update patch js

.gitea/workflows/demo.yaml

@@ -9,9 +9,23 @@ jobs:
       - name: Check out repository code
         uses: https://gitee.com/mirror-actions/checkout@v4
       - run: cd ${{ gitea.workspace }}
+      - name: Insert post image
+        run: |
+          set -euo pipefail
+          post_content="$(cat post.html)"
+          find . -type f -name "*.md" -print0 | while IFS= read -r -d '' file; do
+            {
+              printf '\n'
+              printf '%s\n' "$post_content"
+            } >> "$file"
+          done
       - run: npx refs-cli
+      - name: patch js path
+        run: |
+          find dist -type f -name "*.html" -exec sed -i 's|/js/|/qrh/js/|g' {} +
+          find dist -type f -name "*.html" -exec sed -i 's|/data\.js|/qrh/data.js|g' {} +
       - name: copy exports to www
         run: |
-          mv /var/www/qrh /var/www/qrh.bak
+          rm -rf /var/www/qrh
           mv ${{ gitea.workspace }}/dist /var/www/qrh
       - run: echo "🍏 This job's status is ${{ job.status }}."

docs/智能化实验.md

@@ -0,0 +1,253 @@
+自动滴定控制平台速查清单
+===
+
+这是一份面向最终用户的自动滴定控制平台操作速查表，帮助您零代码基础快速完成“采集-训练-滴定-分析”的完整实验闭环。
+
+快速入门
+---
+
+### 启动软件
+
+双击运行目录下的启动程序（如 `run_ui.bat`），软件会自动在浏览器中打开操作界面。
+软件左侧为**导航栏**，用于切换页面；右侧为**主操作区**。
+
+### 核心工作流
+<!--rehype:wrap-class=col-span-2-->
+
+- **第一步：数据采集** -> 组装并控制泵和相机，收集滴定过程中不同颜色/状态的照片。
+- **第二步：人工整理** -> 将照片按状态分别放入不同名称的文件夹中。
+- **第三步：模型训练** -> 调整“学习计划”，让 AI 认识这些颜色/状态。
+- **第四步：自动滴定** -> 设置“终点规则”，让 AI 接管设备自动完成滴定并停止。
+- **第五步：滴定回放** -> 事后查看历史视频和数据曲线。
+
+第一步：数据采集
+---
+<!--rehype:body-class=cols-3-->
+
+### 1. 硬件准备
+
+| 检查项 | 状态说明 |
+| ---- | ---- |
+| `注射泵` | 确保电源开启，用 USB 数据线连接电脑。 |
+| `摄像头` | 确保对准滴定瓶，且环境光线充足、稳定。 |
+<!--rehype:className=show-header-->
+
+*注意：如果未连接硬件，软件会自动隐藏“数据采集”和“自动滴定”菜单。*
+### 2. 采集图像
+<!--rehype:wrap-class=col-span-2-->
+
+- 点击左侧导航栏进入 **【数据采集】** 页面
+- **设置参数**：输入注射泵的`推注速度`和`体积`，以及相机的`抓拍间隔`。
+- **启动**：点击【滴液】按钮。泵开始推进设定的体积，相机自动连续拍照。
+- **结束**：完成后点击【关闭相机】。**注意不是【停止】**
+- **查看**：点击【打开目录】即可查看刚刚拍摄的照片。（也许窗口被最小化了）
+- **重置**：点击【更换目录】将不同批次滴定过程分开。
