> **導語**
>
> 隨著工業 4.0 時代的來臨，數字化、智慧化轉型成為工業領域企業保持核心競爭力的必經之路。工業製造涉及環節和場景眾多，對於各類生產資料的收集與處理能力是決定其自動化程度的關鍵。構建可靠的工業物聯網資料接入層，為上層平臺與應用提供實時可靠的資料來源以供分析決策，可以極大提高工作效率。
>
> 在本專題系列文章中，我們將結合 EMQ 多年來服務工業領域客戶的實踐經驗，從能耗監控、預測性維護、產品質量溯源等工業領域常見場景需求入手，為從業者提供針對性的的解決方案參考。

## 背景

在數以萬計的智慧工廠中，一個零部件的質量往往關係到整個產品是否合格、整條生產線的合格率、整個工廠的生產效率和經濟成本，甚至是整個企業的市場競爭力。因此，產品的質量檢測是生產企業管理者必須重視的關鍵環節。

隨著工業智慧化的迅速發展，視覺 AI 缺陷檢測技術已逐步成熟並得到廣泛應用。採用視覺 AI 缺陷檢測技術進行工業缺陷檢測，具有非接觸、高效、低成本、自動化程度高等優點，在檢測缺陷和防止缺陷產品方面具有不可估量的價值。

基於視覺 AI 缺陷檢測技術，工廠如何實現零缺陷生產和自我工藝最佳化升級的「智慧化」，將在兩個維度對現有的技術提出挑戰，一方面需要不斷訓練、最佳化AI演算法模型以提升視覺檢測技術覆蓋範圍和精準度；另一方面，資料可自動上傳到生產執行系統和企業雲大資料分析平臺，便於後續大資料分析做工藝的持續性最佳化、生產線的效率提升以及管理模式的不斷改善，最終實現整個工廠自我糾錯、不斷改善的智慧化能力。

## 視覺 AI 缺陷檢測技術現狀分析

### 缺乏在近生產線的邊緣端獨立處理事件能力

產品缺陷有時是工藝上不可避免，有時是生產線裝置引數設定異常、裝置故障或操作錯誤等原因導致，一旦視覺 AI 缺陷檢測到產品缺陷，需要透過聲光等告警訊號及時告知現場工程師進行故障排查，或透過生產線的自動化系統執行分流、糾錯等流程，避免造成更大的經濟損失。告警訊號觸發或執行流程一般是透過聲光報警器或 PLC 執行完成，邊緣端運算能力需要保障告警事件處理的實時性、高效性和獨立性。

### 資料異構化、匯聚難

在智慧製造生產過程中，產品的質量資料不僅涉及缺陷檢測的影像流，還涉及到現場多工序多產線生產裝置的多源異構協議資料、生產經營相關業務資料和產品設計工藝資料採集，以及 MES、WMS、ERP 等工廠管理系統的對接。這些裝置或系統處於不同的網路環境中，如生產網、辦公網或者雲平臺等，需要構建一條資訊通道打通各個裝置和系統之間資料互動壁壘，進行相關資料的全面感知和採集，才能實現基於視覺 AI 缺陷檢測和其他生產、業務資料的大資料分析。

### 新趨勢：基於「雲-邊」架構的 AI 演算法模型

「雲-邊」的架構成為視覺 AI 缺陷檢測架構的新趨勢。「雲」設立在廠級資訊中心或集團的總部，掌握總體管控的功能，還可根據實際生產需要，選用合適的模型進行集中訓練，再將訓練好的模型釋出給 「邊緣」進行就近推理，並接收其返回的推理結果進行儲存、管理；「邊緣」則設立在工廠內每條生產線上，進行前端的資料採集、預處理以及簡單的推理工作，也在「雲」的管控下，對生產線產品進行實時缺陷檢測。

[![全新工業視覺平臺系統架構圖](http://img.blog.itpub.net/blog/2022/09/13/21ded4ab2a06176c.png?x-oss-process=style/bb "全新工業視覺平臺系統架構圖")](https://www.emqx.com/zh/blog/smart-factory-ai-defect-detection-solution "全新工業視覺平臺系統架構圖")

## EMQ 視覺 AI 缺陷檢測解決方案

針對工業領域視覺 AI 缺陷檢測場景現狀，EMQ 透過雲原生技術以及雲邊協同架構提供了完整解決方案，實現對視覺 AI 缺陷檢測影像流及海量工業裝置資料在「產線-工廠-集團」的連線、移動、處理、儲存與分析。

[![](http://img.blog.itpub.net/blog/2022/09/13/b697f6a6f067dc52.png?x-oss-process=style/bb)](https://www.emqx.com/zh/blog/smart-factory-ai-defect-detection-solution)

