写在前面
在工业视觉领域，Python是算法验证的利器，但到了产线交付阶段，C#上位机才是真正的主力军。原因很现实：与PLC/运动控制器的通信生态成熟、WinForm/WPF界面开发效率高、内存可控且易于打包部署。
然而，网上关于“C#+YOLO”的内容大多割裂——要么只讲模型推理，要么只讲相机SDK调用，鲜有将采集→预处理→推理→后处理→结果输出→UI渲染串成完整链路的实战文章。
本文基于我近期落地的一个金属表面缺陷检测项目，还原一套可复用的全栈架构。代码已脱敏，核心逻辑可直接迁移到你的项目中。

一、项目背景与技术选型

1.1 业务需求

• 检测对象：手机中框铝合金表面（划痕、压伤、脏污）
• 节拍要求：≤80ms/件（含采集+推理+结果输出）
• 硬件配置：海康500万全局快门相机 + NVIDIA RTX 4060 Ti
• 软件约束：Windows 10 LTSC，.NET 8，单进程部署

1.2 技术栈确认