اختيار صندوق حوسبة الحافة للرافعة مع YOLOv8n وTensorRT
المعاملات الأساسية
يُوصى باستخدام NVIDIA Jetson Orin NX (100 TOPS، 16GB، 15W) لصندوق الحوسبة الطرفية، مع نشر نموذج الكشف عن الأجسام YOLOv8n (باستخدام TensorRT INT8، زمن الاستجابة 5~12ms) بالإضافة إلى تتبع الأجسام المتعددة ByteTrack (2~3ms)، بمعدل كشف 30 إطارًا في الثانية. يمكن لصندوق واحد معالجة 2~4 كاميرات ذكاء اصطناعي في وقت واحد. تم نشر أكثر من 50 نظامًا في مصانع الصلب والأسمنت والسيارات، وتبلغ دقة التحذير من التصادم ≥97%.
تعتمد الوظائف المتقدمة للرافعة العلوية مثل الكشف البصري بالذكاء الاصطناعي المضاد للتصادم، وتتبع مسار الخطاف، وكشف انكسار أسلاك الحبل، على صندوق الحوسبة الطرفية لإجراء الاستدلال الذكي في الوقت الفعلي محليًا. وعلى عكس معالجة الفيديو عبر رفعه إلى السحابة، تقوم الحوسبة الطرفية بالاستدلال محليًا على الرافعة، مما يقلل زمن الاستجابة من أكثر من 500ms إلى 5~12ms، مع التخلص من تقلبات الشبكة واختناقات النطاق الترددي. تقدم هذه المقالة تحليلًا متكاملًا لمسار التنفيذ الهندسي لصندوق الحوسبة الطرفية للرافعة العلوية، بدءًا من اختيار العتاد، ونشر النماذج، وتحسين التكميم، وصولًا إلى التواصل مع PLC.
مقارنة اختيار عتاد صندوق الحوسبة الطرفية
المتطلبات الأساسية لصندوق الحوسبة الطرفية في الرؤية الذكية للرافعة العلوية: قدرة حوسبة ذكاء اصطناعي ≥40 TOPS (INT8)، دعم إدخال كاميرات متعددة (≥2 منافذ MIPI CSI أو USB3.0)، نطاق حرارة صناعي (-25°C~70°C)، ودعم بروتوكولات صناعية مثل Profinet/EtherNet/IP. فيما يلي مقارنة شاملة لثلاثة صناديق حوسبة طرفية رائدة في سيناريو الرافعة العلوية—
| معامل | Jetson Orin NX 16GB | Jetson Orin Nano 8GB | RK3588 16GB |
|---|---|---|---|
| AIقدرة الحوسبة(INT8) | 100 TOPS | 40 TOPS | 6 TOPS |
| GPUالبنية المعمارية | Ampere 1024النواة@918MHz | Ampere 512النواة@765MHz | Mali-G610 MP4 |
| الذاكرة/عرض النطاق الترددي | 16GB LPDDR5 68GB/s | 8GB LPDDR5 34GB/s | 16GB LPDDR4X 17GB/s |
| فك تشفير الفيديو | 2×4K@30 + 4×1080@30 | 1×4K@30 + 2×1080@30 | 8K@30 + 4K@120 |
| استهلاك الطاقة | 15W/25Wقابل للتبديل | 7W/15Wقابل للتبديل | 8~15W |
| بروتوكول صناعي | Profinet/Modbus TCP/EIP | Profinet/Modbus TCP/EIP | Modbus TCP |
| YOLOv8nزمن الاستجابة للاستدلال | 5~8ms (INT8) | 12~18ms (INT8) | 80~150ms (FP16) |
| السعر المرجعي | ¥6,500~7,500 | ¥2,500~3,500 | ¥800~1,200 |
| رافعة علويةدرجة التوصية |
تدريب نموذج YOLOv8n وقياس TensorRT INT8
يُعد نموذج YOLOv8n (الإصدار النانوي، 3.2M معامل) النموذج الأمثل لتحقيق التوازن بين الدقة والسرعة في رؤية الرافعات العلوية بالذكاء الاصطناعي. مقارنةً بـ YOLOv8s (11.2M معامل)، تبلغ سرعة الاستدلال 2.5 ضعفًا، مع انخفاض طفيف في متوسط الدقة (mAP) بنسبة 1.2% فقط. تم التدريب باستخدام مجموعة بيانات مُعلَّمة جمعتها كيلود للصناعات الثقيلة (120,000 صورة، تشمل خمس فئات: خطاف الرافعة، الحبل السلكي، الأفراد، المركبات الموجهة الآلية (AGV)، والعوائق، وتغطي 12 سيناريو إضاءة مثل النهار/الليل، الطقس الغائم، والإضاءة الخلفية).
