整车视觉检测系统：从方案设计到三条产线落地

项目目标

产线需要对运动车辆的轮毂、尾标等 20 余项零件配置进行实时检测，并将检测结果与 MES 订单配置自动比对。系统的目标不是单独验证模型精度，而是形成可连续运行、结果可追溯的自动检测流程。

方案规划

规划阶段先根据车辆节拍、检测区域和现场空间确定相机部署位置与拍摄角度，再设计触发逻辑、图像传输、边缘推理、MES 比对和结果展示链路。相机使用海康 MVS 配置固定触发方式、曝光和进光量，减少班次、环境光和车辆位置变化对图像质量的影响。

模型与部署

图像通过 X-AnyLabel 批量标注，算法选择 YOLO，使用 PyTorch 完成训练。训练完成后将模型转换为 ONNX，并部署到边缘端执行推理。Python 服务负责触发拍摄、接收图像、调用模型和整理检测结果。

系统集成

推理结果通过 API 与 MES 中的车辆配置进行自动比对，并同步输出到边缘端和 MES。现场大屏使用 Flask 开发，用于展示车辆、检测项、识别结果和异常状态，便于检验人员复核。

落地结果

系统已应用于 3 条产线，覆盖 20 余项零件配置检测，替代 3 名检验员的重复目视检查工作，整车识别合格率达到 95% 以上。