工业互联网 算法模型 软件定制 案例

本系统针对水泥企业包装环节的车辆排队、装车调度、数量核验等痛点，打造全流程智能管理方案。 核心模块：排队管理模块、调度模块、智能装车模块、AI大模型识别计数模块。 业务流程：车辆入场时自动读取车号，系统根据车号查询计划装车品种，并动态分配车辆进入对应排队队列。各装车线按照排队顺序进行智能调度，引导车辆依次就位。司机扫码确认后开始装车，此时AI大模型实时识别水泥包装袋并自动计数，确保装车数量精准无误。系统还能自动识别并扣除破损包装，避免人工核验误差，显著提升装车效率与数据准确性。

这是一个面向电子元件分拣场景的轻量工业系统，主要用于样本入库、参数记录、二维码追溯、在线分篮和出库留档。项目以压敏电阻为试点对象，每个样本在入库时记录编号、批次、阻值和时间信息，并生成独立追溯链接。系统支持按目标阻值进行在线分拣，也支持离线整批优化分组，适合中小制造场景先做单线试点验证。除了基础台账外，还保留最近删除和出库留底，方便后续回查、质检和流程复盘。

提高大场景下三维测量技术的精度与效率以满足工业检测高效性、准确性的需要。通过多焦距的多幅图像融合从而实现大景深工件的三维重建实现非接触测量。主要包括大物体多景深图像采样系统设计，基于多景深大场景下的三维重建方法开发，图像对齐与融合网络设计。

本系统面向能源与矿业领域，提供关键参数的预测与检测能力，支撑生产优化、安全预警与智能运维。 新能源发电预测：包含风力发电预测与光伏发电预测。前者基于风速、风向、空气密度及环境温压，预测风电机组功率；后者综合太阳辐射、云量、温湿风及能见度等多维气象要素，预测光伏阵列输出功率。二者帮助电网调度与场站增效。 电力负荷预测：依据气温、太阳直接辐射和散射辐射，预测区域电力负荷，为发电计划与需求侧管理提供依据。 煤矿安全监测：瓦斯浓度预测利用温度、湿度、气压，提前感知瓦斯异常，防范超限事故。煤炭目标检测则通过计算机视觉，实时识别传送带上的煤、矸石、异物与未知物，辅助智能分选与排矸，保障煤质与设备安全。 设备故障诊断：轴承故障诊断针对旋转机械，根据振动信号特征，自动辨识并定位内圈、滚珠、外圈等不同部位及损伤程度的故障，实现精准维护。

应用场景 煤矿井下/选煤厂皮带运输、块煤分选环节，需实时监测煤流中的煤、矸石及杂物，以支撑智能排矸、异物清除与煤质管控。 功能介绍 基于视觉的目标检测系统可准确识别并定位四类目标： 煤：正常物料，可按粒度/块度统计。 矸石：煤矸石，提供分选依据。 异物：锚杆、铁器、木块、编织袋等指定杂物，触发抓取/吹选或停机报警。 未知检测：对模型未见过或形态高度异常的非煤物体进行报出，防止漏判带来的设备损伤或煤质污染。 输出包含类别、位置、置信度及预警信号，并可与分拣机器人、高压风阀或PLC联动实现闭环控制。

应用场景 用于光伏电站的短期功率预测，为电网调度、电力交易、储能充放电策略和电站运维提供数据支撑，减少因天气波动造成的发电不确定性。 功能介绍 以气象特征（温度、降水率、低/中/高云量、10米风速、向下短波辐射通量、向下长波辐射通量、能见度）为输入，输出未来数小时至日前的光伏发电功率。系统可基于历史数据建立映射模型，实时接入数值天气预报或实测数据，生成功率曲线，辅助平衡供需、提升消纳效率与经济效益。

