焊缝超声A扫缺陷AI判读系统（端侧RK3568）产品系统

压力容器、管道、钢结构件的焊缝内部缺陷（夹渣、未熔合、未焊透）在成品表面完全观察不到，只能依靠超声波探伤。现场判读依赖持证人员经验：小缺陷回波常被结构噪声（草状波）掩盖，信噪比低于 6 dB 时进入"靠经验补"的区间；不同人员对同一段波形给出的结论可能不一致；事后难以复现当时的判断依据。这导致产线质检难以自动化、老师傅的判读经验也难以沉淀成可复用的资产。

系统共五个模块。① 波形接入：读取探伤仪 A 扫采样序列，按工艺参数（板厚、探头折射角、增益）归一化；② 端侧推理：在 RK3568 NPU 上运行轻量卷积网络，单条波形 1.13 ms 完成判读，全程离线；③ 缺陷定位：输出缺陷所在深度区间与置信度，而非"有/无"二分类；④ 复核队列：按波幅与置信度排序生成待复核清单，供持证人员逐条确认；⑤ 审计留痕：每条判读的模型版本、输入哈希、输出结果、复核人一并记录，可追溯。系统不自动判定合格，最终处置由授权人员签署。

独立完成全链路，任务包括数据构造、模型训练、模型转换、板端部署与文档。技术栈 Python / C++ / PyTorch / ONNX / RKNN / RK3568 NPU。三个实现难点：① 公开 FMC 数据集合成 A 扫后 AUC 仅 0.52~0.63，改用实测噪声叠加物理模型注入缺陷回波，标签 100% 精确且带真实深度；② 模型用 2D 卷积核实现一维时序卷积，输入固定 32×32——这是被 NPU 输入形状约束反向决定的，不是设计偏好；③ 板载 NPU 驱动 v0.8.2 与工具链版本强绑定，只能锁死 rknn-toolkit2 1.5.x 且在 x86 上转换，选 FP16 而非 INT8（INT8 会压坏解码值域）。最终单条 1.13 ms（882 条/秒），1000 条实测准确率 93.3%，与 PC 逐条预测一致率 100%。