工业互联网 算法模型 软件定制 案例

工业质检常见缺陷样本少、类别变化快，难以为每种异常建立充分监督数据。项目目标是用正常样本学习特征分布，对未知异常输出样本级异常分数，并提供ROC、分数分布、排序图和低维可视化，便于比较模型版本。原型覆盖Deep SVDD、自编码器、PaDiM、PatchCore、DecompNet、ViT和Wide-ResNet多条技术路线；当前推荐版本以WideResNet50-2提取多尺度特征，在固定32×32网格上建立位置相关的高斯统计。业务/实验流程为整理正常训练集，提取layer1—3特征并降到128维，增量估计均值/协方差，计算马氏距离异常分数，最后在三组离线数据上汇总AUROC和诊断图。

1.用户端 AI 定制建模模块：消费者 / 装修设计师上传空间尺寸、手绘草图或照片，系统自动参数化生成异形台盆 3D 模型，可自由调整造型、釉色、开孔位置，实现可视化按需定制，解决传统陶瓷产品样式固定、个性化改造成本高的痛点。 2.工艺合规校验模块：后台自动校验模型脱模角度、壁厚、烧制收缩率等陶瓷生产工艺参数，不合格方案一键预警并给出修改建议，避免定制图纸无法落地生产。 3.模具自适应匹配模块：AI 根据定制模型自动拆分模件、生成数控加工指令，对接陶瓷模具加工设备，替代人工手绘开模图纸，大幅缩短模具开发周期。 4.生产全流程管控模块：涵盖挤压成型、喷釉、烧制、质检、订单排产全流程数据录入与追踪，工厂管理人员可实时查看订单进度、良品率，实现数字化排产。 5.订单与财务管理模块：自动核算定制加工费、模具费、物流费用，生成订单合同，对接对公收款台账，方便校企合作、对公项目财务对账。

1.项目背景和目标 背景：工业视觉场景（冷库安全监测、区域入侵检测、人员行为识别）普遍依赖云端 AI 方案，存在带宽成本高、延迟大、数据隐私风险等问题。端侧 AI 推理是明确趋势，但 RK3588 等边缘平台在工程化落地时面临模型部署、硬件加速、进程管理、稳定性保障等一系列工程难题。 目标：在 RK3588 平台上，从零构建一套可交付的边缘 AI 视觉推理系统，实现摄像头采集 → 硬件解码/预处理 → NPU 推理 → 结构化事件输出 → 远程运维监控的全链路产品化闭环。 2. 软件功能 核心功能模块 多源采集：V4L2 USB 摄像头、RTSP 网络流、视频文件、 硬件加速预处理：RGA 硬件加速 resize / CSC / letterbox，释放 CPU 给推理 NPU 推理引擎：RKNN 模型加载/推理、YOLO 检测类后处理适配、INT8 量化 结构化输出：JSONL 检测结果实时输出、TCP/UDS 事件流，直接对接业务系统 进程守护：mlfw-d 守护进程管理 pipeline 生命周期，异常自动重启 远程运维：Agent + tunnel-server 构建设备心跳/诊断上报链路 3.核心业务流程 命令行启动 →camera/rtsp/视频文件流 →MPP 解码 → NV12 原始帧 → RGA resize + letterbox (640x640) → RKNN NPU 推理 → 后处理 (NMS + 坐标映射) → 检测框绘制

针对GNSS拒止及复杂环境条件下无人机仅依赖视觉信息进行稳定定位所面临的挑战，围绕绝对视觉定位与相对视觉定位的协同应用开展研究，提出了一种面向复杂场景的无人机视觉定位方法，实现无人机轻量化的视觉定位。