应用场景 面向区域电网调度或配电网能量管理，利用未来气温及太阳辐射预报，提前预判电力负荷走势，支撑发电计划编制、机组组合优化与需求侧响应。尤其适用于光伏渗透率高的地区，太阳辐射直接影响净负荷特性。 功能介绍 系统接收气温、水平面太阳直接辐射和散射辐射数据（实测或预报），输出短期电力负荷预测值。具备日前/日内多时间尺度预测、预测曲线可视化、误差分析以及超限预警功能，辅助运行人员快速评估供需平衡、安排调峰资源。

应用场景 面向工业旋转机械（电机、风机、泵、机床主轴等）的轴承健康监测与预测性维护，适用于连续生产线、风电、轨道交通等对设备可靠性要求高的领域。 功能介绍 基于振动信号，实时识别轴承故障类型与严重程度。系统能精准区分故障位置（内圈、外圈、滚珠），同时判断损伤程度（如轻微、中度、重度），输出多级预警，帮助运维人员快速定位问题部件，减少非计划停机。

基于传统算法与YOLO的手机壳缺陷检测系统 一、立项背景与目标 手机壳生产环节中，划痕、气泡、毛边、色差等缺陷直接影响产品良率与用户体验。传统人工检测效率低、误检率高，难以满足大规模产线需求。本项目融合传统图像处理算法与YOLOv8目标检测模型，构建高精度、高效率的自动化缺陷检测系统，实现手机壳表面缺陷的实时识别、定位与分类，目标将检测准确率提升至98%以上，检测速度控制在0.5秒/件以内，显著降低人工成本与漏检率。 二、软件功能与核心模块 图像采集模块：支持工业相机实时采集手机壳多角度图像，自动触发拍照与图像预处理（灰度化、去噪、增强对比度）。 传统算法模块：基于OpenCV实现边缘检测、形态学操作、模板匹配等算法，用于快速筛查明显缺陷（如毛边、缺角）。 YOLOv8缺陷识别模块：训练专用缺陷数据集，实现对划痕、气泡、凹陷、印刷偏移等复杂缺陷的精准识别与定位，支持多类别输出。 结果融合与决策模块：综合传统算法与YOLO结果，通过置信度加权与规则引擎输出最终判定，支持缺陷类型、位置、严重等级标注。 人机交互界面：提供实时检测画面、缺陷热力图、统计报表、历史数据查询、报警推送等功能，支持参数配置与模型更新。 三、业务流程与功能路径 图像输入：工业相机采集手机壳图像 → 图像预处理 → 输入检测系统。 双路并行检测： 传统算法路径：边缘检测 → 形态学处理 → 缺陷初筛。 YOLO路径：图像输入 → YOLOv8推理 → 缺陷定位与分类。 结果融合：双路结果比对 → 置信度加权 → 最终判定（合格/不合格+缺陷类型）。 输出与反馈：显示缺陷位置与类型 → 生成检测报告 → 触发分拣机构 → 数据存入数据库 → 支持历史追溯与模型迭代优化。

背景：环保领域需要加药保证出水总磷不超标 项目：本系统针对南方某污水处理厂，建立了基于除磷药剂种类、浓度、进水水质和出水水质的数据开发了一套智慧加药系统，该系统是一套通过信号采集、信号反馈相互协同，并集合人工智能算法，智能化控制加药泵的智慧化软件模型，实时预测出水水质投加对合理加药量，实现实时智能投加，节约用人成本，大幅度降低药耗，出水达标100%。

