中文 | English
一个 可视化任务流编程平台，面向 实时视觉处理与深度学习推理。用户通过拖拽节点、连线即可搭建图像处理流水线（取流 → 推理 → ROI / 判定 → 通信 / 报表），无需编写代码。主程序负责节点编辑、任务流调度与插件管理，所有算法与 IO 能力都以 插件 DLL 的形式提供。
- 平台：Windows x64，Visual Studio 2019（MSVC v142），C++17，Qt 5.14.2
- 推理：TensorRT 8.6（YOLOv11 检测 / 姿态 / 分割、PoseC3D 动作识别）
- 并发：Intel TBB + Taskflow，多线程流水线执行
- 扩展：Python 3.10 脚本（pybind11）、Snap7 PLC、海康 HCNet 取流
VisualFram/
├── README.md
├── docs/
│ ├── 项目分析报告.md # 架构、插件系统、节点数据流、编译配置的完整说明
│ ├── 新增节点开发指南.md # 如何开发一个新的节点插件
│ └── 动作持续时间计算.md # FramImageDuration 插件的计算逻辑
└── VisualFram2D/
├── VisualFram2D.sln # 主解决方案（主程序 + 全部插件）
├── Model/ # TensorRT 引擎文件（*.plan）与示例模型
├── Project/ # 示例任务流工程（*.pro，JSON 序列化）
├── Python/ # 设备通信、SOP 报表等 Python 脚本
├── CaptureVideo/ # 测试视频
└── VisualFram2D/
├── MianWindows/MianWindows/ # 主程序（exe）
│ ├── NodeEditor/ # 节点编辑器（基于 QtNodes）
│ ├── PlugiManager/ # 插件扫描与加载
│ ├── AutoRunOperation/ # 任务流自动运行
│ ├── TreeTaskFlowAndProject/# 工程 / 任务流树
│ ├── CameraDevice/ # 相机设备
│ ├── CommunicateDevice/ # 通信设备
│ ├── PythonScript/ # Python 脚本节点
│ ├── ThreadPools/ # 线程池
│ ├── Toolnterface/ # 插件接口定义（InterfacePlugin / ToolInterface）
│ └── ...
├── Plugin/ # 插件（每个一个 DLL，输出到 plugins/）
│ ├── ImageProcess/
│ │ ├── ImageSource/ # 图像源（相机 / 视频 / 图片）
│ │ ├── YoloV11Detect/ # YOLOv11 目标检测
│ │ ├── YoloV11Pose/ # YOLOv11 姿态估计
│ │ ├── YoloV11Segment/ # YOLOv11 实例分割
│ │ ├── PoseC3D/ # 基于骨骼的动作识别
│ │ └── ImageMaskFilter/ # 掩膜过滤
│ ├── Communication/
│ │ ├── ExternalDeviceRead/ # 外部设备读取（PLC 等）
│ │ └── ExternalDeviceWrite/ # 外部设备写入
│ ├── ImageShow/ # 图像显示（含 QtPropertyBrowser）
│ ├── ImageROISelection/ # ROI 选择
│ ├── ResultStateJudgment/ # 结果 / 状态判定
│ ├── FramImageActionOrder/ # 动作顺序判定
│ ├── FramImageDuration/ # 动作持续时间统计
│ ├── ProcessControl/ # 流程控制
│ └── StandardOperatingProcedureReport/ # SOP 报表
└── ThirdParty/ # 第三方库（源码 / 头文件 / 运行库）
├── opencv4.5.4 TensorRT-8.6.0.12 oneapi-tbb-2021.12.0
├── Python310 Pybind11 Taskflow Snap7 HCNet
└── QtNodes QtAdvancedDockingSystem QGoodWindow
┌──────────────────────────── MianWindows (exe) ────────────────────────────┐
│ NodeEditor(QtNodes) TreeTaskFlow AutoRunOperation PlugiManager ... │
│ ToolInterface / InterfacePlugin（插件 ABI） │
└───────────▲──────────────▲──────────────▲──────────────▲──────────────────┘
│ │ │ │ plugins/*.dll
ImageSource YoloV11*/PoseC3D ROI/判定/时序 Communication/SOP
- 插件系统：主程序启动时扫描
plugins/目录，通过InterfacePlugin获取插件元信息并注册节点工厂；每个节点模型继承BaseNodeModel，以数据包装类在节点间传递图像与结果。 - 数据流：节点之间按连线传递
std::shared_ptr包装的数据，任务流由 Taskflow 调度，在线程池中并行执行。 - 序列化：任务流以 JSON 保存为
.pro工程文件，节点参数通过属性浏览器编辑。
详细说明见 docs/项目分析报告.md。
| 组件 | 版本 | 备注 |
|---|---|---|
| Visual Studio | 2019（v142） | 勾选「使用 C++ 的桌面开发」 |
| Qt | 5.14.2 msvc2017_64 | 需安装 Qt VS Tools 并在 VS 中配置 Qt 版本 |
| CUDA | 11.x | 与 TensorRT 8.6 匹配 |
| TensorRT | 8.6.0.12 | 仓库内 ThirdParty/TensorRT-8.6.0.12 |
| OpenCV | 4.5.4 | 仓库内 ThirdParty/opencv4.5.4 |
| Python | 3.10 | 仓库内 ThirdParty/Python310 |
- 克隆仓库（第三方库较大，建议
git clone --depth 1）。 - 用 VS2019 打开
VisualFram2D/VisualFram2D.sln，在 Qt VS Tools 中指定 Qt 5.14.2 msvc2017_64。 - 选择
Debug|x64或Release|x64，生成解决方案。所有项目通过PropertySheet/{Debug,Release}/*.props属性表引用第三方库。 - 输出位于
Build/Debug/VisualFram2.0.exe或Build/Release/VisualFram.exe，插件 DLL 输出到同级plugins/。 - 运行前把
Model/*.plan放到程序可访问的路径（.plan与 GPU 架构绑定，Model/JinKang3060为 RTX 3060 版本）。
注意：历史上
VisualFram2D/VisualFram2D/.gitignore忽略了*.vcxproj / *.sln，因此各插件与主程序的.vcxproj、PropertySheet/*.props尚未入库。现已放开忽略规则，请在原开发机上执行git add把这些工程文件提交，否则新克隆无法直接编译。
参考 docs/新增节点开发指南.md：新建插件工程 → 实现 InterfacePlugin 与节点模型 → 定义输入/输出数据类型 → 编译到 plugins/。
本项目暂未声明开源许可证；ThirdParty/ 下各库遵循其自带许可。