基于AI的整车视觉检测系统

规划设计：依据实时检测需求，规划工业相机部署位置、拍摄角度、触发逻辑和系统整体架构，形成实施方案。

图像采集：使用海康 MVS 配置相机参数，固定触发方式与进光量，保证不同班次和车辆通过时的图像质量一致性。

系统链路：使用 Python 完成相机触发、图像传输和边缘端推理，并将推理结果与 MES 配置自动比对。

模型训练：使用 X-AnyLabel 批量标注图像，基于 PyTorch 训练 YOLO 模型，转换为 ONNX 后部署到边缘端。

现场交互：使用 Flask 开发检测大屏，通过 API 与 MES 交互，在边缘端和 MES 同步展示检测结果。

落地成果：系统应用于 3 条产线，覆盖轮毂、尾标等 20 余项配置，替代 3 名检验员重复检查工作。