工厂 AI 视觉质检与质量追溯参考架构

1. 用途和受众

1.1 预期用途

• 指导华为云上工厂 AI 视觉质检与质量追溯端云协同架构的设计和开发。
• 为售前、解决方案设计、实施和审查提供可重用的架构模式。
• 作为解决方案手册、交付包或实际部署的架构基础。
• 定义安全性、可靠性、性能、成本、运营和合规性护栏。

1.2 目标受众

• 华为云 ModelArts 用户和 AI 视觉算法工程师；
• 制造业产线质量管理和工业自动化运维团队；
• 需要在工厂边缘侧部署实时视觉缺陷检测、同时融合 PLC/传感器数据做根因分析的工业 IoT 技术团队；
• 关注端云协同 AI 推理架构、希望实现边缘低延迟检测与云端模型持续迭代优化的企业技术团队；
• 希望通过视觉检测与工业数据融合实现质量追溯和根因定位的智能制造团队。

2. 参考架构概述

2.1 架构描述

本架构是一种工厂产品质量自动检测的端云协同方案。其核心目标是用 AI 视觉替代人工质检，在产线上实时判断产品是否有缺陷，同时将检测结果与工业设备数据融合，实现质量追溯和根因分析。架构采用端云协同设计——训练在云端（ModelArts），推理在边缘（IoTEdge + HiLens），通过 IoTDA 实现模型下发与结果上报的协同通道。架构采用 5 层 + 公共服务 + 流程栏的布局。

2.2 业务背景

2.3 架构优点

2.4 设计关注点

2.5 典型架构

典型架构图

架构采用 5 层 + 公共服务 + 流程栏的布局：

2.6 流程描述

架构右侧流程栏按编号标注了完整的数据流转路径：

[产线相机] ──①──> [OBS] ──②──> [ModelArts标注] ──③──> [模型训练]
                                                      │
                                                      ④
                                                      ▼
[HiLens推理] <──⑤── [IoTEdge边缘部署]                 |
     │                                               |
     ⑥                                               |
     ▼                                               |
[IoTDA MQTT] ──⑦──> [CS流处理] ──⑧──> [FunctionGraph] |
                                                      |
[PLC/传感器] ──⑨──> [IoTDM采集] ──⑩──> [IoTA KPI] ──⑪──> [KPI仪表盘]
                                                      |
[异常事件] ──⑫──> [EG+SMN通知]                        |
                                                      |
[历史数据] ──⑬──> [DLI根因分析]                       |

2.7 云服务产品清单

3. 参考链接

• 产品文档：https://support.huaweicloud.com/productdesc-modelarts/zh-cn_topic_0132901578.html
• 实施指南：https://support.huaweicloud.com/usermanual-iotedge/iotedge_01_0001.html
• 源代码或 IaC：
• 操作手册：

4. 使用限制

• IoTEdge 边缘节点需产线网关具备 GPU 或 NPU 推理能力，纯 CPU 网关性能受限。
• HiLens 模型下发依赖网络连接，断网时边缘使用本地缓存模型继续推理，但无法更新模型。
• DLI 数据湖探索的 SQL 查询性能受数据量影响，超大规模历史数据需配置分区策略。
• IoTDM 采集频率受产线 PLC 通信协议限制，高频采集需确认设备支持能力。

附录 A. 术语和缩略语