WatchFlower 开源项目教程
1. 项目介绍
WatchFlower 是一个开源的植物监测应用程序,能够读取和绘制来自兼容的蓝牙传感器的数据,如小米的 "Flower Care" 和 "RoPot" 传感器,以及 Parrot 的 "Flower Power" 传感器。该应用程序支持多种蓝牙温度计和空气质量监测传感器,适用于 Linux、macOS、Windows、Android 和 iOS 平台。
WatchFlower 的主要功能包括:
- 支持多种植物传感器和温度计
- 支持环境空气质量传感器
- 植物数据库包含超过 3400 种植物
- 背景更新和通知功能(iOS 除外)
- 可配置的更新间隔
- 数据历史记录同步
- 90 天 CSV 数据导出
2. 项目快速启动
2.1 环境准备
在开始之前,请确保您的系统满足以下要求:
- C++17 编译器
- Qt 6.5+
- Qt Connectivity
- Qt Positioning
- Qt Charts
对于 Android 构建,您还需要:
- JDK 11
- SDK 23+
- NDK 23+
对于 Windows 构建,您需要:
- MSVC 2019+ 编译器
对于 macOS 和 iOS 构建,您需要:
- Xcode 13+
2.2 克隆项目
首先,克隆 WatchFlower 项目到本地:
git clone https://github.com/emericg/WatchFlower.git
cd WatchFlower/
2.3 构建项目
使用 qmake 进行项目配置并编译:
qmake6
make
2.4 运行应用程序
编译完成后,您可以在 build 目录下找到生成的可执行文件,直接运行即可:
./build/watchflower
3. 应用案例和最佳实践
3.1 家庭植物监测
WatchFlower 非常适合用于家庭植物的监测。通过连接小米的 "Flower Care" 传感器,您可以实时监测植物的土壤湿度、光照、温度和养分水平。根据监测数据,您可以及时调整植物的养护条件,确保植物健康生长。
3.2 温室环境监测
在温室环境中,WatchFlower 可以连接多个传感器,监测温室内的温度、湿度、光照等环境参数。通过数据分析,温室管理者可以优化环境条件,提高植物的生长效率。
3.3 空气质量监测
除了植物监测,WatchFlower 还支持空气质量监测传感器。您可以将其用于室内空气质量监测,确保生活和工作环境的健康。
4. 典型生态项目
4.1 Xiaomi "Flower Care" 传感器
小米的 "Flower Care" 传感器是 WatchFlower 的主要支持设备之一。该传感器能够监测土壤湿度、光照、温度和养分水平,非常适合家庭和温室环境中的植物监测。
4.2 Parrot "Flower Power" 传感器
Parrot 的 "Flower Power" 传感器是另一个受支持的设备。它提供了类似的功能,但设计更加美观,适合放置在室内环境中。
4.3 ClearGrass 温度和湿度监测器
ClearGrass 的温度和湿度监测器是 WatchFlower 支持的蓝牙温度计之一。它提供了高精度的温度和湿度数据,适合用于环境监测。
通过这些生态项目,WatchFlower 构建了一个完整的植物和环境监测解决方案,适用于各种应用场景。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00