مسار النشر الكمي: تدريب FP32 ← مجموعة معايرة (500 صورة من سيناريوهات نموذجية) ← قياس TensorRT PTQ ← محرك استدلال INT8 ← تسلسل الملفات (.plan). المعاملات الأساسية: دقة الإدخال 640×640، عتبة الثقة 0.5، عتبة NMS IoU 0.45. بعد القياس الكمي، انخفض حجم النموذج من 12.5MB (FP32) إلى 4.2MB (INT8) (ضغط بنسبة 66%)، وانخفض زمن الاستدلال من 8~12ms (FP16) إلى 5~8ms (INT8). يتم إرسال ملفات النشر عبر OTA إلى صندوق حوسبة الحافة (حزمة تحديث تزايدي حوالي 5MB/مرة).
خط أنابيب الاستدلال (معالجة كل إطار): ① التقاط الكاميرا (30fps، 1920×1080 ← تغيير الحجم إلى 640×640) ② استدلال TensorRT (YOLOv8n INT8، 5~8ms) ③ معالجة لاحقة NMS (1~2ms) ④ تتبع الأهداف ByteTrack (2~3ms، يعتمد على مرشح كالمان + مطابقة هنغارية) ⑤ حساب مسافة التصادم (1ms) ⑥ كتابة النتائج في الذاكرة المشتركة ليقرأها PLC. إجمالي زمن الاستجابة للإطار الواحد 10~14ms، مما يلبي متطلبات الكشف في الوقت الفعلي بمعدل 30fps (الفاصل الزمني بين الإطارات 33ms، ويتبقى 19~23ms للمنطق العلوي).
تتبع الأهداف المتعددة ByteTrack وحساب مسافة التصادم
يوفر YOLOv8n كشفًا للأهداف في إطار واحد فقط (مربع حدود + فئة + ثقة)، ولا يمكنه تتبع المسار الحركي المستمر للأهداف. تعتمد خوارزمية ByteTrack على نتائج الكشف، وتتنبأ بموقع كل هدف في الإطار التالي عبر مرشح كالمان، ثم تطابق نتائج الكشف مع المسارات الموجودة عبر الخوارزمية الهنغارية. ميزة ByteTrack مقارنةً بـ DeepSORT: لا تتطلب استخراج ميزات ReID (توفير عبء CNN إضافي)، وهي مناسبة للنشر على الأجهزة الطرفية ذات القدرة الحاسوبية المحدودة.
حساب مسافة التصادم: بعد تتبع المسارات والحصول على المواقع اللحظية ومتجهات السرعة لكل جهاز (خطاف الرافعة العلوية، AGV، الأفراد)، يتم حساب أقرب مسافة اقتراب (DCPA) وأقرب وقت اقتراب (TCPA) بين كل زوج. المعادلة: DCPA = |d × (v_rel)| / |v_rel|، حيث d هو متجه فرق المواقع بين الهدفين، وv_rel هو متجه السرعة النسبية. يتم إطلاق إنذار عندما تكون DCPA < العتبة الآمنة (رافعة-رافعة 1.5m، رافعة-فرد 2.0m) أو TCPA < 2 ثانية. يُنفَّذ حساب التصادم كل إطار، وتُكتب النتائج في كتلة بيانات الذاكرة المشتركة بين صندوق الحافة وPLC (64 بايت، تشمل معرف الهدف، المسافة، السرعة، ودرجة الخطر).
