在复合化工企业的生产流程中皮带输送系统承担原料转运核心任务。原料开采、装卸、堆放、运输全流程极易混入金属碎片、铁丝、木块、塑料、易燃易爆杂物。异物进入产线轻则堵塞溜槽、增加能耗重则撕裂皮带引发非计划停机与安全生产事故。传统三班人工巡检存在显著短板工人长期在粉尘、高温恶劣环境作业劳动强度大人眼难以识别细小异物故障发现滞后无法满足连续化安全生产需求。本文结合落地工程案例详解深圳市中伟视界科技自研复合化工皮带异物智能检测系统完整拆解算法选型、模型优化、边缘硬件部署、三级系统架构全流程设计。1 系统概述整套系统依托 AI 视觉识别、多传感融合、设备智能联动三大核心技术搭建「检测 - 分析 - 处置 - 迭代」全链路智能闭环。 整体采用感知层 - 决策层 - 执行层三级分布式架构感知层沿线 50 米部署 200 万像素黑光全彩摄像机搭载 850nm 红外补光、镜头自清洁防护罩适配粉尘、逆光、夜间无光厂区工况决策层国产海思 AI 盒子本地实时推理单帧处理延时低于 50ms通过 Modbus 协议直连产线 PLC 输出控制信号执行层四级梯度处置机制预警→声光报警→自动减速→紧急停机同步向管理人员推送短信、电话告警。2 算法选型与模型优化2.1 基线模型选型系统基线采用改进 YOLOv12-MSA 目标检测模型。YOLOv12 以注意力中心架构为核心兼顾实时推理速度与高精度完美匹配工业皮带质检 “低延迟、高检出” 双重硬性需求。2.2 化工场景专项三重优化针对化工皮带 20 类典型异物金属碎屑、木条、编织袋、塑料薄膜等完成针对性改造轻量化主干网络引入 MobileViT 模块替换传统卷积层在精度无明显衰减前提下整体算力消耗降低 40%适配边缘嵌入式硬件算力上限CBAM 注意力增强模块叠加卷积块注意力机制从通道、空间双维度加权特征图大幅提升细小铁丝、金属碎屑等小目标异物检出率自适应动态锚框根据条状、块状、片状异物形态动态调整先验框尺寸解决异形物料定位偏差问题。2.3 训练数据集与测试指标数据集规模10 万 标注样本覆盖 20 类异物包含昼夜、雾天、粉尘等多工况场景训练策略基于 COCO 公开数据集预训练权重迁移微调实测精度常规异物检测 mAP 均值 98.2%。3 无监督未知异物识别算法行业创新点传统监督式目标检测仅能识别训练样本内物体陌生杂物会出现漏报。本系统自研无监督异常检测子算法可自动识别未标注的未知异物。3.1 完整算法执行流程ROI 区域裁剪锁定皮带有效画面过滤无关背景减少运算量色彩空间转换BGR 转 HSV拆分色相、饱和度、明度特征颜色差异判别计算像素与皮带基准色欧氏距离生成差异热力图纹理轮廓提取Canny 边缘检测 形态学梯度运算捕捉物料纹理变化局部纹理标准差分析区分正常颗粒物料与外来异物多特征融合降噪融合色彩、纹理、轮廓特征形态学运算去除噪点轮廓筛选输出根据连通域面积阈值过滤微小干扰标记异常区域。3.2 算法核心优势多维度融合判定抗粉尘、光影干扰鲁棒性更强自适应动态阈值适配不同原料、不同厂区环境轻量化推理可同步在边缘设备实时跑流全流程可视化输出便于现场调试参数。算法以图像重建误差作为判定标准当画面区域与正常物料纹理、色彩偏差超过动态阈值时自动标记未知异物并联动 YOLO 检测模块二次复核确认。4 边缘端硬件部署与产线集成4.1 边缘 AI 硬件平台搭载国产海思 GPU 芯片嵌入式分析盒插卡式模块化结构单模块最大接入 8 路 1080P 摄像头整机级联可支持 256 路视频同步分析单卡算力 128T支持多设备无限拓展兼容 H.264/H.265/MJPEG 主流视频编码支持 ONVIF、RTSP 标准流媒体取流协议解码能力1 路 4K / 4 路 1080P / 8 路 720P 同步解码。4.2 PLC 工业联动逻辑AI 分析盒通过 Modbus 总线直连厂区原有 PLC 控制系统 异物识别完成 → 输出开关量报警信号 → 接入皮带拉绳安全回路 → 分级执行减速、停机操作 系统分级处置预警提示→声光本地报警→皮带自动减速→紧急停机同步按照隐患等级向车间、安环、管理层推送短信、电话告警。4.3 端云协同架构边缘侧轻量化推理模型本地运行毫秒级实时响应产线云端侧容器化部署训练集群负责大数据统计、模型迭代、设备预测性维护模块化解耦边缘、云端模块可独立部署也可统一管控。5 配套自主训练平台AI 模型长效迭代系统配套一站式 AI 自训练平台实现数据采集 - 标注 - 训练 - 升级全自动化闭环。5.1 数据集扩充渠道一键同步预警误报、漏报截图扩充样本库支持批量上传图片、视频文件系统自动截帧生成素材。5.2 多层级自动标注方案通用大模型批量自动标注人工复核修正已训练 YOLO 小模型预标注特殊工业异物降低标注工作量网页端在线手动标注适配小众异形物料。5.3 远程分布式训练与 OTA 升级网页端提交微调任务云端集群分布式训练支持断点续训训练过程损失、精度指标实时可视化监控兼容 YOLOv8~YOLOv12 全系列模型转换自动生成适配海思硬件的推理包支持在线 OTA 远程升级、离线本地更新。6 项目落地实测量化数据该方案已在化工、港口、矿山多条输送皮带产线落地现场实测指标如下指标实测数据单套识别全流程耗时0.5 秒识别 报警 联动 PLC常规异物识别准确率99.8%木块、铁丝、编织袋等产线故障停机时长减少 40% 以上现场巡检人力成本降低 70%全天候运行模式7×24 小时全自动监测替代三班人工值守7 总结与技术展望本文从算法设计、模型优化、边缘硬件部署、工业系统集成四大维度完整分享一套可直接落地的复合化工皮带异物 AI 检测方案核心亮点汇总双模并行检测YOLOv12-MSA 精准识别已知异物 无监督算法捕捉未知异常杂物本地低延迟推理国产海思边缘芯片运算单帧延时50ms直连 PLC 实现毫秒级设备联动自主迭代闭环配套自训练平台自动扩充样本、标注、训练、远程升级落地收益量化0.5 秒极速识别、99.8% 检出精度可大幅缩减停机时长、降低人工巡检投入。后续系统将迭代工业多模态大模型打通固定监控、巡检机器人、无人机设备构建空天地一体化全域厂区监测网络持续降低误报率减少后期运维成本。#YOLOv12 #工业机器视觉 #皮带异物检测 #AI 边缘计算 #化工自动化 #无监督异常检测 #安全生产 #工业 AI 视觉