Force keep local structure: resolve all rename/delete conflicts

1

@@ -0,0 +1,79 @@
+#pragma once
+#include <cstdint>
+#include <vector>
+#include <string>
+
+/* 舵机编号枚举 */
+enum class EServo : uint8_t {
+    SERVO_0 = 0,
+    SERVO_1,
+    SERVO_2,
+};
+
+/* 电机运行模式 */
+enum class EMotorOperatingMode : uint8_t {
+    Position,   // 位置模式
+    Velocity,   // 速度模式
+    Current,    // 电流 / 力矩模式
+};
+
+/* 电机报警类型（可以根据 Dynamixel 详细 bitmask 扩展） */
+enum class EMotorAlarm : uint16_t {
+    InputVoltageError   = 0x01,
+    OverTemperature     = 0x02,
+    MotorEncoderError   = 0x04,
+    Overload            = 0x08,
+    DriverFault         = 0x10,
+    // 更多可按需要添加
+};
+
+/* 电机运动命令结构体 */
+struct ServoCommand {
+    EServo servo;                   // 哪个电机
+    EMotorOperatingMode mode;       // 运行模式
+    int32_t target;                 // 目标值
+    uint32_t velocity_limit = 0;    // 最大速度（0 = 不修改）
+    uint32_t acceleration   = 0;    // 加速度（0 = 不修改）
+    uint16_t current_limit  = 0;    // 电流限制（0 = 不修改）
+};
+
+/* 电机控制接口 */
+class ServoControl
+{
+public:
+    ServoControl();
+    ~ServoControl();
+
+    void servoInit(EServo servo);
+    bool servoExecute(const ServoCommand& cmd);
+
+    int32_t getMotorPosition(EServo servo);
+    int32_t getMotorVelocity(EServo servo);
+    int32_t getMotorCurrent(EServo servo);
+
+    /* ======================
+       新增报警查询接口
+       返回 bitmask，0 = 无报警
+    ====================== */
+    uint16_t getMotorAlarmStatus(EServo servo);
+    bool hasMotorAlarm(EServo servo, EMotorAlarm alarm);
+
+private:
+    bool enableTorque(EServo servo);
+    bool disableTorque(EServo servo);
+    bool setOperatingMode(EServo servo, EMotorOperatingMode mode);
+    bool setVelocityLimit(EServo servo, uint32_t vel);
+    bool setAcceleration(EServo servo, uint32_t acc);
+    bool setCurrentLimit(EServo servo, uint16_t cur);
+
+    struct ServoState {
+        EMotorOperatingMode mode;
+        int32_t position;
+        int32_t velocity;
+        int32_t current;
+        bool torque_on;
+        uint16_t alarm_status;   // 新增：报警状态
+    };
+
+    ServoState servo_states_[3];
+};

ultralytics_yolo11-main/train_seg_r_main_60.py

@@ -1,21 +0,0 @@
-from ultralytics import YOLO
-
-if __name__ == '__main__':
-    # ✅ 推荐：使用官方预训练分割模型
-    #model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/runs/train/61seg/exp2/weights/best.pt')
-    model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/ultralytics/cfg/models/11/yolo11-seg.yaml')
-    # 开始训练
-    results = model.train(
-        data='data_seg60.yaml',           # 数据配置文件
-        epochs=300,                 # 训练轮数
-        imgsz=1280,
-        batch=4,                   # 每批图像数量
-        workers=10,                 # 数据加载线程数
-        device='0',                 # 使用 GPU 0
-        project='runs/train/60seg',       # 保存项目目录
-        name='exp',                 # 实验名称
-        exist_ok=False,             # 不覆盖已有实验
-        optimizer='AdamW',          # 可选优化器
-        lr0=0.0003,                  # 初始学习率
-        patience=0,                # 早停轮数
-    )

ultralytics_yolo11-main/train_seg_r_main_61.py

@@ -1,21 +0,0 @@
-from ultralytics import YOLO
-
-if __name__ == '__main__':
-    # ✅ 推荐：使用官方预训练分割模型
-    #model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/runs/train/61seg/exp2/weights/best.pt')
-    model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/ultralytics/cfg/models/11/yolo11-seg.yaml')
-    # 开始训练
-    results = model.train(
-        data='data_seg61.yaml',           # 数据配置文件
-        epochs=500,                # 训练轮数
-        imgsz=1280,
-        batch=4,                   # 每批图像数量
-        workers=10,                 # 数据加载线程数
-        device='0',                 # 使用 GPU 0
-        project='runs/train/61seg',       # 保存项目目录
-        name='exp',                 # 实验名称
-        exist_ok=False,             # 不覆盖已有实验
-        optimizer='AdamW',          # 可选优化器
-        lr0=0.0005,               # 初始学习率
-        patience=0,                # 早停轮数
-    )

yolo11-mobilenetv4/train_seg_main.py

@@ -2,20 +2,20 @@ from ultralytics import YOLO
 
 if __name__ == '__main__':
     # ✅ 推荐：使用官方预训练分割模型
-    #model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/runs/train/seg_j/exp2/weights/best.pt')
+    #model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/runs/train/61seg/exp2/weights/best.pt')
     model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/ultralytics/cfg/models/11/yolo11-seg.yaml')
     # 开始训练
     results = model.train(
-        data='data.yaml',           # 数据配置文件
+        data='data_seg61.yaml',           # 数据配置文件
-        epochs=200,                 # 训练轮数
+        epochs=500,                # 训练轮数
         imgsz=1280,
         batch=4,                   # 每批图像数量
         workers=10,                 # 数据加载线程数
         device='0',                 # 使用 GPU 0
-        project='runs/train/seg_02',       # 保存项目目录
+        project='runs/train/61seg',       # 保存项目目录
         name='exp',                 # 实验名称
         exist_ok=False,             # 不覆盖已有实验
         optimizer='AdamW',          # 可选优化器
-        lr0=0.0005,                  # 初始学习率
+        lr0=0.0005,               # 初始学习率
-        patience=20,                # 早停轮数
+        patience=0,                # 早停轮数
     )

yolo11-mobilenetv4/train_seg_resize_main.py

@@ -2,20 +2,20 @@ from ultralytics import YOLO
 
 if __name__ == '__main__':
     # ✅ 推荐：使用官方预训练分割模型
-    #model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/runs/train/seg_j/exp2/weights/best.pt')
+    #model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/runs/train/61seg/exp2/weights/best.pt')
     model = YOLO(r'/home/hx/yolo/ultralytics_yolo11-main/ultralytics/cfg/models/11/yolo11-seg.yaml')
     # 开始训练
     results = model.train(
-        data='/home/hx/yolo/ultralytics_yolo11-main/resize_seg_data.yaml',           # 数据配置文件
+        data='data_seg60.yaml',           # 数据配置文件
-        epochs=100,               # 训练轮数
+        epochs=300,                 # 训练轮数
         imgsz=1280,
         batch=4,                   # 每批图像数量
         workers=10,                 # 数据加载线程数
         device='0',                 # 使用 GPU 0
-        project='runs/train/seg_r',       # 保存项目目录
+        project='runs/train/60seg',       # 保存项目目录
         name='exp',                 # 实验名称
         exist_ok=False,             # 不覆盖已有实验
         optimizer='AdamW',          # 可选优化器
-        lr0=0.0005,                  # 初始学习率
+        lr0=0.0003,                  # 初始学习率
         patience=0,                # 早停轮数
     )