基于边缘智能的工业视觉缺陷检测轻量化模型部署系统设计.docxVIP

PAGE2

基于边缘智能的工业视觉缺陷检测轻量化模型部署系统设计

摘要

随着工业4.0战略的深入推进，传统基于人工目视的质检模式已难以满足现代产线对高效率与高精度的双重需求，而基于云计算的视觉检测方案又面临着高延迟与带宽瓶颈的挑战。针对上述问题，本课题设计并实现了一套基于边缘智能的工业视觉缺陷检测轻量化模型部署系统。该系统旨在通过算法轻量化与容器化部署技术，将深度学习推理能力下沉至边缘端，实现低延迟、高可靠的实时缺陷检测。

本文首先分析了工业视觉检测在边缘侧落地的痛点，确立了以模型压缩与推理加速为核心的设计目标。在算法层面，提出了一种基于BN层缩放因子的通道剪枝策略与INT8量化的组合方案，有效降低了模型参数量与计算复杂度。在系统层面，设计了基于Docker的容器化部署架构与推理加速运行时，实现了模型的快速交付与硬件资源的高效调度。论文详细阐述了从需求分析、总体架构设计、详细算法设计到系统实现与测试的全过程。测试结果表明，经过剪枝与量化优化后的模型在保持检测精度损失小于1%的前提下，模型体积缩减约70%，推理速度提升3倍以上，验证了本系统在工业边缘计算场景下的可行性与实用性。

第一章绪论

1.1研究背景

在现代制造业的生产流程中，产品质量检测是保障出厂合格率的关键环节。传统的检测方式主要依赖人工目视，不仅效率低下，而且容易受主观因素影响，导致漏检与误检。近年来，基于深度学