以冰箱视觉项目为例，学习分类、目标检测、数据切分、YOLO loss、量化部署和 K210 验收，并复盘错误路线。

Ultralytics YOLO 环境、推理、训练、自建数据集和 640×480 融合图标注验收流程。

Python、PyCharm 与 OpenCV C++ 引擎的边界，以及从读图到几何变换的工程学习路线。

Windows 端 DM13 双光设备的供电、网络拉流、帧采集与 ECC 配准闭环；用于设备链路验证，不替代视觉配准主流程。

RDK X5 上葡萄检测模型的量化、离线部署、板端推理与后处理排障记录。

基于已训练 YOLO 的 OpenClaw 离线自动化方案，覆盖批量检测、报表、预警、趋势分析和企业微信通知；不宣称毫秒级实时。

森林火灾 VIS–IR 配准统一主笔记：固定视场与坐标、增强与匹配流程、质量门控、实验协议和运行记录。

配准论文术语、指标口径与早期消融实验设计；正式流程和已验证结论回到视觉配准主笔记。

以 OpenCV、YOLO 和双光配准为主线的视觉工程入口；教程、完整实验和自动化方案按用途分开。