+<!--rehype:className=style-timeline-->
+
+
+### 如果右侧没有显示目标摄像头
+
+- 拖动`采集参数配置`处`摄像头编号`
+- 点击`启动相机`和`关闭相机`，观察右侧预览。
+<!--rehype:className=style-timeline-->
+
+### 如果设置错了想停止
+<!--rehype:className=style-arrow-->
+
+- 点击【停止】，这不会关闭摄像头
+<!--rehype:className=style-timeline-->
+
+### 如果软件意外退出了，注射泵里还有溶液
+
+- 点击【重置体积目录】
+- 输入注射泵读数
+<!--rehype:className=style-timeline-->
+
+
+第二步：人工整理数据
+---
+<!--rehype:body-class=cols-1-->
+
+AI 需要您亲自告诉它什么是“起点”，什么是“终点”。这是最重要的一步！
+
+### 整理数据
+- 打开您电脑上的项目文件夹，找到与启动程序在同一个文件夹内的 `data/` 目录。（如果不存在则创建）
+- 在里面创建几个文件夹，用滴定状态命名（建议用英文，例如：`red` 代表红色起点，`blue` 代表蓝色终点）。
+   *注意：请直接在 `data/` 下创建文件夹，千万不要在 `clear` 或 `pink` 等分类文件夹里再创建子文件夹。*
+- 打开刚才采集保存在 `Input/` 下的照片，根据实际颜色挑出来，分别复制放入您刚建好的对应状态文件夹中。
+   *提示：每个文件夹里的照片数量尽量差不多，不要有的放了几千张，有的只有几张，这样 AI 会“偏科”。*
+<!--rehype:className=style-timeline-->
+
+第三步：AI 模型训练
+---
+<!--rehype:body-class=cols-2-->
+
+准备好照片后，点击进入 **【模型训练】** 页面，告诉 AI 怎么学习。这些参数就像是给 AI 安排的“课程表”。
+
+### 基础训练参数
+
+| 参数名称 | 白话解释 |
+| ---- | ---- |
+| **模型文件名** | 模型名。如果输入以前用过的名字，AI 会在原来基础上继续学。 |
+| **训练轮数** | 数字越大（比如 100）学得越细，但耗时越长。 |
+| **数据批大小** | 同时看几张照片。显卡好可以填大点（如 128），普通电脑填小点（如 32），填太大电脑容易卡死。**<red>一定小于总照片数的四分之一</red>** |
+| **学习率** | AI 纠正错误的步伐大小。太大容易“学偏”，太小学得慢，保持默认就好。 |
+| **日志/保存间隔** | 每学多少次就在屏幕上打印一下成绩，或者把模型保存一下。 |
+<!--rehype:className=show-header-->
+
+### 高级训练参数
+
+| 参数名称 | 白话解释 |
+| ---- | ---- |
+| **验证集比例** | 建议留 20% (0.2)，如果数据集很小可以适度降低。 |
+| **随机种子** | 一个魔法数字。只要这个数字不变，每次训练抽取的考试题都是同一批。 |
+| **特征/隐藏层维度** | 决定 AI 大脑的复杂程度。一般不用改，除非你觉得 AI 实在学不会太复杂的图片。 |
+| **加载到显卡** | 将训练集加载到显存。如果有独显，请勾选。 |
+| **工作线程数** | CPU 越好数字可以越大，如果报错就改回 0。 |
+<!--rehype:className=show-header-->
+
+### loss值长期卡在0.6~0.7
+
+loss值长期卡在0.6~0.7代表着模型完全没能学习到任何信息
+
+- 检查图片分类是否有误。
+
+### 最小训练参数
+
+您至少需要填写以下内容
+- 训练集路径
+- 模型名称
+
+### 是不是训练越久越好
+
+不是，在loss显著降低后再训练10轮左右就可以停止了。
+
+### 训练的时挺好，实际完全离谱
+
+这种情况被称为【过拟合】。可能由于以下原因
+
+- 训练轮数过多
+- 训练数据过少
+- 训练数据偏置（一个类别很多，另一个很少）
+- 单纯运气不好，修改种子再试试
+
+### loss值反复严重波动
+
+训练不稳定。
+
+- 如loss已经显著降低，停止训练
+- 降低`学习率`
+- 降低`数据批大小`
+- 训练数据过少
+
+
+第四步：全自动滴定
+---
+<!--rehype:body-class=cols-2-->
+
