Computer Vision Architecture

Back
边缘视觉缺陷检测链路

摄像头采集 → 去雾/低照增强 → RT-DETR/YOLO 检测 → 裂纹分割细化 → 风险评分 → 维护工单。

Dust Robustness
Low-light Enhancement
Real-time Alert & Replay
模型分层与部署策略
  • 检测层：RT-DETR/YOLO 用于裂纹、异物、托辊异常的目标级识别。
  • 分割层：对疑似裂纹区域执行精细分割，提升微小缺陷召回率。
  • 跟踪层：跨帧跟踪缺陷演化，过滤短时噪声与粉尘误报。
  • 决策层：将视觉异常与振动温升融合，输出维护优先级。
  • 部署层：Jetson 边缘推理 + 本地缓存 + 断网可用。
适配矿井恶劣环境
  • 粉尘遮挡补偿：动态对比增强 + 多帧融合。
  • 低光照补偿：自适应曝光 + 暗区细节恢复。
  • 目标细粒度识别：皮带裂纹、托辊偏心、异物侵入。
  • 边缘部署：在 Jetson 节点本地推理，减少网络依赖。
工程化指标建议
mAP@50
> 0.90
裂纹召回
> 0.92
边缘时延
< 120ms
可用性
> 99.5%
业务价值

把“视觉监测”升级为“可审计、可追溯、可闭环”的预测维护能力，可直接支撑 NIV 申请材料中的独创算法与产业落地证明。