1. 立项背景和目标： 传统无线接入点部署依赖人工经验或遗传算法、粒子群、模拟退火等启发式搜索，存在计算耗时长、目标约束难表达、决策过程缺乏解释性等问题。本项目面向城市无线网络规划场景，将 RadioMap 传播预测模型与大语言模型推理结合，目标是根据用户提出的覆盖率、频谱效率、容量、冗余度和站点数量等要求，自动生成接入点部署方案，并通过可视化方式展示每一步决策依据和性能变化。 2. 软件功能及核心模块： 系统主要包含五类功能：一是代理模型模块，使用 PMNet、RMNet、UNet、TransUNet、RadioUNet 快速预测无线传播和路径增益；二是 ReAct 决策模块，将自然语言需求解析为目标、约束和指标权重，循环执行新增、删除、移动站点或停止等动作；三是初始化策略模块，支持随机、贪心、预训练策略及“两阶段排序”初始化；四是启发式基线模块，集成 GA、PSO、SA、Greedy、候选枚举和穷举方法；五是 Web 可视化模块，实时展示覆盖图、路径增益图、站点位置、指标和决策轨迹。 3. 业务流程和功能路径： 用户在 Web 页面选择城市地图、需求模板、规划器、代理模型和候选数量后启动任务；系统首先解析自然语言需求，再生成初始站点集合，通过代理模型计算覆盖率、频谱效率和冗余率；随后从合法候选位置中筛选 Top-K 点位，由 ReAct 或启发式规划器决定下一步动作，并重新评估指标，直至满足约束或达到最大步数。运行过程写入轨迹文件，由后端以约 200ms 周期监控，并通过 SSE 推送到前端，最终形成部署方案、指标汇总和可回溯的动作链。

1. 为什么要做这个） PLC工程师写SCL代码有个很烦的事——语法规矩特别多。等于号在C语言里是==，在SCL里是=。赋值在别处用=，SCL非得用:=。IF后面忘了END_IF，CASE漏了ELSE，编译器只告诉你错了，不告诉你哪错，更不会帮你改。一个工程师来回编译、报错、猜、改能折腾很长时间。后来发现大模型也能写SCL，但写出来的更离谱——&&、!=这些C语言习惯全带进来，true/false小写不认，IF/CASE各种缺胳膊少腿。思路很简单：既然LLM犯的错就那么几类，每类长什么样我们也知道，写一套固定规则帮它改就行了。不用重新训练模型，写死规则，来一个修一个，结果永远确定。 2. 能干什么 拆成四块：第一，让大模型写代码。用大白话描述控制需求，背后接了好几个大模型可以换着用。第二，帮它补骨架。LLM经常忘了关IF、关CASE，用一个叫下推自动机的方法跟踪成对关键字，哪缺了自动在正确位置补上。本质是聪明的括号匹配，但能处理嵌套——IF里套CASE，正则搞不定，必须用栈。第三，帮它改小毛病。&&改AND，!=改<>，true改TRUE，一共11种常见错误，8种自动改，3种标记提醒。改等于号最危险——在IF条件里它是合法比较符不能瞎改，设了三层保护确保不破坏逻辑。第四，浏览器打开就能用，代码直接复制到TIA Portal编译。 3. 怎么用 三步：网页上用大白话写控制逻辑，选PLC型号。点生成等几秒，大模型出初稿。工具自动修一遍语法错误，拷走拿去编译。想再改可以手动编辑或者对话精修。从需求到能编译的代码，快的就几分钟。

【介绍】 EMS 作为微电网的“智慧大脑”，是一套集高度智能化、卓越安全性、强大扩展性与优异性能于一体的自主可控型能碳监控与优化分析系统，不仅实现了对能源的全方位精细化监控和耗能设备异常状态的科学预警，更通过深度融合微电网内的能源流、信息流与碳流，有力推动了节能降碳目标的落地，积极响应国家双碳战略部署。在技术架构上，开创性地融合AI与云边端一体化设计，全面依托国产化软硬件平台，能够精准协同市电与光伏、风电、储能等新能源的互补共融，无缝对接单站独立运行、云端集中监管及多站协同控制等多种模式，并基于Paddle-TS 实现负荷趋势预测，从而显著提升能源经济性，助力企业降本增效、引领绿色转型。目前，该产品已成功加入百度AI 生态产品体系和华为生态产品体系，进一步彰显其行业认可度与生态兼容优势。 【主要功能】 1、Dashboard 2、能源分析 3、EHS环境监测 4、分布式光伏 5、分布式储能 6、碳资产 7、电力运维 8、设备管理 9、视频管理 10、AI负荷预测与AI能源智能调节