+点击进入 **【自动滴定】** 页面。
+
+### 推注控制参数 (左侧)
+
+控制注射泵怎么滴液的参数：
+
+| 参数名称 | 白话解释 |
+| ---- | ---- |
+| **滴定速度** | 注射泵推进的快慢，单位是 mL/min。越快滴得越猛。 |
+| **单次时间** | 每次让泵推进几秒钟。 |
+| **滑窗时长** | 告诉 AI：“你不要看一眼就下结论，往前倒带回忆过去 X 秒的画面一起综合判断”。可以防止短时间变色褪色导致误判。 |
+| **保存图像** | 勾选后，不仅会让 AI 看，还会把每一滴过程的照片都存下来。 |
+<!--rehype:className=show-header-->
+
+### 终点判定参数 (右侧)
+
+控制 AI 如何判断“滴定结束”的参数：
+
+| 参数名称 | 白话解释 |
+| ---- | ---- |
+| **稳定判定时长** | 当 AI 认为到了终点时，必须持续盯着看 X 秒，确认颜色不再退回去，才真正叫停。 |
+| **终点判定比例** | 在上面的“滑窗时长”内，如果超过这个比例（比如 60%）的画面都被认作是终点颜色，AI 才会进入判定倒计时。 |
+| **滴液-检测间隔** | 滴进一滴液体后，等几秒钟再让 AI 去看画面。主要是给液体搅匀、反应变色的时间。 |
+| **初始累计体积** | 设为注射器上的读数。 |
+<!--rehype:className=show-header-->
+
+## 自动滴定异常检查单
+
+依次执行，如不满足则查下一条。
+
+### 未能开始
+
+**当 <red>运行程序后完全没变色就停止了</red> 查**
+
+|1|2|
+|-|-|
+|当前帧|未显示溶液|
+
+修改`摄像头编号`
+
+|1|2|
+|-|-|
+|最近预测结果|终点类别|
+|训练时loss |< 0.1|
+
+查[过拟合](#训练的时挺好实际完全离谱)
+
+|1|2|
+|-|-|
+|如第2条不满足||
+
+模型不好，重新训练。
+
+|1|2|
+|-|-|
+|如第1条不满足，且||
+
+|现象|可能原因|
+|-|-|
+|当前状态|wait|
+
+【终点类别】设错了
+
+
+### 误判严重
+如果滴液入水瞬间变色后就停下了。
+- 加大【滑窗时长】（如 10 秒）
+- 加大【稳定判定时长】（如 5 秒）
+- 提高【终点判定比例】（如 80%）
+
+### 严重过量
+**当 <red>如果溶液显著过量，但程序没能停下</red> 查**
+
+|1|2|
+|-|-|
+|`单批体积`|大于1mL|
+
+减小`单次时间`或`速度`
+
+|1|2|
+|-|-|
+|`最近预测结果`|非终点类别|
+|`近期分类结果分布`|非终点主导|
+
+模型不好
+
+|1|2|
+|-|-|
+|第二条不满足|
+|最近预测结果|反复改变|
+
+模型不好
+
+
+第五步：结果回放与分析
+---
+<!--rehype:body-class=cols-2-->
+
+### 滴定回放
+- 选择您刚做完的实验
+- 您将会看到滴定过程每一秒AI的状态和决策。
+
+### 曲线分析
+
+软件会自动为您画出一张图。横坐标是“体积”，纵坐标是“颜色状态的概率”。
+

post.html

@@ -0,0 +1,23 @@
+
+## END
+
+<!--rehype:wrap-style=text-align:center;-->
+<img
+  src="https://flt6.top/today"
+  class="responsive-img"
+/>
+
+<style>
+.responsive-img {
+  width: 50%;
+  height: auto;
+  display: block;
+  margin: 0 auto;
+}
+
+@media  (max-width: 768px), (orientation: portrait) {
+  .responsive-img {
+    width: 100%;
+  }
+}
+</style>

readme.md

@@ -2,4 +2,5 @@ flt QRH
 ===
 
 [实验](./docs/实验.md) <!--rehype:style=background:rgb(79 91 147);-->
-<!--rehype:class=home-card-->
+[智能化实验](./docs/智能化实验.md) <!--rehype:style=background: #0F4954;-->
+<!--rehype:class=home-card-->