إعداد بروتوكول الاتصال بين صندوق الحافة وPLC
يتبادل صندوق حوسبة الحافة البيانات مع PLC الرافعة العلوية (S7-1200/1500) عبر Profinet أو Modbus TCP. الحل الموصى به: يعمل صندوق الحافة (Jetson Orin NX) كعبد Profinet (حزمة بروتوكول PROFINET Stack for Linux من سيمنز + تكوين بطاقة الشبكة كـ RT Class 1، دورة اتصال 4ms)، ويُضاف صندوق الحافة كجهاز إدخال/إخراج Profinet في تكوين الأجهزة على جانب PLC. كتلة تبادل البيانات (64 بايت إدخال/إخراج): الإدخال (من صندوق الحافة إلى PLC) يشمل درجة خطر التصادم (0~3)، مسافة الهدف (مم)، السرعة الموصى بها (% من السرعة الاسمية)، حالة النظام؛ الإخراج (من PLC إلى صندوق الحافة) يشمل الإحداثيات الحالية للرافعة، السرعة، وضع التشغيل. تكرار الاتصال: عند انقطاع اتصال Profinet لأكثر من 3 دورات (12ms)، يتحول PLC تلقائيًا إلى وضع التعشيق المتبادل الأساسي بدون مساعدة الذكاء الاصطناعي، ولا يؤثر عطل صندوق الحافة على العمليات الأساسية للرافعة.
التحقق من النشر ومؤشرات الأداء
أكملت كيلود للصناعات الثقيلة نشر صناديق حوسبة الحافة على 12 رافعة علوية في مسبك مستمر بأحد مصانع الصلب. قبل النشر، كان التحذير من التصادم يعتمد على المراقبة اليدوية، مع زمن استجابة يتراوح بين 3~5 ثوانٍ. بعد النشر، المؤشرات الرئيسية: mAP@0.5 للكشف عن الأهداف = 0.953 (متوسط الفئات الخمس)، متوسط زمن استدلال الإطار الواحد 6.8ms (INT8)، زمن استجابة التحذير من التصادم من البداية إلى النهاية ≤50ms (من التقاط الكاميرا إلى إطلاق إنذار PLC)، متوسط الوقت بين الأعطال (MTBF) ≥10,000 ساعة (حوالي 14 شهرًا). بعد 6 أشهر من النشر، انخفضت أحداث مخاطر التصادم من 23 مرة يوميًا إلى 0.4 مرة (المتبقي ناتج عن دخول الأفراد المفاجئ للطوارئ)، وارتفع تقييم رضا المشغلين من 62 إلى 91 نقطة. توفر كيلود للصناعات الثقيلة خدمات شاملة من اختيار الأجهزة، تدريب النماذج، إلى النشر الميداني، بتكلفة تحديث حوسبة الحافة للرافعة الواحدة حوالي 1.5~2.5عشرة آلاف يوان (تشمل صندوق الحافة + الكاميرا + التركيب والتشغيل).
مقارنة أداء استدلال الذكاء الاصطناعي: FP16 مقابل قياس INT8
FP32 أصليدقة 12.5MB زمن الاستجابة للاستدلال 18~25ms mAP 0.953(الحد الأقصى) رافعة علويةغير موصى به لهذا السيناريو | FP16 نصفدقة 6.3MB زمن الاستجابة للاستدلال 8~12ms mAP 0.951(-0.2%) Nanoتوصية الإصدار | INT8 القياس الكمي 4.2MB زمن الاستجابة للاستدلال 5~8ms mAP 0.948(-0.5%) NXتوصية الإصدار |
الأسئلة الشائعة
س: أداء RK3588 غير كافٍ، فلماذا لا يُستخدم للرؤية الذكية؟
ج: تبلغ قوة معالجة NPU في RK3588 حوالي 6 TOPS فقط، ويتراوح زمن استجابة استنتاج YOLOv8n FP16 بين 80 و150 مللي ثانية، وهو ما لا يحقق الكشف الفوري بمعدل 30 إطارًا في الثانية (الفاصل الزمني بين كل إطار 33 مللي ثانية). وإذا خُفّض المعدل إلى 10 إطارات في الثانية (زمن استجابة 100 مللي ثانية مقبول)، فإن الفاصل الزمني للكشف عن الأهداف سريعة الحركة (مثل مركبة AGV بسرعة 1م/ث، أي 100 مم لكل إطار) يصبح كبيرًا جدًا، مما يقلل دقة الإنذار المبكر للتصادم بشكل كبير. لذلك، فإن RK3588 مناسب فقط كبوابة لجمع البيانات، ولا يُنصح به للاستدلال الذكي في الوقت الفعلي. الحد الأدنى الموصى به من كيلود للصناعات الثقيلة هو Jetson Orin Nano (40 TOPS)، وهو الخيار الأمثل من حيث الأداء مقابل التكلفة.
