面向工业质检的分布式异构算力协同推理与任务调度系统设计.docxVIP

PAGE2

面向工业质检的分布式异构算力协同推理与任务调度系统设计

摘要

工业质检是智能制造的关键环节，其对实时性、精度与算力弹性的需求日益增长。传统基于单点服务器的质检方案存在推理延迟高、资源利用率低、扩展性差等痛点，难以应对产线高速迭代与多品种小批量的柔性生产模式。本课题设计并实现了一套面向工业质检的云边端协同推理系统，构建了“端侧轻量采集与预处理、边侧实时推理与分流、云侧重度训练与全局调度”的三层弹性架构。系统核心在于设计了一种异构算力资源感知的模型切分与调度算法，通过动态评估边缘节点与云端GPU、CPU、NPU等多种算力资源的实时状态，结合质检任务的时延敏感度与计算复杂度，将深度神经网络模型按层切分，并自适应地将子模型部署至最优算力节点，从而保障毫秒级实时质检需求。本文遵循工程化设计流程，从需求分析、总体设计、详细设计到系统实现与测试，完整展示了系统的构建过程。测试结果表明，所提系统在100路高清视频流并发质检场景下，端到端推理延迟低于50毫秒，模型切分调度效率相比静态部署提升40%，有效解决了工业场景下异构算力协同与实时质检的矛盾。

关键词：工业质检；边缘计算；云边端协同；异构算力；模型切分；任务调度

第一章绪论

1.1研究背景

在智能制造浪潮中，工业质检正从人工目视向自动化、智能化方向快速演进。基于深度学习的视觉质检技术已在电子、汽车、食品等行业广泛应用，能够