天车AI视觉检测云平台发布，五大检测功能SaaS化一键部署

天车AI视觉检测技术正从单机部署向云服务化演进。克鲁德重工近日正式发布天车AI视觉检测云平台，将安全监测、吊物定位、钢丝绳检测、焊缝检测和视觉SLAM建图定位五大核心检测功能以SaaS模式封装上线，用户无需采购边缘计算硬件、无需搭建推理服务器，只需在天车端安装工业相机和通信终端，即可通过云端AI推理引擎获得实时检测结果。平台内测期间已在12家客户现场完成部署验证，累计处理检测图像超过50万帧，AI推理平均响应时间低于200ms。

本文从平台架构、五大检测功能的技术实现、SaaS部署模式和工程实施效果四个维度，系统介绍天车AI视觉检测云平台的技术方案。

一、云平台整体架构

天车AI视觉检测云平台采用”端-边-云”三层架构设计，将AI推理能力集中部署于云端，端侧仅保留图像采集和传输功能，最大程度降低天车端的硬件成本和运维复杂度。

端侧（终端采集层）：每台天车安装1~4台工业AI摄像头（根据检测场景选配，分辨率500万~2000万像素，全局快门CMOS），通过千兆以太网连接至天车端通信终端（5G工业网关或4G DTU）。终端对原始图像进行JPEG压缩编码（压缩比约15:1，图像质量损失可忽略）、添加时间戳和设备ID水印后，通过5G/4G网络上传至云端推理平台。单台相机典型上传码率为2~4Mbps（1080P@15fps压缩后），5G网络下支持最多8路摄像头同时上传。

云端（AI推理层）：部署于阿里云GPU计算集群（NVIDIA A10 GPU，单卡算力约31TFLOPS FP16），运行YOLOv8s、YOLOv8s-weld、EfficientNet-B4和ORB-SLAM3推理引擎。云端AI推理引擎采用模型并行和请求批处理（dynamic batching，最大batch size=32）策略，单GPU可同时处理4路视频流的实时检测请求，单帧推理延迟在GPU端为8~15ms（含图像解压和预处理）。推理结果以JSON格式通过MQTT协议实时推送至用户端（Web端、手机APP或客户MES系统），推送延迟中位数为45ms。

应用层（用户交互与管理）：提供Web端管理后台（支持Chrome/Edge/Firefox）和手机端APP（iOS/Android双平台）。主要功能包括：检测结果实时看板（含检测框叠加视频流、历史告警时间线、检测统计图表）、设备管理（天车设备注册、摄像头配置、检测区域标定）、告警策略配置（阈值设定、告警通道选择——微信/短信/邮件）、检测数据导出（CSV/PDF格式，支持按设备和时间段筛选）和API管理（生成API Token供MES/ERP系统对接）。

三层架构的数据流路径为：端侧相机采集→终端压缩编码→5G/4G上传→云端GPU推理→结果MQTT推送→用户端展示，全链路端到端延迟（从图像采集到用户端看到检测结果）在4G网络下典型值为300~600ms，在5G网络下为120~250ms。数据链路全程采用TLS 1.3加密传输，云端数据存储满足GB/T 22239-2019《信息安全技术 网络安全等级保护基本要求》二级防护标准。

二、五大检测功能模块

云平台集成了天车AI视觉检测的五大功能模块，用户可根据实际需求按模块订阅，无需为不需要的功能付费：

模块一：安全监测（人员侵入检测）。基于YOLOv8s模型的天车吊运区域人员检测，三路摄像头冗余覆盖端梁两侧和小车下部。三级报警策略——黄色预警区（5~8m）触发声光报警，橙色警戒区（3~5m）触发减速，红色危险区（<3m）触发STO停车。正常光照mAP≥95%，低光照红外补光mAP≥90%。符合GB/T 28264-2017《起重机械 安全监控管理系统》要求。每台天车月订阅费用约800元。

