版本 5.1 · 内置 AI 代理 · 391 个节点
Cameo Image Studio 是面向机器视觉的节点图工作台。拖入一个相机节点，连到 GPU 推理节点，再连到 PLC 或运动轴，整条产线就跑起来了——不必编写任何构建脚本。真正需要代码时，节点图可导出为 C++、Python 或独立 EXE。
仅支持 Windows 10/11 64 位。安装程序本身很小，其余部分——CUDA、PyTorch、OpenCV、ONNX Runtime 和内置 Python——在安装过程中下载，无需手动配置任何东西。
AI 助手
不是外接的聊天窗口。助手会读取节点目录、搭建管线、跑一遍、看回传的画面，并自己调参数，直到检测通过。
内置助手读取节点目录，根据一句话搭建管线。它能看到各节点产生的图像帧，可附加图片或 PDF 规格书，运行管线并读回结果——再调整参数重试。
把一张图和一句话接到视觉语言节点，答案直接从端口输出。问“脚手架上的工人是否都系了安全带”，图会返回结论、违规数量和对应的框 —— 无需预先训练类别表。
静态截图与屏幕录制，全部取自发行版本，没有一张是效果图。每个节点都在自身节点体上预览输出，所以每一步真正产出了什么都看得见。
通常分散在五套软件里的五种能力，如今集中在同一张画布上。
每一步操作都是一个带类型端口的节点：载入图像、阈值分割、查找连通域、运行检测器、按距离过滤、写入 PLC 线圈。连线传递的是图像帧、检测结果、骨骼姿态、深度图与数值。每个节点在自身上直接显示输出预览，因此无需停机就能看出管线在哪一步出错。
绘制矩形框与多边形，导出为 YOLO 或 COCO 结构，并在同一项目中直接送入训练节点。文本提示分割（Grounded SAM）可在人工介入前先对整批图像做预标注。
面向 MLP 与 CNN 层的图形化设计器，另有 YOLO 风格的模块表，可导出训练工具链所需的同一份 YAML。载入 .onnx 或 .pth 权重，在 GPU 上推理，并量化为 INT8 以部署到 STM32。
无法驱动执行机构的视觉只是演示。把判定结果连到 PLC 线圈、运动轴、单片机 GPIO 或 MQTT 主题。STM32 与 Arduino 的固件可在应用内生成、编译并烧录。
结论若只留在检测电脑里，对谁都没用。把它连同画面一起发布到 MQTT broker，POST 到 webhook —— Telegram、LINE、ThingsBoard，任何读得懂 JSON 的东西 —— 或者先在设计器里排好手机界面，交给操作员的就正好是你挑的那几个磁贴。保存之后，已经打开的手机几秒内自动重绘。
均在发布版本中实测通过。未列出的内容，我们不作声明。
一个安装文件，其余部分在安装时下载。
面向 Windows 10/11 64 位的小体积安装程序。运行后它会自行下载所需的运行时。
下载安装包
—
安装前请校验：CertUtil -hashfile <文件> SHA256
应用本身运行所依赖的 C++ 图像库，打包供你在自己的程序里调用。这些模块除了操作系统和微软 C++ 运行库之外不引用任何东西——没有 OpenCV，没有 LibTorch，没有 BLAS。
每个模块一个 DLL，另有 C# 绑定所加载的单文件版本、导入库、头文件，以及 C# 与 Python 绑定。
下载全部模块（压缩包）—
复制模块时请连同其下列出的依赖模块一起复制。每个模块都需要 cameo_core 与 cameo_license。
同一批模块，用 g++ 15 编译成 .so，附头文件和 Python 包。C# 绑定加载的是 Windows 的单文件版本，因此在 Linux 上的入口是 C、C++ 或 Python。
下载全部模块（压缩包）—
复制模块时请连同其下列出的依赖模块一起复制。每个模块都需要 cameo_core 与 cameo_license。
不止 Windows
应用需要 Windows，库不需要。同一批 C++ 模块既能编译到 ARM 上的嵌入式 Linux，也能编译到底下没有操作系统的 Cortex-M——它们除了 C 运行库之外什么都不引用，所以不必先交叉编译 OpenCV、BLAS 或 Python。