س: ما هي الإعدادات المطلوبة للتواصل عبر بروتوكول Profinet بين الحافة والحلقة PLC؟
ج: يتطلب الأمر ثلاث خطوات: ① تثبيت حزمة بروتوكول Profinet في نظام Linux للحافة (يُوصى باستخدام SDK من سيمنز PROFINET IO-Device أو pnio_stack مفتوح المصدر)، وتكوين اسم الجهاز وعنوان IP؛ ② في PLC (TIA Portal)، إضافة الحافة كجهاز IO Device في شبكة الأجهزة، وتخصيص عناوين IO (64 بايت للإدخال والإخراج)؛ ③ تنفيذ دوال قراءة وكتابة بيانات IO في تطبيق الحافة، وكتابة نتائج الاستدلال الذكي في منطقة الإدخال، وقراءة حالة PLC من منطقة الإخراج. يستغرق الإعداد الأولي حوالي يوم واحد. توفر كيلود للصناعات الثقيلة صورة تواصل Profinet مُعدة مسبقًا، ويمكن تخطي الإعداد والاستخدام المباشر أثناء النشر.
س: ما حجم البيانات المطلوبة لتدريب النموذج؟ وما الدقة التي يمكن تحقيقها؟
ج: توصي كيلود للصناعات الثقيلة بأكثر من 20,000 صورة مُعلَّمة للجولة الأولى من التدريب (أكثر من 4,000 صورة لكل فئة)، تغطي ظروف التشغيل النموذجية مثل النهار والليل، والطقس المشمس والغائم، والإضاءة الخلفية. يمكن أن تصل دقة mAP@0.5 إلى 0.93~0.96. يتم استخدام أداة LabelImg لتعليم البيانات (تعليم بصناديق مستطيلة، حوالي 30 ثانية لكل صورة). تمتلك كيلود للصناعات الثقيلة مجموعة بيانات أساسية مُعلَّمة تضم 120,000 صورة لسيناريوهات الرافعات العلوية، ويمكن للعملاء الجدد ضبط النموذج (Fine-tune) باستخدام 500~1,000 صورة من سيناريوهاتهم الخاصة على النموذج الأساسي، ويستغرق تكييف النموذج 2~3 أيام فقط، مع استقرار mAP فوق 0.90.
س: هل يمكن للحافة العمل بثبات في مصانع الصلب ومصانع الأسمنت ذات الحرارة العالية والغبار الكثيف؟
ج: يدعم الإصدار الصناعي من Jetson Orin NX (Jetson Orin NX Industrial) نطاق حرارة واسع من -40°C إلى 85°C، ويأتي مزودًا بمشتت حراري ومروحة تبريد نشطة. تم نشر أكثر من 50 وحدة في مناطق الصب المستمر في مصانع الصلب (درجة الحرارة المحيطة 45~55°C، تركيز الغبار ~5mg/m³)، وعملت بشكل متواصل لمدة 12 شهرًا دون أي توقف حراري. تُركّب الحافة داخل خزانة حماية بمعيار IP54 (مزودة بمروحة تبريد وفلتر غبار)، وتبلغ درجة حرارة GPU المقاسة 65~72°C بشكل مستقر. توفر كيلود للصناعات الثقيلة خيار خزانة مقاومة للغبار والحرارة العالية (تشمل تبريد هواء قسري ومراقبة درجة الحرارة)، بسعر 800 درهم إماراتي للوحدة.
