AtomGit G-Star 计划优秀毕业项目 WGAI作为无第三方 API 依赖的 Java 原生 AI 在线训练识别 + OCR 综合平台，正式发布 v5.2 版本。
此次 v5.2 版本围绕**「AI 视觉能力升级与模型兼容能力提升」**扩展完成核心优化，在模型兼容、训练管理、场景拓展上实现多重突破，让平台在模型训练、视觉识别、AGV 巡检与部署等方面更稳定、更灵活，进一步降低企业 AI 视觉与智能巡检应用的落地门槛。
WGAI v5.2 版本核心功能升级如下；
新增 YOLOv26 支持，完善全系列模型兼容
正式上线 YOLOv26 模型识别、训练、推理能力，实现YOLOv3-YOLOv26全系列模型全覆盖，其中 YOLOv5-YOLOv26支持完整自主训练，全版本均兼容 ONNX 部署及 GPU/CPU 双模式推理。新旧版本模型可无缝接入、统一管理，大幅提升平台模型兼容性与可持续升级能力。
优化 AI 训练全流程，提升训练效率与稳定性
对数据集管理、模型训练、日志查看、版本管理、导出部署的全训练流程进行深度优化，训练任务稳定性、模型加载速度显著提升，GPU 训练环境更适配，训练日志可读性进一步增强，让 AI 模型训练更简单高效，零基础也能快速上手。
升级模型管理中心，实现模型一体化管理
强化模型管理中心功能，新增模型统一管理能力，支持模型上传、版本迭代、ONNX 一键部署、推理调用全流程操作，开发者可在平台内完成模型的全生命周期管理，无需跨工具操作，大幅提升模型部署与调用效率。
新增 AGV 机器人核心能力，夯实智能巡检基础
上线 AGV 机器人相关功能，支持 AGV 地图扫描 、环境地图构建（SLAM） 并生成可视化地图 ，同时实现地图管理、路径规划、巡检路线配置能力 ，开发者可快速在平台配置巡检路线，为后续 AI 视觉 + 机器人自动巡检的融合应用打下核心基础。
全面优化视觉识别性能，适配多场景高精度需求
针对图片识别、视频识别、实时监控识别、GPU 实时推理 四大视觉识别方式进行优化，提升识别稳定性与推理效率，加快模型加载速度的同时强化 GPU 推理性能，全场景视觉识别的响应速度与准确率进一步提升，可更好适配工业、安防等高精度识别需求。
本次升级后，WGAI 的应用场景也实现进一步拓展，除工业安全巡检、智慧仓储、施工安全识别、视频监控识别等经典场景外，新增机器人巡检场景，助力企业快速落地 AI 视觉与智能巡检融合应用，打造端到端的智能化解决方案。
WGAI 的核心发展方向始终聚焦本地化 AI 开发，助力开发者摆脱第三方服务依赖。其下一版本将重点升级 AGV 自动巡航 + AI 视觉融合能力 ，实现 AGV 自主巡航、动态避障、自动巡检任务等功能，最终打造完整的 AI 视觉 + 智能机器人巡检平台，进一步拓展 AI 视觉技术在产业端的落地边界。
**🪪 开源许可证：**Apache-2.0
💬 加入 WGAI 知识星球：
-
🧠 想了解更多模型训练技巧？
-
📚 想获得专属识别案例与源码？
欢迎加入 WGAI 知识星球，一起探索更高效、更智能的 AI 世界！
**👉 来 AtomGit 平台：**立刻体验 WGAI 一站式 Java 原生 AI 视觉开发能力