎提出更好的意见,帮助完善 easyaiot
## 📄 版权翱翔的雄库鲁/easyaiot 采用 MIT LICENSE 开源协议。我们致力于推动 AI 技术的普及与发展,让更多人能够自由使用和受益于这项技术。
使用许可:个人与企业可 100% 免费使用,无需保留作者、Copyright 信息。我们相信技术的价值在于被广泛使用和持续创新,而非被版权束缚。希望您能够自由地使用、修改、分发本项目,让 AI 技术真正惠及每一个人。