基于边云协同的工业机器视觉表面缺陷在线检测与剔除控制系统设计.docxVIP

PAGE2

基于边云协同的工业机器视觉表面缺陷在线检测与剔除控制系统设计

摘要

随着“工业4.0”与“中国制造2025”战略的深入推进，表面缺陷检测已成为制约高端制造业产品质量提升的关键环节。传统人工检测效率低、误检率高，而现有的单一机器视觉方案难以兼顾检测精度与实时性，特别是在复杂工况下对微小缺陷的识别能力不足。针对上述痛点，本文设计并实现了一种基于边云协同的工业机器视觉表面缺陷在线检测与剔除控制系统。

系统采用“边缘端轻量推理+云端精细复核”的协同架构，有效解决了算力资源分配与实时响应的矛盾。边缘端部署改进的轻量化YOLOv5s模型，负责产线图像的实时初筛与定位；云端部署高精度ResNet50模型，对可疑样本进行二次确认，并通过协同推理机制降低误报率。同时，开发了基于PLC与运动控制卡的检测-剔除联动系统，实现了从缺陷识别到物理剔除的毫秒级响应。

论文主要工作包括：首先，进行需求分析，明确系统在复杂光照环境下的检测精度与实时性指标；其次，完成系统总体架构与详细设计，构建了包含感知层、边缘层、云端层与执行层的四层架构；再次，实现了核心算法模型与控制逻辑，重点攻克了模型轻量化与通信延迟优化难题；最后，搭建实验平台进行全面测试。测试结果表明，系统缺陷检出率达到96.5%，单帧处理延时低于40ms，剔除成功率超过98%，满足工业现场的高实时性与高可靠性要求。本设计不仅提升了缺陷检