【开源】FUXA:HMI-SCADA-Dashboard基于 Web的可视化组态平台

【开源】FUXA:HMI-SCADA-Dashboard基于 Web的可视化组态平台

一、介绍

FUXA 是一款基于 Web 的过程可视化 (SCADA/HMI/Dashboard) 软件。使用FUXA,通过简单的拖放操作,可以迅速创建高度个性化的数据可视化界面。丰富的组态资源、详尽的使用资料、不断完善的模板库、足够开放的设计理念为用户提供灵活、创新、便捷、自由的编程体验。

  • 🌐项目地址:

https://github.com/frangoteam/FUXA

  • 🗝️开源协议:MIT License
  • 🔧技术栈:Node.js(后端) +Angular(前端)+SVG

二、主要特征

  • 轻量级和可移植的跨平台应用程序

FUXA 很容易从使用 树莓派、物联网网关等的小型项目扩展到大型设施的可视化。它还提供强大的完全基于 Web 的新工具,允许您实时创建丰富的可视化、数据日志、警报、通知、趋势和远程设备控制。

  • 多协议设备连接

它支持通过行业标准物联网协议 MQTT、OPC-UA、BACnet、Modbus、SiemensS7、WebAPI、ODBC、Ethernet/IP (Allen Bradley) 将设备连接到一个易于使用的界面中。

  • 可视化工具

集成的图形编辑器易于使用,并允许无限的创造力。使用预定义的小部件轻松创建动态 SCADA 仪表板,允许任何人创建直观且有吸引力的基于 Web 的 HMI、工业应用程序和仪表板,以实现实时数据可视化和远程设备控制。

  • 支持脚本

集成代码编辑器,以 javascript 语言定义脚本,脚本可以在服务器端和客户端进行调度。

  • 使用 Leaflet 进行地理空间可视化的地图视图

使用由 Leaflet 提供支持的 Maps View 功能在空间上可视化您的数据。该工具支持实时地理空间监控和表示,从而更轻松地跟踪资产、作等。

  • 警报管理 - 事件通知

可以启用警报以监控模拟和数字信号,具有固定、可调和跟踪警报限制。将消息(如警报消息或系统信息)转发给指定人员。

  • 趋势 - 图表以及报表设计

创建实时和历史趋势可视化,同时绘制多个数据点。用于分析和导出数据的交互式可视化控件。嵌入在 FUXA 中的报表模块,用于在 PDF 表单中指定参数上创建报告。将报表转发给指定人员。

三、安装方式

3.1 Docker部署(推荐)
docker pull frangoteam/fuxa:latest docker run -d -p 1881:1881 frangoteam/fuxa:latest // persistent storage of application data (project), daq (tags history), logs and images (resource) docker run -d -p 1881:1881 -v fuxa_appdata:/usr/src/app/FUXA/server/_appdata -v fuxa_db:/usr/src/app/FUXA/server/_db -v fuxa_logs:/usr/src/app/FUXA/server/_logs -v fuxa_images:/usr/src/app/FUXA/server/_images frangoteam/fuxa:latest // with Docker compose // persistent storage will be at ./appdata ./db ./logs and ./images wget https://raw.githubusercontent.com/frangoteam/FUXA/master/compose.yml docker compose up -d
3.2 NPM 安装

您需要安装 Node 版本 18。

警告在带有 nodejs 版本 18 的 linux 中,安装可能是一个挑战。 如果您不打算通过 S7(node-snap7 库)与 Siemens PLC 通信,您可以从 NPM @frangoteam/fuxa-min 安装

npm install -g --unsafe-perm @frangoteam/fuxa fuxa
3.3 源码安装

您需要安装 Node 版本 18。

警告在带有 nodejs 版本 18 的 linux 中,安装可能是一个挑战。 如果您不打算通过 S7 与 Siemens PLC 通信,则可以从 中删除该库。同样,如果您不打算使用 ODBC 与外部数据库通信,则可以从 .node-snap7server/package.jsonodbcserver/package.json

