布草脏污检测产品系统Vibe Coding

在酒店、医院及洗涤租赁行业，共享布草（床单、被套、毛巾等）需要经过高频次洗涤与流转。布草在长期使用中极易出现破损、破洞、污渍、抽线及色差等缺陷。传统人工验布效率低、漏检率高，且布草流转量大，人工成本居高不下。同时，布草质量直接关系客户体验与卫生安全，一旦破损布草流入客房或病房，将引发严重投诉。因此，亟需一套自动化视觉检测系统，在布草折叠或卷绕环节实现在线缺陷检测，替代人工目检，提升检出率与流转效率。

多相机图像采集与拼接模块：支持单面（3相机2光源）与双面（6相机4光源）可配置切换，通过线扫相机在线采集布草表面图像，并完成多相机带偏移的图像拼接，形成完整布草幅面图。

深度学习缺陷检测模块：加载YOLO模型对拼接后的大图进行推理，识别破洞、污渍、抽线、破损等缺陷，输出缺陷类别、置信度及坐标位置。

缺陷可视化与良率统计模块：在WPF界面实时显示布草图像，叠加缺陷框与类别标签，并通过LiveCharts饼图展示良率、缺陷类型分布等统计信息。

硬件协同与系统监控模块：统一调度相机、光源、IO控制器时序，支持检测启停信号；异步监控系统运行状态，确保长时间稳定运行。

本项目基于.NET 8 + WPF + Prism（MVVM/Unity IoC）开发，采用多项目分层架构。
我负责的具体任务：

负责多相机图像拼接模块（ImageTiler.cs）的自研实现，替代原HALCON方案，支持行/列偏移、负偏移自动扩展画布，以及灰度/彩色混拼自动统一为3通道BGR，保证标定参数可迁移。

负责YOLO推理性能优化（OnxxService.cs），采用ExecutionMode.ORT_PARALLEL与IntraOpNumThreads实现多路并发推理，预处理使用LockBits指针级像素访问与letterbox等比缩放，后处理自实现NMS与坐标反算。

负责硬件协同调度（MainWindowViewModel.cs），统一编排相机、光源、IO控制器初始化时序，确保检测流程稳定触发。

负责大图像内存管理，严格遵循Mat/Bitmap的Dispose释放纪律，防止非托管内存泄漏。

技术栈与难点：
使用海康MvCameraControl.Net SDK驱动GigE线扫相机，Emgu.CV处理图像拼接与格式转换，ONNX Runtime加载best.onnx模型推理，LiveCharts做良率可视化，串口通信控制光源与IO。难点在于多相机时序同步与大图拼接内存优化，以及YOLO推理在CPU环境下的并发性能调优。架构上通过后台线程+事件回传避免阻塞WPF UI线程，保障界面流畅响应。