在傳統(tǒng)預制構(gòu)件生產(chǎn)線中，布料工序依賴人工肉眼判斷，導致布料均勻性難控、 生產(chǎn)效率低下、材料浪費與返工成本高昂，嚴重制約了建筑工業(yè)化的提質(zhì)增效。為應 對這一挑戰(zhàn)，產(chǎn)線亟需一套能夠替代人眼、實現(xiàn)“準確、自動、實時”布料作業(yè)的智能 化解決方案。由此，項目創(chuàng)新性地采用“AI視覺+邊緣計算+實時控制”的輕量化技改思 路，通過工業(yè)相機與輕量化YOLO模型實時識別定位模具，并直接驅(qū)動布料設備執(zhí)行 高精度作業(yè)，形成了從視覺感知到自動執(zhí)行的智能閉環(huán)。

· 技術(shù)路線

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

高魯棒性視覺識別技術(shù)

采用經(jīng)過深度優(yōu)化的YOLO 系列算法，在復雜光照、粉塵及部分遮擋的工業(yè)環(huán)境 下，實現(xiàn)對角鋼模等模具高達90%以上的識別率，以及對無鋼筋模具的準確識別。

邊緣計算與實時推理

將算法模型部署于產(chǎn)線邊緣計算設備，實現(xiàn)對視頻流的本地化實時處理與推理， 確保識別與反饋延遲低至毫秒J，滿足高速產(chǎn)線的實時性要求。

工業(yè)系統(tǒng)無縫集成

通過標準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)動物理設備，實現(xiàn)“IT-OT”融合。

· 關(guān)鍵創(chuàng)新點

“感知-決策-控制”一體化主動作業(yè)范式

突破傳統(tǒng)視覺檢測僅用于“看”和“報警”的被動模式，將AI視覺識別結(jié)果直接轉(zhuǎn)換為 控制指令，驅(qū)動執(zhí)行機構(gòu)完成準確作業(yè)，實現(xiàn)了從“輔助檢測”到“主動控制”的能力躍 遷 。

輕量化部署與柔性適配

方案無需對現(xiàn)有產(chǎn)線進行大規(guī)模機械改造或高精度標定，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、可快速復制推廣的突出優(yōu)勢。

· 量化指標

技術(shù)指標

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

行業(yè)影響

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

· 推廣案例

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