模块二：吊物定位（视觉引导对位）。YOLOv8s模型检测钢卷、钢板、设备、模具四类吊物，坐标变换模块将像素坐标映射为地平面毫米级坐标，定位精度±5mm。支持与西门子S7-1200/1500 PLC通过PROFINET网关对接，自动生成大车/小车/起升运动指令。每台天车月订阅费用约1200元。

模块三：钢丝绳AI检测。多路摄像头协同采集（俯拍/侧拍/仰拍），YOLOv8s模型检测断丝、磨损、腐蚀三类缺陷，EfficientNet-B4模型二次精细分类11种子类型，综合mAP≥0.93。告警与PHM平台联动，从检测到工单生成平均响应时间不超过30秒。每台天车月订阅费用约600元。

模块四：焊缝AI检测。YOLOv8s-weld模型（增加小目标检测头）检测裂纹、未焊透、气孔、夹渣、咬边五类缺陷，综合mAP≥0.94。评估层自动对接GB/T 3323-2020质量分级标准输出I~IV级评级。支持AGV巡检车、手持检测仪、固定工位架三种部署形态。每台天车月订阅费用约500元。

模块五：视觉SLAM建图定位。融合ORB-SLAM3和VINS-Mono框架，以单目/双目相机+六轴IMU为传感器，在厂房环境中实现六自由度位姿估计和稀疏地图构建。定位精度±10cm，IMU预积分紧耦合将振动工况跟踪丢失率从8%降至0.5%。每台天车月订阅费用约1000元。

五大模块可独立订阅或组合订阅。全部五模块打包订阅的套餐价格为每台天车月费2800元（相比单独订阅总额4100元节省约32%）。平台支持月度订阅和年度订阅两种付费模式，年度订阅享9折优惠。

三、SaaS部署模式与技术优势

相比传统本地化部署方案，SaaS模式的AI视觉检测云平台在部署速度、算力弹性和运维成本三个维度上具有显著优势。

部署速度：本地化部署需要采购Jetson Orin NX/AGX边缘计算设备（单台硬件成本约5000~15000元）、安装推理环境（TensorRT、CUDA、模型导出等，通常耗时1~2个工作日）和维护推理服务（软件更新、模型升级、硬件故障处理）。SaaS模式下，端侧只需安装工业相机和通信终端（可利旧现有监控摄像头，只需支持RTSP协议），通信终端通电联网后自动注册至云端平台，通过Web后台完成相机标定和检测区域配置即可开始检测。典型部署周期从本地化的3~5天缩短至2~4小时。

算力弹性：本地化部署的Jetson Orin NX算力固定为100TOPS，无法根据实际负载动态调整。在检测任务闲时（如夜间停机时段）算力空转浪费，在检测高峰（如多台天车同时作业）算力可能成为瓶颈。SaaS云端GPU集群支持按需弹性扩缩容——当并发检测请求增加时自动扩容GPU实例（从4路视频流/GPU动态扩展至8路/GPU，扩展耗时约2分钟），当请求减少时自动缩容释放资源。平台实测表明，同时运行20台天车（共60路摄像头）的云端推理吞吐量可达900帧/秒，相比本地Jetson方案（同规模估算约200帧/秒）提升了4.5倍。

运维成本：本地部署天车AI视觉检测系统需要每台天车配置1~2块Jetson模块，5台天车规模的硬件总投资约3~10万元。此外还需配备AI算法工程师进行模型维护、升级和故障排除，年人力成本约15~25万元。SaaS模式按量付费无需前期硬件投资，模型升级（如YOLOv8s升级至YOLOv11或新增检测类别）由云平台统一完成，用户端无需任何操作。5台天车全部五模块订阅的年费约16.8万元（含云端算力、存储和模型维护），与本地方案三年TCO（硬件折旧+人力+运维）相比节约约40~55%。

四、内测验证与实际效果

云平台自2025年10月起在12家客户现场进行内测，覆盖冶金（5家）、造船（3家）、重型装备制造（3家）和新能源（1家）四个行业。内测期间采用免费试用+反馈采集模式，每台天车配置1~3个检测模块，累计运行180天。以下为关键实测数据：

