项目背景

某全球电子制造巨头年产 PCB 数亿片，传统人工目检存在漏检率高、检测速度慢、工人易疲劳等问题，成为产能瓶颈。

技术方案

  • 高精度工业视觉算法：基于深度学习的缺陷识别模型，支持 20+ 缺陷类型
  • 实时边缘计算，产线每秒处理 12 张高清图像
  • 自动标注反馈闭环，模型持续自优化
  • 与 MES 系统深度集成，检测结果自动关联生产批次

核心成果

指标优化前优化后
缺陷识别准确率—99.8%
单产线检测效率基准↑ 5 倍
人工目检替代率0%100%

行业影响

本项目已成为电子制造行业 AI 质检的标准参考方案，多家同行企业前来参观学习。

物联网技术深度解析

设备接入层

MQTT over WebSocket（端口 443，穿透企业防火墙）+ CoAP（资源受限设备，4-byte 包头）。EMQX 4.4 集群（3 节点 + 负载均衡），单节点支撑 4w 并发连接，集群总容量 10w+。设备证书双向 TLS 认证，一机一密，防克隆仿冒。

实时数据管道

EMQX Webhook → Kafka 3.4（3 分区，副本因子 2）→ Flink 1.17 实时计算（窗口聚合 30s）→ TDengine 3.0 时序库（压缩率 6:1）。端到端数据延迟 P95 < 780ms。Kafka 死信队列自动重试（最多 3 次），数据零丢失。

监控告警体系

Prometheus 2.47 拉取 EMQX/Kafka/Flink 120+ 指标，Grafana 9.5 可视化（50+ 仪表盘）。异常检测：设备离线率 > 5%（持续 3min）→ 钉钉告警 + 自动派单至运维。历史数据自动降采样（原始 7 天 → 5 分钟精度 30 天 → 1 小时精度 1 年）。

边缘计算 + OTA

边缘网关（NVIDIA Jetson + Ubuntu Core）运行规则引擎（Drools，< 8ms 规则匹配）。断网续传：本地 SQLite 缓存 24h 数据，网络恢复后差分同步。OTA 远程升级：固件包签名验证（RSA-2048）+ 灰度发布（先 5% 设备验证 24h），批量升级成功率 97.3%。

核心技术栈： MQTT EMQX Cluster Kafka Flink TDengine Grafana