面向运行 Yocto、Buildroot 或 Debian 系镜像的 64 位 Cortex-A 板卡——Jetson、Raspberry Pi 4 与 5、Rockchip、i.MX8。含 .so、头文件和 Python 包，入口与 x64 版本相同。 压缩包内附 README、头文件、cameo Python 包以及六个演示如何从 Python 调用的示例。
下载全部模块（压缩包）—
复制模块时请连同其下列出的依赖模块一起复制。每个模块都需要 cameo_core 与 cameo_license。
同一批模块，面向带硬件浮点的 32 位 Cortex-A——i.MX6、Allwinner、较老的 Raspberry Pi 镜像。含 .so、头文件和 Python 包。 压缩包内附 README、头文件、cameo Python 包以及六个演示如何从 Python 调用的示例。
下载全部模块（压缩包）—
复制模块时请连同其下列出的依赖模块一起复制。每个模块都需要 cameo_core 与 cameo_license。
此处无需下载。应用会自行构建该目标：选择裸机单片机能承载的模块，应用为 arm-none-eabi 编译它们，并把静态库直接链接进它生成的固件——与烧录 STM32 和 Arduino 的流程相同。
获取应用应用可离线运行，但 AI 助手按机器授权。请先安装，打开 工具 ▸ AI 设置，复制其中显示的 Machine ID，随本表单一并发送。
这是 Windows 应用的配置要求——没有 macOS 版本，应用的 Linux 移植也尚未发布。真正离开 Windows 的是图像库。
| 项目 | 最低配置 | 推荐配置 |
|---|---|---|
| 操作系统 | Windows 10 64 位 | Windows 11 64 位 |
| 处理器 | 4 核，x86-64 | 8 核及以上 |
| 内存 | 8 GB | 16 GB 及以上 |
| 显卡 | 可不配——推理自动回退到 CPU | NVIDIA RTX 3060 或更高，驱动为最新版 |
| 硬盘 | 30 GB 可用空间（SSD） | 60 GB 可用空间，用于数据集与录像 |
| 由安装程序下载 | Visual C++ x64 运行库、Microsoft Edge WebView2、CUDA 与 cuDNN 库、PyTorch、OpenCV、ONNX Runtime 以及内置 Python 环境。安装程序会替你下载——无需手动安装，但安装期间机器需要联网。 | |
安装文件本身很小——准确的体积和校验值就在上面的下载卡片里。安装过程中它会下载核心运行时：CUDA 与 cuDNN、PyTorch、带 GPU 支持的 OpenCV、ONNX Runtime 和完整的 Python 环境，这个数字同样写在卡片上。可选组件稍后在 Tools > Components 中下载，只下载你启用的那些。
视觉管线无需密钥即可运行。只有 AI 助手按机器授权：您把应用中显示的 Machine ID 发给我们，即可获得绑定该台电脑的密钥。为某台机器签发的密钥在另一台机器上无法使用。
尚未签名。代码签名证书正在办理。在此之前，请核对下载按钮旁公布的 SHA-256 哈希值——它同样可靠地识别出被篡改或下载不完整的文件。
项目保存为纯 .json：节点、参数与连线，任何文本编辑器都能打开，也便于纳入版本管理。您偶尔会看到的 .mcameo 扩展名是另一种张量容器，用于存放模型权重，并非项目文件。
可以。检测与分割会自动回退到 CPU，但速度差距很大——重型模型在 CPU 上只适合测试，不足以跟上产线节拍。
没有 macOS 版本，应用本身也没有 Linux 版本。C++ 图像库则不同——它可以编译到 Linux，.so 文件就在上面的下载区。至于流程，目前上 Linux 的实际路线是在 Windows 应用里导出为 Python 或 C++，再放到目标机上运行。
库可以。它能编译到 64 位和 32 位 ARM 的嵌入式 Linux，也能编译到没有操作系统的 Cortex-M，所以检测本身就能在设备上跑——上面的嵌入式一节写明了每个目标带什么。应用仍然留在 Windows：在那里搭建和训练，然后在板子上运行导出的流水线，或者你自己调用这个库的程序。