Qt +C++ OpenCV+YOLO ONNX+PyTorch 整套技术栈分层掌握标准
按岗位需求分为三层：工程落地刚需层（必须精通）、模型转换辅助层（浅会即可）、算法训练进阶层（可选精通），适配机器视觉上位机、嵌入式视觉开发方向。
一、核心主力栈：Qt + C++ OpenCV（精通，求职核心竞争力）
1. C++ 基础门槛（前置）
- 必备：类、继承、多态、指针、智能指针、内存管理、STL 容器、多线程、互斥锁、回调
- 加分：模板、Lambda、CMake 编译、动态库 / 静态库编译、跨 Windows/Linux 编译
2. Qt 掌握要求（精通）
- UI 开发：QWidget 布局、信号槽、自定义控件、QPainter 绘制检测框 / 标注
- 多线程架构（视觉软件重中之重）：
- QThread 分离 UI 线程与图像推理线程，防止界面卡顿
- 摄像头采集、YOLO 推理、图像显示三线程解耦
- 多媒体 / 视频：QCamera、RTSP 视频流读取、视频保存、定时器实时刷新画面
- 工具模块：QFile 读写、数据库存储检测结果、日志系统、参数配置面板
- 集成能力：Qt 嵌入 OpenCV Mat 图像显示，Mat 与 QImage 互转
3. C++ OpenCV 掌握要求（精通）
- 基础图像：Mat、像素操作、图像缩放、色域转换、ROI 截取、滤波、形态学操作
- 视频采集：本地视频、USB 相机、RTSP 监控流解码
- DNN 推理模块（YOLO 核心）：
- ONNX 模型加载、CPU/CUDA 后端切换、图像归一化预处理
- YOLOv8/v5/v10 输出张量解析、坐标还原、置信度过滤、NMS 非极大抑制
- 可视化：绘制检测框、类别文字、掩码、保存截图 / 视频
- 进阶：相机标定、畸变校正、透视变换、轮廓检测、匹配识别
该层目标
独立开发完整工业视觉上位机，实时读取视频流 + YOLO 检测 + 界面展示 + 数据存储，无性能卡顿、内存泄漏。
二、辅助过渡栈：YOLO ONNX 模型转换（熟练，不用深挖算法）
定位：连接 PyTorch 训练权重与 C++ 推理的桥梁，只需要掌握转换流程
- ultralytics 导出规则：
- pt 权重导出 simplify 简化 ONNX、opset 版本适配 OpenCV
- 关闭内置 NMS 层，适配 DNN 后处理代码
- 模型校验：Net::empty () 排查导出失败、维度不匹配问题
- 版本兼容：区分 OpenCV4.5 + 高低版本 ONNX 适配差异
- 轻量化：模型量化、输入尺寸调整
该层目标
拿到任意训练好的 YOLO pt 文件，一键导出可在 C++ OpenCV DNN 正常推理的 ONNX，无解析报错。
三、工具层：PyTorch（分两种掌握标准，按需选择）
标准 A：仅部署上位机，不训练模型（浅会，最低成本）
只掌握环境搭建 + 模型导出，不用学习深度学习理论
- 环境搭建：Python、PyTorch、ultralytics 安装
- 基础脚本：加载预训练 YOLO、执行 export 导出 ONNX
- 基础调试：本地图片 / 视频快速跑一遍推理，验证模型精度再导出 不需要学：张量、数据集、损失函数、反向传播、网络结构修改、训练循环
标准 B：需要自定义训练 YOLO（系统掌握，进阶算法能力）
- PyTorch 核心基础：Tensor 张量运算、自动微分、Dataset 数据集、DataLoader
- YOLO 训练全流程：
- 标注数据集转换、yaml 配置文件编写
- 训练参数调优：批次、学习率、置信阈值、数据增强
- 模型评估：mAP、召回率、精度指标查看
- 模型微调：冻结骨干、自定义数据集迁移学习
- 进阶：修改 YOLO 骨干网络、增加注意力模块、多类别小目标优化
该层目标
- 标准 A：仅做转换工具人，不参与算法研发
- 标准 B：自主标注、训练专属检测模型，优化检测效果
整套技术栈学习优先级（推荐路线）
- C++ 基础 → Qt 界面开发 → C++ OpenCV 图像操作
- OpenCV DNN 加载现成 YOLO ONNX，实现 C++ 端推理 Demo
- 浅学 PyTorch 基础，学会 pt 转 ONNX，打通全流程
- 进阶可选：深度学习理论 + 完整 PyTorch 训练流程，自主训模型
- 性能优化：CUDA 加速、多线程、TensorRT 部署备选
岗位掌握程度区分
- 机器视觉上位机开发（主流岗位） 精通：Qt、C++、OpenCV DNN；熟练：ONNX 模型转换；浅会：PyTorch（仅导出）
- 视觉算法开发岗 精通：PyTorch 训练调参、YOLO 算法改进；熟练：ONNX 转换、OpenCV；了解 Qt 基础集成
- 嵌入式视觉开发 精通：C++ OpenCV、DNN 推理、多线程；了解 Qt；会 PyTorch 导出轻量化模型