面向嵌入式边缘平台的轻量化金属表面缺陷检测系统产品系统

我要开发同款
wzp1232026年11月17日
7阅读

技术信息

语言技术
C++、C、Python、openCV
系统类型
嵌入式硬件、Linux、算法模型
行业分类
人工智能、智能硬件

作品详情

行业场景

工业生产线上金属工件表面常存在划痕、凹坑、锈斑、缺料等缺陷,人工目检效率低、漏检率高,传统大模型部署到嵌入式设备又受限于算力和内存。本项目面向工厂质检场景,在边缘端完成实时图像采集与缺陷识别,辅助质检人员快速定位问题,降低人工巡检成本,提升产线检测一致性与自动化水平。

功能介绍

系统包含图像采集、图像预处理、缺陷检测识别、结果展示与结果记录几个模块。前端接入工业相机或摄像头采集金属工件图像,经过缩放、归一化等预处理后送入轻量化目标检测模型;模型输出缺陷类别(划痕、凹坑、锈斑等)及其 bounding box,在画面上框选并标注置信度。界面支持实时画面预览、检测结果统计、缺陷类型与数量查看,支持视频流或图片离线检测,结果可导出记录。针对边缘设备算力有限的情况,对模型进行轻量化与量化压缩,在保证精度的同时降低显存占用和推理时延,实现端侧实时运行。

项目实现

本人独立完成整体方案设计、数据集处理、模型选型与训练、边缘端部署及界面联调。技术栈采用 Python + PyTorch 训练 YOLO 系列模型,使用 OpenCV 做图像预处理与结果绘制;通过模型裁剪、INT8 量化等方式压缩模型,部署到地平线 RDK / 嵌入式 Linux 平台;后端用 C++ 或 Python 完成推理调度,ROS2 节点串联采集与检测模块。难点在于边缘算力受限下精度与时延的平衡,通过数据增强、类别不均衡处理和量化策略优化,在端侧达到实时检测效果。

示例图片

声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态

评论