在安全监测模块的测试中，12个现场共发生人员侵入事件142次，云平台AI检测成功报警136次，漏报6次（均为低光照叠加严重遮挡场景），检测召回率95.8%，误报率每台天车日均0.3次。钢丝绳检测模块在3家冶金现场累计检测钢丝绳长度超过12000米，发现Grade 2及以上缺陷焊缝38处，与人工停机复检结果的比对一致率为93.2%。焊缝检测模块在1家造船现场对主梁对接焊缝进行UT验证对比，AI检测缺陷与UT复检的定位偏差小于3mm。

客户满意度调研（NPS，净推荐值）得分为62分，高于行业SaaS软件平均NPS基准线（约40分）。客户反馈中最受认可的三个特性为：零硬件部署的快速上线体验（平均得分4.7/5）、云端模型自动更新的免维护模式（4.5/5）和按模块订阅的灵活计费（4.3/5）。主要改进建议集中在网络不稳定场景下的结果缓存和离线检测能力——该功能已列入2026年Q3版本规划。

常见问题（FAQ）

Q1：云平台AI检测的实时性是否满足天车安全控制要求？

克鲁德重工天车AI视觉检测克鲁德重工天车AI视觉检测云平台端到端延迟在5G网络下为120~250ms，在4G网络下为300~600ms，用于安全监测场景时建议将检测结果作为安全辅助信息而非直接安全回路控制信号。根据GB/T 28264-2017《起重机械 安全监控管理系统》的要求，直接控制安全回路的信号延迟应低于100ms。云平台当前方案适用于告警提示和辅助监测，直接安全联锁控制建议采用本地Jetson边缘推理方案（端到端延迟<100ms）。云平台支持与本地边缘方案混合部署——边缘端执行实时安全控制，云端做数据存储和远程监测。

Q2：车间网络条件差（无5G覆盖、4G信号不稳定）能否使用？

可以。通信终端支持双SIM卡双模组冗余和本地缓存功能：在网络正常时实时上传图像并接收推理结果；网络中断时自动切换至备用运营商（切换时间<15秒），并将中断期间的图像缓存至终端本地存储（最大缓存容量256GB，可存储约72小时的1080P@15fps压缩视频）。网络恢复后自动补传缓存的图像并补推理，确保检测数据不丢失。对于网络条件持续较差的车间，建议选择混合部署方案——边缘端运行轻量化模型做实时检测，云端做模型更新和数据备份。

Q3：云端存储的检测数据是否会泄露客户的车间生产信息？

平台在设计上遵循最小化数据采集原则：云端仅存储AI检测结果（目标类别、检测框坐标、置信度分数和时间戳）和触发告警的关键帧图像，不存储全量原始视频流。客户可在Web后台自主配置数据保留周期（7天/30天/90天三档），到期数据自动清除。数据存储采用多租户物理隔离架构（每个客户独立数据库实例），加密传输（TLS 1.3）+加密存储（AES-256）。平台已通过等保二级测评和ISO 27001信息安全管理体系认证。根据GB/T 22239-2019的要求，等保二级适用于一般工业互联网系统，满足天车远程运维场景的数据安全需求。

Q4：SaaS订阅模式下，模型版本如何升级？客户能否使用自有模型？

检测模型由云平台统一维护和升级。当前运行YOLOv8s系列模型，平台每季度进行一次模型迭代（基于新增训练数据做增量训练和精度评估），新版本模型经回归测试（在标准测试集上精度不下降方可上线）后自动灰度发布。对于有个性化检测需求（如检测特殊工件类型）的客户，平台支持客户自行上传训练数据集，由平台工程师完成模型微调（fine-tuning）后部署至该客户独占的推理实例，微调服务按次收费（约3000~8000元/次），微调周期约5~10个工作日。模型升级和微调不影响其他客户的正常运行。