#下载源码 git clone https://github.com/frangoteam/FUXA.git cd FUXA/server #安装依赖 npm install #启动服务 npm start

四、访问界面

打开浏览器(更好的 Chrome)并导航到 http://localhost:1881

Read more

2026 GitHub 热门 Python 项目:AI 代理与数据工具精选

2026 GitHub 热门 Python 项目:AI 代理与数据工具精选

2026 年的 Python 生态正在被 AI 代理(AI Agent)和数据工程工具重新定义。本文精选 GitHub 上最具影响力的开源项目,涵盖 AI 代理框架、数据管道工具、向量数据库客户端等关键领域,附带代码示例与架构解析。 一、2026 Python 开源生态全景图 ┌─────────────────────────────────────────────────────────────────────┐ │ 2026 Python 开源热门方向 │ ├──────────────────┬──────────────────┬───────────────────────────────┤ │ AI 代理框架 │ 数据工具链 │ 基础设施与编排 │ ├──────────────────┼──────────────────┼───────────────────────────────┤ │ LangGraph │ Polars │ Dagster │ │ CrewAI │ DuckDB │ Prefect │ │ AutoGen │ ibis-project │

Bili.Copilot播放器对比:MPV vs 外部播放器性能测试终极指南

Bili.Copilot播放器对比:MPV vs 外部播放器性能测试终极指南 【免费下载链接】Bili.Copilot哔哩哔哩用户的个人助理 项目地址: https://gitcode.com/gh_mirrors/bi/Bili.Copilot Bili.Copilot作为哔哩哔哩用户的个人助理,提供了多种播放器类型以满足不同用户需求。本文通过详细性能测试,对比分析内置MPV播放器和外部播放器在实际使用中的表现差异,帮助用户选择最适合的播放方案。 🎯 播放器类型概览 Bili.Copilot支持四种主要播放器类型: * 原生播放器:Windows App SDK提供的MediaPlayer,兼容性好 * MPV播放器:内置的libmpv播放器,解码能力优秀 * 外部播放器:调用系统安装的mpv/mpv.net播放器 * 网页播放器:终极回退方案,保证视频播放 Bili.Copilot播放器界面展示,支持弹幕播放和多种控制功能 🔥 内置MPV播放器性能分析 内置MPV播放器基于libmpv,使用OpenGL解码渲染视频,然后与DirectX共享资源,最终

Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案

Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案 前言 在前文中,我们利用 genkit 实现了基础的 AI 模型流式调用(Streaming)与 Prompt 工程。但在真正的“专业级医疗诊断辅助”、“金融量化分析报告生成”或“大型智能客服矩阵”场景中。简单的模型调用仅仅是起点。面对大模型不可避免的“幻觉(Hallucinations)”问题。面对如何在鸿蒙(OpenHarmony)端实现本地向量库(Vector Store)与云端知识库的实时同步。面对如何在不同算力的设备(从手环到大屏)上分配不同的 AI

多模态 AI 应用:图文音视频一体化开发实战教程

多模态 AI 应用:图文音视频一体化开发实战教程

什么是多模态AI 多模态AI是指能够同时处理文本、图像、音频、视频等多种不同类型数据的人工智能系统,它打破了单模态AI的信息壁垒,能更贴近人类理解世界的方式。比如我们日常使用的AI聊天机器人识图功能、视频自动字幕生成工具,都是多模态AI的典型应用。 开发前的核心准备 模型选型建议 模型类型推荐模型适用场景开源轻量模型Qwen-VL-Chat、MiniGPT-4本地部署、快速验证云端API模型GPT-4V、Gemini Pro生产级应用、复杂任务处理专业领域模型CLIP、Whisper图像检索、音频转写等细分场景 环境依赖安装 我们将基于Python生态实现实战项目,需要安装以下核心库: # 基础依赖 pip install torch torchvision transformers pillow # 音频处理依赖 pip install librosa soundfile # 视频处理依赖 pip install opencv-python moviepy # API调用依赖(可选,用于调用云端多模态模型) pip install openai anthropic