立项背景和目标 在选矿、建材等连续生产场景中，物料粒度分布直接决定磨矿效率与成品品质。传统的人工筛分或离线取样检测存在严重滞后性，无法实时反映产线波动，且粉尘环境对操作人员健康不利。本项目通过工业相机实时拍摄传送带上的物料图像，结合轻量化目标检测（yolo26s，已独立基于教程训练并部署）与高精度分割（FastSAM）融合算法，在线计算每个颗粒的等效面积并换算出粒度组成（等关键指标）。最终目标是以秒级频率输出粒度数据，替代人工目测，为操作员及时调整给料机转速或下料比例提供量化依据，从而稳定产品质量、降低能耗。 核心功能模块 系统由以下几个核心模块构成： 实时图像采集模块：支持多路RTSP工业相机同步接入，可根据产线速度调节抓拍间隔，并自动进行光照补偿和去噪预处理。 粒度分析计算引擎：调用训练好的 yolo26s 模型快速定位物料个体区域，再经 FastSAM 生成精细掩膜，精准统计各颗粒像素面积，结合标定系数换算为物理面积（mm²），并自动生成当前帧的粒度分布直方图。 报警与阈值管理模块：允许用户在生产参数配置界面自主设定粒度上限、下限以及波动范围。当连续多帧检测值超出预设区间时，系统通过看板弹窗、声光提示或短信通知方式发出预警，提醒操作人员注意。 多维度趋势曲线模块：提供8小时、24小时、7天三个时间尺度的粒度变化曲线（可切换显示D50、D90或细度模数），曲线图支持鼠标悬停查看具体数值，便于操作员判断产线长期稳定性或短期突变。 下料辅助决策模块：系统根据当前粒度实测值与目标值的偏差，自动计算推荐的下料比例调整量（百分比），并显示在操作面板上，供操作员参考，也可选配自动闭环控制接口（PLC联动）。 业务流程与操作路径 系统启动后，相机按设定周期抓拍图像并上传至服务器；后端依次执行预处理、yolo26s 候选框提取、FastSAM精细分割、面积累加与粒度换算，生成该帧的分析结果并存入时序数据库。 用户操作流程如下： 登录后台管理页面，首先看到“实时监测”仪表盘，显示最新粒度数据、当前报警状态及推荐下料调整值。 若需观察趋势，可切换至“趋势分析”页，自由选择8小时、24小时或7天时间范围，查看粒度曲线，并可叠加显示报警阈值线。 当报警触发时，进入“报警记录”页查看详细超标时段，结合曲线分析原因（如下料波动或给料不均匀）。 在“参数设置”中调整粒度目标值和报警上下限，并查看系统根据偏差给出的下料比例建议，操作员确认后手动调节给料机频率，或启用自动模式由PLC执行调整。 所有操作日志和检测数据均可按班次导出，用于生产报表和工艺优化复盘。

平台面向智慧城市场景，支持遥感影像的变化检测与智能分析。立项背景是城市基础设施监测依赖人工，效率低、响应慢。核心功能包括：影像图智能检测、变化分析、压占/突破分析、批量转换与空间分析。可服务于城市规划、环境监测、基础设施管理等场景。

本项目为卫星测控与轨道跟踪系统，主要用于低轨（LEO）、中轨（MEO）、地球同步轨道（GEO）卫星的实时轨道解算、可见性分析以及天线自动跟踪控制。 系统支持导入标准TLE两行轨道数据，通过SGP4轨道模型完成卫星位置计算，并结合站点经纬度实时计算卫星方位角（AZ）、俯仰角（EL）、距离、多普勒频移等参数。 核心功能包括： TLE轨道数据导入与管理 卫星实时位置计算与轨迹显示 可见窗口预测与过境分析 天线自动跟踪控制 TCP/IP网络通信接口 设备状态监控与日志记录 数据导出与报表生成 系统广泛应用于卫星通信测试、遥测遥控、轨道分析及地面站设备管理等场景，可有效提高卫星跟踪效率和设备自动化程度。

本项目面向户外高尔夫球场自动化作业场景，为移动机器人提供 AI 视觉感知、目标识别、状态判断和任务辅助决策能力。系统接入左右相机、激光点云、里程计、地图、设备状态等多源数据，完成高尔夫球识别、球满判断、卡球检测、三角标识识别、前方障碍检测、局部/全局球密度地图生成等功能。 机器人在作业过程中可根据视觉检测结果统计球量、判断是否需要返航卸球，并结合行为树状态、任务状态、电量信息和地图区域信息进行联动控制。同时系统支持动态参数配置、图像缓存、检测结果解析、ROS 服务调用、状态发布、异常告警和 rosbag 数据保存，便于现场调试、算法验证和后续数据回放分析。

基于工业设备采集的时序数据，开发了一套轻量级异常检测算法Demo。通过滑动窗口统计、3σ原则对设备运行指标进行异常识别，支持数据可视化展示与异常点标记，可用于快速发现设备运行中的异常波动，辅助工业运维人员进行故障预判，提升数据驱动运维的效率。

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。