针对化学储存设备清理厂的污水处理厂中传统运营中水质波动预判滞后、药剂投加全靠经验、数据各自为政、工艺调整缺依据、成本高效率低等难题，以工业互联网为底座，打造了一套覆盖全流程的智能监控与精准投加系统。这套系统构建起“数据驱动、云边协同、智能决策、闭环控制”的新型水务运营模式，让出水稳定达标、药剂成本大幅下降、运营效率全面提升，成为工业互联网在水务环保领域的标杆。 系统由六大模块协同组成：边缘计算节点扎根现场，兼容主流工业协议，实时采集从进水到出水全流程的水质、设备、药剂等数据，并自动清洗、补传，确保源头数据干净可靠；工业互联网平台作为中枢，搭建“云-边-端”一体化架构，通过数据中台、算法中台、设备中台三大核心能力，打破数据孤岛，为智能应用提供统一支撑；水质预测模块利用三年以上历史数据训练出LSTM时序模型，能提前24小时预判进水水质水量波动，让工艺调整从被动变主动；药剂优化模块融合机理与数据驱动，结合预测值和实时数据，实时算出PAC/PAM、碳源等药剂的最优投加量，告别经验依赖，实现精准控药；全过程智能监控与可视化模块通过大屏和Web端，让水质、设备、能耗、药剂消耗等状态一目了然，异常自动预警；自动化闭环控制模块与现场PLC安全对接，将最优参数自动下发执行，并根据出水仪表数据反向校正模型，形成“采集—分析—决策—控制—反馈”的完整闭环。 整个业务流程是一个自学习、自优化的数据闭环：边缘端采集并预处理数据，上传平台；数据中台统一治理，构建高质量数据资产库；算法中台调用预测与优化模型，输出最佳投加量与工艺建议；控制指令安全下发至PLC，自动调整加药设备；出水数据回传反馈，驱动模型持续迭代；平台自动生成运营报表，帮助管理者高效处置异常工况，真正实现全流程智能管控。

1. 基本驱动功能 - 电机换向控制 根据霍尔传感器，完成三相绕组电子换相，实现电机连续旋转。 - 转速调节（调速） 通过改变PWM占空比，调节母线电压等效值，实现平滑无级调速。 - 正反转控制 通过改变换相顺序，控制电机正向/反向运行，可设置软切换，防止冲击。 - 启动控制 支持定位启动、渐进升速启动、低速强拉启动，保证电机平稳起转，不堵转。 2. 保护功能 - 过流保护 检测母线电流或相电流，超过阈值立即关断PWM，防止MOS管、电源损坏。 - 过温保护 检测驱动板/MCU温度，过热时降功率或停机。 - 欠压/过压保护 电源电压异常时禁止驱动，保护控制器与电池。 - 堵转保护 电机卡死、转速异常时自动切断输出，防止烧毁。 - 霍尔传感器故障保护 霍尔信号丢失、乱跳时立即停机并上报故障。 3. 控制与运行功能 - 开环/闭环转速控制 开环：直接给定占空比； 闭环：根据目标转速自动调节，稳速精度高。 - 限流控制（恒流控制） 限定最大输出电流，实现恒力矩输出，适合爬坡、负载突变场景。 - 软启动/软停止 转速渐进上升/下降，减小机械冲击、电流冲击。 - 制动功能 支持短接制动、能量回馈制动，停车更快更稳。 4. 故障诊断与状态反馈 - 实时故障检测 过流、过压、欠压、过温、霍尔异常、堵转、通讯异常。 - 故障记录与上报 记录故障码、故障发生时间，支持通过串口/CAN上传。 - 运行状态反馈 实时上传：转速、电流、电压、温度、运行方向、故障状态。

针对企业级异构数据处理中存在的“逻辑黑盒”与“高错误率”痛点，开发了这套基于 LCP 协议的自动化清洗系统。 系统核心功能涵盖： 1. 多源异构数据坍缩：实现 Excel、CSV、JSON 等多种格式数据的极速归一化。 2. 逻辑自洽性校验 (LCP)：通过建立公理化逻辑规则，自动识别并拦截 100% 的逻辑冲突数据（如财务流水不平、时间线重叠等）。 3. 自动化报告生成：清洗过程全程透明，一键导出包含清洗逻辑、异常拦截记录及标准化结果的完整包。

传统工业底片检测依赖人工评定，效率低、标准不统一。项目目标是构建 工业底片数字化工作站，实现底片采集、数字化评定、审核和报告生成的全流程软件系统。 参与工业底片数字化工作站核心功能研发。 负责底片评定审核系统的软件开发。 参与数字化交付系统的设计与实现。

