本项目研发了工业产线在线实时质量检测平台，兼顾行业通用化和特定产品专属化需求。设计工业场景通用视觉检测框架，采用云+边+端分层架构，各层独立且可根据需要灵活部署。同时，根据不同行业和产线特点需求，研发多种适应性深度学习算法，并将其封装为可复用模块，实现对常见产品形态各类缺陷的有效检测。项目前期在制造业多个领域的产品质检中进行了初步验证，已成功落地应用于企业实际生产线，并已申请多项国家发明专利。

• 专利名称：无
• 专利类型：发明专利
• 专利权人：无
• 专利号：无
• 有效期限：无

单阶段轻量级多尺度卷积神经网络。边侧使用LSN-DakNe-CSp模型对产品进行检测，并且引人CSPNet的思想，给出目标检测和分类结果，并将结果通知到端侧系统。检测结果实时处理系统部署在各生产线上(端侧)，根据边缘侧返回的检测结果，控制PLC自动分拣出不合格品;产品分区域使用不同检测模型。将一个产品根据缺陷特点分成不同区域，采用适用于不同区域的深度学习算法对区域内的缺陷进行单阶段并行检测，单张图像小于20ms，最后将检测结果汇总到完整产品中，能够满足工业生产线对实时性的需求。