关于物联网:云边协同架构助力智能工厂视觉-AI-缺陷检测应用构建

33次阅读

共计 2826 个字符,预计需要花费 8 分钟才能阅读完成。

导语

随着工业 4.0 时代的降临,数字化、智能化转型成为工业畛域企业放弃外围竞争力的必经之路。工业制作波及环节和场景泛滥,对于各类生产数据的收集与解决能力是决定其自动化水平的要害。构建牢靠的工业物联网数据接入层,为下层平台与利用提供实时牢靠的数据源以供剖析决策,能够极大进步工作效率。

在本专题系列文章中,咱们将联合 EMQ 多年来服务工业畛域客户的实践经验,从能耗监控、预测性保护、产品质量溯源等工业畛域常见场景需要动手,为从业者提供针对性的的解决方案参考。

背景

在数以万计的智能工厂中,一个零部件的品质往往关系到整个产品是否合格、整条生产线的合格率、整个工厂的生产效率和经济老本,甚至是整个企业的市场竞争力。因而,产品的品质检测是生产企业管理者必须器重的关键环节。

随着工业智能化的迅速倒退,视觉 AI 缺点检测技术已逐渐成熟并失去广泛应用。采纳视觉 AI 缺点检测技术进行工业缺点检测,具备非接触、高效、低成本、自动化水平低等长处,在检测缺点和避免缺点产品方面具备不可估量的价值。

基于视觉 AI 缺点检测技术,工厂如何实现零缺点生产和自我工艺优化降级的「智慧化」,将在两个维度对现有的技术提出挑战,一方面须要一直训练、优化 AI 算法模型以晋升视觉检测技术覆盖范围和精准度;另一方面,数据可主动上传到生产执行零碎和企业云大数据分析平台,便于后续大数据分析做工艺的持续性优化、生产线的效率晋升以及管理模式的一直改善,最终实现整个工厂自我纠错、一直改善的智慧化能力。

视觉 AI 缺点检测技术现状剖析

不足在近生产线的边缘端独立处理事件能力

产品缺点有时是工艺上不可避免,有时是生产线设施参数设置异样、设施故障或操作谬误等起因导致,一旦视觉 AI 缺点检测到产品缺点,须要通过声光等告警信号及时告知现场工程师进行故障排查,或通过生产线的自动化零碎执行分流、纠错等流程,防止造成更大的经济损失。告警信号触发或执行流程个别是通过声光报警器或 PLC 执行实现,边缘端运算能力须要保障告警事件处理的实时性、高效性和独立性。

数据异构化、汇聚难

在智能制作生产过程中,产品的品质数据不仅波及缺点检测的图像流,还波及到现场多工序多产线生产设施的多源异构协定数据、生产经营相干业务数据和产品设计工艺数据采集,以及 MES、WMS、ERP 等工厂管理系统的对接。这些设施或零碎处于不同的网络环境中,如生产网、办公网或者云平台等,须要构建一条信息通道买通各个设施和零碎之间数据交互壁垒,进行相干数据的全面感知和采集,能力实现基于视觉 AI 缺点检测和其余生产、业务数据的大数据分析。

新趋势:基于「云 - 边」架构的 AI 算法模型

「云 - 边」的架构成为视觉 AI 缺点检测架构的新趋势。「云」设立在厂级信息中心或团体的总部,把握总体管控的性能,还可依据理论生产须要,选用适合的模型进行集中训练,再将训练好的模型公布给「边缘」进行就近推理,并接管其返回的推理后果进行存储、治理;「边缘」则设立在工厂内每条生产线上,进行前端的数据采集、预处理以及简略的推理工作,也在「云」的管控下,对生产线产品进行实时缺点检测。

EMQ 视觉 AI 缺点检测解决方案

针对工业畛域视觉 AI 缺点检测场景现状,EMQ 通过云原生技术以及云边协同架构提供了残缺解决方案,实现对视觉 AI 缺点检测图像流及海量工业设施数据在「产线 - 工厂 - 团体」的连贯、挪动、解决、存储与剖析。

