核心能力
工业视觉
AI缺陷检测、OCR识别、尺寸测量
智能制造
数字工厂、设备联网、生产优化
AI算法
深度学习模型训练与部署
产品中心
汽车座椅按摩控制器ECU
汽车座椅按摩控制器ECU采用NXP车规级控制方案，支持CAN/LIN通信、2路气泵控制、气压检测、10路双控阀及10路单控阀，可实现多区域气袋按摩、保压及压力控制，支持软件协议栈、LDF矩阵及项目定制开发。
查看详情
汽车座椅控制器ECU
汽车座椅控制器ECU支持8路直流有刷电机控制、8路HALL编码器输入、8路电阻模拟量输入，并集成双CAN和LIN通信，适用于电动座椅、座椅姿态定位、按摩及智能座舱系统，支持软件定制与联合开发。
查看详情
多功能手持按钮盘
ZeroOne多功能手持按钮盘采用STM32F103 CPU，集成10个功能按钮、10个指示灯及日本进口急停开关，支持CNC精密加工、多色外壳、按键丝印、航插及弹簧线定制，适用于工业设备、自动化产线、机械设备及智能制造场景，并支持软硬件定制开发。
查看详情项目案例
内镶贴片式滴灌带智能生产线 AI视觉检测项目
本项目面向智慧农业节水灌溉装备制造领域，针对内镶贴片式滴灌带生产过程中人工检测效率低、质量一致性不足、生产数据无法追溯等问题，建设了一套集**自动化生产、AI视觉检测、边缘智能计算、工业数据采集、MES智能管理**于一体的智能制造生产线。 项目涵盖混料机、滴头筛选机、螺杆注塑机、风箱冷却系统、自动打孔设备、AI视觉检测系统以及全自动收卷打包设备，实现滴灌带从原料加工、滴头贴片、在线检测到成品包装的全流程自动化生产。 其中视觉检测系统采用工业相机结合 **NPU边缘AI计算平台**，搭载 **YOLOv26深度学习算法**，实现对滴头贴片状态、打孔质量、缺陷产品的高速在线识别，有效提升产品检测精度和生产效率。 通过工业物联网技术，将生产设备运行状态、工艺参数、视觉检测结果等数据实时采集并接入MES系统，实现生产过程数字化管理、质量追溯和设备状态监控。 项目实施后，可显著降低人工检测成本，提高产品一致性和生产效率，推动传统滴灌带制造向智能化、数字化、无人化方向升级。
查看案例滴头注塑智慧工厂数字化施工项目
ZeroOne AI 面向农业滴头精密注塑制造场景，建设融合 MES、工业物联网、AI视觉、机器人自动化及AGV智能物流的数字化工厂解决方案。通过44台注塑设备联网、生产过程管理、人员身份识别、智能仓储及AI智能分析，实现制造全过程透明化、自动化与智能化升级。
查看案例技术文章
RIP 颜色管理之 LittleCMS：开源 ICC 色彩管理引擎
详解 LittleCMS（lcms）开源 ICC 色彩管理引擎在陶瓷喷码 RIP 软件中的核心作用：ICC Profile 与 cmsHPROFILE/cmsHTRANSFORM 数据结构、颜色转换流程、四种渲染意图选择、多色墨水多通道支持、批量转换性能优化与陶瓷 RIP 推荐架构。
阅读全文TRIO-Basic 从入门到精通（十九）：Trio作为从站接入第三方总线详细介绍（Anybus-Profibus-DP等）
本文梳理TRIO作为从站接入第三方总线的多种方式（RS232/485、Ethernet、CAN、Anybus），重点演示基于MC664/MC664X Anybus子模块的Profibus-DP从站配置：使用ANYBUS指令设置槽号、从站地址及通讯数据区，实现与第三方主站系统的无缝集成。
阅读全文TRIO-Basic 从入门到精通（二十）：Trio通过空间圆弧三点计算圆弧中心和半径
本文用TRIO-Basic手写实现空间圆弧三点求圆心与半径算法：由三点确定圆弧平面法向量，求两条中垂线交点得到圆心并输出半径，与Trio原装SPHERE_CENTRE指令计算结果对比一致，适用于空间圆弧插补与轨迹规划。
阅读全文C#调用Intel NPU实现YOLOv26极速推理：OpenVINO工业视觉加速实践
通过C# + OpenVINO Runtime调用Intel Core Ultra NPU运行YOLOv26模型，实现低功耗、毫秒级的工业边缘AI视觉推理，涵盖模型导出、环境配置、推理代码与FP16/INT8/异步推理等性能优化实践。
阅读全文手把手做ROS2机器人系统开发（四）：C++实现发布者与订阅者
发布者（Publisher）与订阅者（Subscriber）是 ROS2 话题通信的核心模型，也是所有机器人应用（传感器数据分发、状态上报、控制指令下发等）的基础。本章节使用 C++ 编写一个最小可运行的发布者/订阅者示例，作为后续开发的标准模板，帮助大家清晰掌握节点程序的完整编写流程。
阅读全文Conda环境下测试Intel NPU：Python版本如何选择？
在 Intel Core Ultra + OpenVINO + YOLO 工业视觉项目中，Conda 环境测试 Intel NPU 时 Python 版本如何选择？本文结合实际开发经验，推荐 Python 3.10 作为 NPU 测试环境，并给出从环境搭建、设备识别到 NPU 模型编译、性能测试的分层验证流程。
阅读全文