在傳統(tǒng)預(yù)制構(gòu)件生產(chǎn)線中，布料工序依賴人工肉眼判斷，導(dǎo)致布料均勻性難控、 生產(chǎn)效率低下、材料浪費(fèi)與返工成本高昂，嚴(yán)重制約了建筑工業(yè)化的提質(zhì)增效。為應(yīng) 對(duì)這一挑戰(zhàn)，產(chǎn)線亟需一套能夠替代人眼、實(shí)現(xiàn)“準(zhǔn)確、自動(dòng)、實(shí)時(shí)”布料作業(yè)的智能 化解決方案。由此，項(xiàng)目創(chuàng)新性地采用“AI視覺+邊緣計(jì)算+實(shí)時(shí)控制”的輕量化技改思 路，通過工業(yè)相機(jī)與輕量化YOLO模型實(shí)時(shí)識(shí)別定位模具，并直接驅(qū)動(dòng)布料設(shè)備執(zhí)行 高精度作業(yè)，形成了從視覺感知到自動(dòng)執(zhí)行的智能閉環(huán)。

· 技術(shù)路線

AI視覺景能PC 構(gòu)件智能工廣準(zhǔn)確布料與質(zhì)量管控技術(shù)路線總覽圖

高魯棒性視覺識(shí)別技術(shù)

采用經(jīng)過深度優(yōu)化的YOLO 系列算法，在復(fù)雜光照、粉塵及部分遮擋的工業(yè)環(huán)境 下，實(shí)現(xiàn)對(duì)角鋼模等模具高達(dá)90%以上的識(shí)別率，以及對(duì)無鋼筋模具的準(zhǔn)確識(shí)別。

邊緣計(jì)算與實(shí)時(shí)推理

將算法模型部署于產(chǎn)線邊緣計(jì)算設(shè)備，實(shí)現(xiàn)對(duì)視頻流的本地化實(shí)時(shí)處理與推理， 確保識(shí)別與反饋延遲低至毫秒J，滿足高速產(chǎn)線的實(shí)時(shí)性要求。

工業(yè)系統(tǒng)無縫集成

通過標(biāo)準(zhǔn)http 協(xié)議與工廠現(xiàn)有MES、PLC系統(tǒng)深度集成，確保AI指令能夠安全、 可靠地驅(qū)動(dòng)物理設(shè)備，實(shí)現(xiàn)“IT-OT”融合。

· 關(guān)鍵創(chuàng)新點(diǎn)

“感知-決策-控制”一體化主動(dòng)作業(yè)范式

突破傳統(tǒng)視覺檢測(cè)僅用于“看”和“報(bào)警”的被動(dòng)模式，將AI視覺識(shí)別結(jié)果直接轉(zhuǎn)換為 控制指令，驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)完成準(zhǔn)確作業(yè)，實(shí)現(xiàn)了從“輔助檢測(cè)”到“主動(dòng)控制”的能力躍 遷 。

輕量化部署與柔性適配

方案無需對(duì)現(xiàn)有產(chǎn)線進(jìn)行大規(guī)模機(jī)械改造或高精度標(biāo)定，主要依靠軟件算法升J 和加裝通用視覺硬件，具備部署周期短、投資門檻低、可快速?gòu)?fù)制推廣的突出優(yōu)勢(shì)。

· 量化指標(biāo)

技術(shù)指標(biāo)

角鋼模具識(shí)別率≥95%,模具缺口識(shí)別率≥93%,模具定位精度控制在50mm以內(nèi)。在標(biāo)準(zhǔn)9m×3.5m 模臺(tái)的復(fù)雜場(chǎng)景下，系統(tǒng)單次識(shí)別與處理時(shí)間不超過500ms, 滿足產(chǎn)線高速節(jié)拍要求。

行業(yè)影響

累計(jì)申請(qǐng)發(fā)明專利6項(xiàng)，發(fā)表高水平學(xué)術(shù)論文8篇，登記軟件著作權(quán)3項(xiàng)。其創(chuàng)新 性與應(yīng)用價(jià)值榮獲“2024年度出色工程師大賽優(yōu)秀成果轉(zhuǎn)化獎(jiǎng)”,彰顯了技術(shù)L先 性與產(chǎn)業(yè)影響力。

· 推廣案例

該應(yīng)用基于YOLO 視覺智能技術(shù)，在三一筑工成功實(shí)現(xiàn)全自動(dòng)、高精度布料作 業(yè)，單模施工時(shí)間縮短30%,構(gòu)件返工率下降70%,同時(shí)顯著降低原材料消耗。項(xiàng)目 不僅提升了生產(chǎn)效率與智能化水平，更驗(yàn)證了AI技術(shù)在工業(yè)場(chǎng)景中驅(qū)動(dòng)提質(zhì)增效與綠 色制造的核心價(jià)值，為智能建造提供了可復(fù)制的實(shí)踐范例。