Industrial Inspection Simulation & Monitoring System (工業視覺檢測模擬與監控系統)

本專案實作了一套跨語言的工業檢測解決方案，包含 Python 端的數據生成模擬器 與 C# .NET 端的實時監控看板。系統透過共享資料庫架構實作異質系統間的數據對接，並針對獨立發布環境進行了深度優化。

---

核心技術點

1. 跨進程數據交互與異質對接 (Cross-Process Communication)

系統採用 SQLite 作為輕量化中間層，實作 Python 生成端與 C# 監控端之解耦：

• WAL 模式應用：啟用 Write-Ahead Logging 模式，確保 Python 端在高頻率寫入時，C# 端仍能進行非阻塞式讀取，解決多進程存取衝突。
• 路徑動態定標：兩端程式均實作動態路徑獲取邏輯（AppDomain.CurrentDomain.BaseDirectory 與 sys.executable），確保在獨立發布環境下資料庫路徑的絕對一致性。

2. Dapper ORM 映射與高效讀取

監控端捨棄傳統的 ADO.NET 繁瑣寫法，採用 Dapper 微型 ORM：

• 物件映射 (Object Mapping)：實作 InspectionLog 模型，將資料庫資料列自動映射為 C# 類別實例，簡化開發邏輯。
• 統計聚合查詢：透過 SQL 預處理（如 SUM(CASE ...)）實作良率統計，將計算壓力置於資料庫端，降低 UI 執行緒運算負擔。

3. 即時監控與 UI 刷新機制

實作高頻率輪詢（Polling）看板，呈現系統生產數據：

• 狀態指紋識別：透過比對資料庫最新 Id 變動，實作 DataGridView 的智慧刷新，避免不必要的資料重啟動導致的 UI 閃爍與效能損耗。
• 雙緩衝優化 (Double Buffering)：針對大批量數據展示開啟雙緩衝技術，解決視窗縮放與數據滾動時的渲染殘影。

4. 獨立發布與環境封裝 (Self-Contained Deployment)

針對部署環境進行深度優化，確保跨平台運作的穩定性：

• 自包含封裝 [Self-contained]：整合 .NET 執行環境至單一執行檔，移除對目標電腦 .NET 環境的依賴。
• 原生庫提取 [Native DLL Extraction]：解決 SQLite 原生組件在單一檔案發布模式下無法載入的問題（Dll was not found），實作自動解壓載入邏輯。

---

專案功能架構

功能模組	技術實現	說明
數據生成器 (Simulator)	Python / SQLite3	模擬工業相機檢測邏輯，定時產出分類結果與信心度數值。
數據存取層 (DAO)	C# / Dapper	封裝 using 連線區塊，確保資料庫連線生命週期之確定性釋放。
統計面板 (Statistics)	SQL Aggregation	實作良率計算公式：$$Yield = \frac{Pass\ Count}{Total\ Count}$$。
異常追蹤 (History)	DataGridView	實作最新異常紀錄的自動回溯與清單展示。

---

檔案說明

• log_generation_script.py：資料生成核心，包含 SQL 寫入邏輯與環境路徑判斷。
• DataAccessObject.cs：資料服務層，負責與 SQLite 進行通訊並產出 Dapper 對映物件。
• Form1.cs：UI 介面控制邏輯，負責 Timer 驅動之數據流刷新與異常捕捉。