负责 FPGA 综合前端工具的全流程维护，核心覆盖从基于 lex/yacc 完成硬件描述语言的语法解析、语义分析，到中间表示构建、逻辑优化、技术映射，最终落地门级电路综合的完整链路；日常排查流程异常，优化解析效率与综合精度，适配新 FPGA 器件规格，保障工具稳定运行。

负责生产过程实时质量感知与预警应用项目。在卷包数据采集平台及技术架构基础上，完成对卷包新增5台高速机设备的数据采集及在线质量数据预警平台的搭建，达到完善设备数据采集能力，提升数据缓存稳定性和可靠性，实现对生产过程异常、产品质量的在线监测和异常预警功能等目标，具体包括：物联网数采(基于node-red)的采集模块;移动质控终端填报（包括基础填报、质量，消耗，设备，生产，安全）; 基于flink的实时预警内容; 基于重量的分析模型; 和基于yolov8图像识别的温度模型;基于智能体的设备维修知识库;基于finereport11的消耗报表解决方案;基于avue-data的车间整体监控大屏

一、立项背景：随着某电网公司数字化脚步的加快，传统的人工作业已不能满足日益增长的设备运维需要，亟需引入自动化、智能化（人工智能）的技术帮助运维人员进行设备故障的诊断和分析。 二、软件功能：借助人工智能技术对电气设备的各种检测数据（如电流、电压、局放、油气含量、图像）进行智能分析和诊断。 三、核心模块 1.数据接入：将各种检测数据（如电流、电压、局放、油气、图像）等，通过主动获取或被动接收方式进入系统。 2.数据处理：对原始数据进行预处理，使其满足数据规范，方便后续的诊断。 3.故障诊断：将合规的数据推送到人工智能算法进行智能分析与诊断，并接收返回的结果。 4.前端展示：页面展示相关设备的诊断结果。

1：本项目是一个工业机器人控制与仿真系统，旨在提供完整的机器人操作、监控和仿真平台。主要目标是： - 实现机器人的可视化控制和实时监控 - 提供直观的3D仿真环境 - 支持工艺流程的可视化配置 2：系统包含五大核心功能模块： - 基础信息管理：机械臂配置、相机标定、环境设置 - 工艺规划：工艺参数配置、轨迹规划、碰撞检测 - 工作流设置：可视化流程配置、任务编排 - 实时状态监控：设备状态、运行数据实时展示 - 3D仿真：机械臂运动仿真、路径预览、碰撞预警 3：系统主要业务流程： - 设备初始化：完成基础配置、相机标定、环境建模 - 工艺规划：制定加工方案、设置工艺参数、规划运动路径 - 任务执行：启动任务、实时监控、状态反馈 - 数据分析：运行数据采集、性能分析、优化建议

1、优化计划排产流程，提升预排产精确度； 2、提升正式排产交付能力； 3、增强产线产能控制，生产过程中的组织协同； 4、以SAP为核心，紧密结合CRM、SRM、MES系统，解决多资源调度问题； 5、即时规划能力。APS能够搜集生产过程中的相关数据，并立即进行分析与规划，使得规划人员能够应对许多突发状况，如紧急插单、物料供给延迟等

背景 ： 电机转条断裂是指电机转子上的导条（通常称为转条）出现断裂或损坏的情况。转条断裂是电机运行过程中常见的故障之一，它可能导致电机性能下降、能效降低甚至损坏设备。 为了监测电机转条断裂问题，可以利用电信号进行故障诊断。通过监测和分析电信号的特征，可以判断电机是否存在转条断裂问题。 作为传统的振动信号监测的重要补充，它可以： 变频器与电机通过电气连接，通过电信号监测电机故障，可减少额外的传感器成本 针对一些现场安装维护困难，如水下设备：潜水泵等 可与振动信号监测联合诊断，提高诊断准确率 功能： 通过算法实现基于电信号的电机转条断裂的自动故障诊断 输入数据为三向电流