该计划次要由以下产品形成:

组件 产品名称
边缘数采软件 Neuron – 工业协定网关软件
边缘 BrokerNanoMQ – 超轻量级边缘 MQTT 音讯服务器
边缘计算软件 eKuiper – 超轻量物联网边缘数据流式剖析引擎
物联网接入平台 EMQX BC – 云原生分布式物联网接入平台
  1. EMQ 在边缘端提供视觉 AI 缺点检测数据对接解决能力。eKuiper 反对 Rest、gRPC、msgpack RPC 服务对接视觉 AI 缺点检测数据,获取缺点产品图像流,进行实时压缩后在边缘端存储和汇聚到厂级数据中心或云端。
  2. 边缘端实现视觉 AI 缺点检测设施和自动化设施联动,在生产线上视觉 AI 缺点检测设施检测出产品缺点,能够间接通过 Neuron 下发指令到声光报警器和 PLC,进行告警告诉或者执行分流、纠错流程。
  3. 构建「产线 - 工厂 - 团体」图像流及海量工业设施数据传输通道。数据通过 EMQ 边缘计算平台汇聚,传输到工厂的 EMQX,再桥接到云端 EMQX,并通过其规定引擎流入到时序数据库与 AI 剖析利用,为基于全团体工厂缺点检测图像数据和业务数据的大数据分析利用奠定根底,实现生产品质追溯、生产工艺优化等数据价值开掘与利用。
  4. 通过 EMQ 的这套计划能够构建残缺、自循环的云边一体 AI 模型训练流程:边缘端的图像流实时汇聚、长久化到云端,云端 AI 及时进行模型训练并周期性优化算法模型公布到边缘端,同时实时汇聚、长久化新模型推理后果,为工厂生产工艺进一步优化、智慧化做好筹备。

EMQ 架构劣势

多维度的数据汇聚和逻辑解决能力

EMQ 整体解决方案能够采集与反向管制工厂内 PLC、非标自动化设施、各类仪器仪表、视觉 AI 缺点检测设施的图像流和实时数据,能够响应边缘端、工厂 MES 零碎、云核心各级数据逻辑运算、事件流解决需要。

多维度的数据长久化能力

通过 ekuiper 和 EMQX 内置规定引擎性能,能够在边缘端、厂级信息中心和云端,把图像流和业务数据流实时推送到各类数据库中,包含 InfluxDB、TimescaleDB、MySQL、PostgreSQL 等各类时序数据库和关系型数据库。EMQX 反对每秒 10 万 +TPS 的数据库数据写入性能,可满足每秒千万级数据测点的实时入库。EMQX 将多端 Neuron、eKuiper 采集剖析的数据进行对立汇聚,数据推送到数据库及大数据系统进行长久化存储,为企业构建生产品质剖析和优化构建了强壮的底层数据架构。

云边协同治理晋升企业 IT 程度

EMQ 的云边协同框架将 Neuron、eKuiper 等泛滥边缘软件进行近程对立治理,无论云边之间的网络是直连模式还是穿透模式,都能够不便地进实现参数配置、日志查看、实时监控等远程管理。

此外,计划利用 KubeEdge 对边缘软件进行编排治理,实现了边缘软件的高可用、近程部署、软件降级以及边缘离线自治等性能,实现利用的边缘自治,极大晋升了整体零碎的稳定性,并升高运维老本。

结语

通过构建图像流和业务数据流到厂级数据中心和云核心的数据高速通道,EMQ 面向视觉 AI 缺点检测场景的解决方案突破了检测零碎和产线自动化设施之间的信息孤岛,基于不同业务层对事件处理的需要提供对应的逻辑剖析和数据长久化能力,为企业通过 AI 模型训练一直优化视觉 AI 缺点检测算法以及基于大数据分析继续改良工厂生产工艺和企业管理模式提供了保障,助力企业实现数字化转型,晋升市场竞争力。

版权申明:本文为 EMQ 原创,转载请注明出处。

原文链接:https://www.emqx.com/zh/blog/smart-factory-ai-defect-detection-solution

正文完
 0