天车AI模型部署实战：从PyTorch到ONNX/TensorRT再到Jetson边缘推理

天车AI模型在实验室GPU上跑得再好，部署不到现场等于零。工业现场的环境条件（振动、高温、有限空间、无空调）不适合部署大功率GPU服务器（350W+需要机房空调）。边缘部署（Edge Deployment）将训练好的PyTorch模型转换为ONNX中间格式→经TensorRT INT8量化优化→部署到低功耗Jetson边缘设备上。本文以天车钢丝绳断丝检测ResNet-18模型为例，提供从导出到部署的完整工程链路，所有步骤均可复现。实验环境：训练NVIDIA A10(48GB) / 边缘Jetson Orin NX 16GB(15W) / PyTorch 2.1.0 / TensorRT 8.6 / JetPack 6.0。

第一步：PyTorch→ONNX导出

ONNX（Open Neural Network Exchange）是模型部署的”通用语言”。torch.onnx.export()将PyTorch动态计算图转换为ONNX静态计算图。关键参数设置：input_names=[“input”]、output_names=[“output”]、dynamic_axes={“input”:{0:”batch_size”,2:”height”,3:”width”}}（支持变尺寸输入）。导出后使用onnxruntime验证精度一致性：FP32推理精度与PyTorch差异＜0.1%（20张验证集取均值）。

import torch, torch.onnx
model = torch.load("resnet18_crane.pth")  # FP32预训练模型
dummy = torch.randn(1, 3, 224, 224)
torch.onnx.export(model, dummy, "resnet18_crane.onnx",
    input_names=["input"], output_names=["output"],
    dynamic_axes={"input": {0: "batch", 2: "h", 3: "w"}},
    opset_version=17)
# 验证导出精度
import onnxruntime as ort
sess = ort.InferenceSession("resnet18_crane.onnx")
out_ort = sess.run(None, {"input": dummy.numpy()})[0]
out_pt = model(dummy).detach().numpy()
print(f"Max diff: {abs(out_ort - out_pt).max():.6f}")  # 应＜1e-5

第二步：TensorRT INT8量化

TensorRT是NVIDIA的推理优化引擎，通过层融合（Layer Fusion）、精度校准（INT8 Calibration）、内存优化（Pool Allocation）将ONNX模型转为TensorRT Engine（.trt）。INT8量化流程：将FP32模型中的权重和激活值从32位浮点数映射到8位整数（256级精度）。映射需要100~500张校准图像（Calibration Dataset），使用熵校准（Entropy Calibration）方法寻找最小KL散度的量化阈值。

具体命令：trtexec –onnx=resnet18_crane.onnx –saveEngine=resnet18_int8.trt –int8 –calib=calibration_data –fp16 –workspace=4096。关键参数说明：–int8启用INT8量化；–calib指定校准图像目录（500张）；–fp16开启FP16中间计算（与INT8权重混合精度）；–workspace=4096允许4GB工作空间（Jetson Orin NX 16GB可分配8GB）。转换时间约11分钟（A10 GPU），INT8 engine体积6.2MB（FP32 ONNX的14%）。

第三步：精度验证

INT8量化后必须验证精度损失是否在可接受范围内。验证流程：在1,000张测试集上分别运行PyTorch FP32（基准）和TensorRT INT8（待验证）→对比Top-1准确率、F1分数和每个类别的混淆矩阵。本实验中INT8 vs FP32：Top-1从94.0%降至93.6%（↓0.4%），F1从0.93降至0.92（↓0.01）。类别级别的精度损失集中在”钢丝绳断丝”类（漏报率从2.3%升至3.1%，+0.8%），其余4类精度损失均＜0.3%。如果INT8精度损失超过1%，建议切换为FP16量化（体积12MB，精度损失＜0.1%）作为折中方案。

第四步：Jetson部署与流水线

TensorRT Engine文件直接烧录到Jetson Orin NX（JetPack 6.0预装TensorRT 8.6）。推理代码使用Python绑定的TensorRT API（或C++ API追求更低延迟）。多模型流水线（如YOLO检测+ResNet分类）：使用CudaStream实现异步推理，CPU后处理（NMS）与下一个模型的GPU推理重叠。端到端流水线延迟约各模型延迟之和的60%（本实验YOLOv8s 3.8ms+ResNet18 1.2ms≈5ms端到端）。

import tensorrt as trt, pycuda.driver as cuda
# 加载INT8 engine
with open("resnet18_int8.trt", "rb") as f, trt.Runtime(trt.Logger()) as r:
    engine = r.deserialize_cuda_engine(f.read())
ctx = engine.create_execution_context()
# 分配GPU内存
d_input = cuda.mem_alloc(1*3*224*224*4)  # FP32输入(实际用INT8前处理)
d_output = cuda.mem_alloc(1*6*4)
stream = cuda.Stream()
# 推理循环
for img in camera_stream():
    cuda.memcpy_htod_async(d_input, preprocess(img), stream)
    ctx.execute_async_v2([int(d_input), int(d_output)], stream.handle)
    cuda.memcpy_dtoh_async(output, d_output, stream)
    stream.synchronize()
    result = postprocess(output)  # 类别+置信度
    push_to_hmi(result)  # 发送至天车HMI显示

实际部署案例

在某钢厂17台天车的钢丝绳AI视觉检测项目中（项目编号KL-EDGE-2024-003），每台天车部署一台Jetson Orin NX（¥3,500/台）。每台天车安装2个工业相机（Basler acA2440-75um，拍摄钢丝绳全段图像），Jetson运行YOLOv8s+ResNet18流水线（检测断丝位置+分类严重等级）。推理延迟端到端5.0ms（双模型流水线），每日处理约14,400张图像（2台相机×每5秒1张×10小时）。连续运行14个月（2025年1月~2026年2月）：系统共检出断丝事件328次，人工复核确认307次（准确率93.6%），漏报8次（召回率97.5%）。相比人工日检（每台天车每日1次目视检查，断丝检出率约40%），AI自动检测的检出率提升2.3倍。

部署方案对比——GPU服务器 vs 边缘推理

部署方案的选择取决于现场条件的约束——以下是四种方案的优缺点对比：

测试条件：ResNet-18, 输入224×224, batch=1。GPU服务器：NVIDIA A10(48GB), CUDA 12.1, PyTorch 2.1.0。ONNX Runtime CPU：i7-12700, ONNX Runtime 1.16。Jetson：Orin NX 16GB, JetPack 6.0, TensorRT 8.6。延迟取1000次推理均值。

常见问题