該方案主要由以下產品構成：

| **元件**       | **產品名稱**                                                 |
| -------------- | ------------------------------------------------------------ |
| 邊緣數採軟體   | [Neuron](https://www.emqx.com/zh/products/neuron) - 工業協議閘道器軟體 |
| 邊緣 Broker    | [NanoMQ](https://nanomq.io/zh) - 超輕量級邊緣MQTT訊息伺服器  |
| 邊緣計算軟體   | [eKuiper](https://ekuiper.org/zh) - 超輕量物聯網邊緣資料流式分析引擎 |
| 物聯網接入平臺 | EMQX BC - 雲原生分散式物聯網接入平臺                         |

1. EMQ 在邊緣端提供視覺 AI 缺陷檢測資料對接處理能力。eKuiper 支援 Rest、gRPC、msgpack RPC 服務對接視覺 AI 缺陷檢測資料，獲取缺陷產品影像流，進行實時壓縮後在邊緣端儲存和匯聚到廠級資料中心或雲端。
2. 邊緣端實現視覺 AI 缺陷檢測裝置和自動化裝置聯動，在生產線上視覺 AI 缺陷檢測裝置檢測出產品缺陷，可以直接透過 Neuron 下發指令到聲光報警器和 PLC，進行告警通知或者執行分流、糾錯流程。
3. 構建「產線-工廠-集團」影像流及海量工業裝置資料傳輸通道。資料透過 EMQ 邊緣計算平臺匯聚，傳輸到工廠的 EMQX，再橋接到雲端 EMQX，並透過其規則引擎流入到時序資料庫與 AI 分析應用，為基於全集團工廠缺陷檢測影像資料和業務資料的大資料分析應用奠定基礎，實現生產質量追溯、生產工藝最佳化等資料價值挖掘與應用。
4. 透過 EMQ 的這套方案可以構建完整、自迴圈的雲邊一體 AI 模型訓練流程：邊緣端的影像流實時匯聚、持久化到雲端，雲端 AI 及時進行模型訓練並週期性最佳化演算法模型釋出到邊緣端，同時實時匯聚、持久化新模型推理結果，為工廠生產工藝進一步最佳化、智慧化做好準備。

## EMQ 架構優勢

### 多維度的資料匯聚和邏輯處理能力

EMQ 整體解決方案可以採集與反向控制工廠內 PLC、非標自動化裝置、各類儀器儀表、視覺 AI 缺陷檢測裝置的影像流和實時資料，可以響應邊緣端、工廠 MES 系統、雲中心各級資料邏輯運算、事件流處理需求。

### 多維度的資料持久化能力

透過 ekuiper 和 EMQX 內建規則引擎功能，可以在邊緣端、廠級資訊中心和雲端，把影像流和業務資料流實時推送到各類資料庫中，包括 InfluxDB、TimescaleDB、MySQL、PostgreSQL 等各類時序資料庫和關係型資料庫。EMQX 支援每秒 10萬+TPS 的資料庫資料寫入效能，可滿足每秒千萬級資料測點的實時入庫。EMQX 將多端 Neuron、eKuiper 採集分析的資料進行統一匯聚，資料推送到資料庫及大資料系統進行持久化儲存，為企業構建生產質量分析和最佳化構建了健壯的底層資料架構。

### 雲邊協同管理提升企業 IT 水平

EMQ 的雲邊協同框架將 Neuron、eKuiper 等眾多邊緣軟體進行遠端統一管理，無論雲邊之間的網路是直連模式還是穿透模式，都可以方便地進實現引數配置、日誌檢視、實時監控等遠端管理。

此外，方案利用 KubeEdge 對邊緣軟體進行編排管理，實現了邊緣軟體的高可用、遠端部署、軟體升級以及邊緣離線自治等功能，實現應用的邊緣自治，極大提升了整體系統的穩定性，並降低運維成本。

## 結語

透過構建影像流和業務資料流到廠級資料中心和雲中心的資料高速通道，EMQ 面向視覺 AI 缺陷檢測場景的解決方案打破了檢測系統和產線自動化裝置之間的資訊孤島，基於不同業務層對事件處理的需求提供對應的邏輯分析和資料持久化能力，為企業透過 AI 模型訓練不斷最佳化視覺 AI 缺陷檢測演算法以及基於大資料分析持續改進工廠生產工藝和企業管理模式提供了保障，助力企業實現數字化轉型，提升市場競爭力。

>版權宣告： 本文為 EMQ 原創，轉載請註明出處。
>
>原文連結：[https://www.emqx.com/zh/blog/smart-factory-ai-defect-detection-solution](https://www.emqx.com/zh/blog/smart-factory-ai-defect-detection-solution)

雲邊協同架構助力智慧工廠視覺 AI 缺陷檢測應用構建

相關文章