From 5c5eaf850decaa42804cd2feb28ea0f41214648b Mon Sep 17 00:00:00 2001 From: "yunxiao.zhu" Date: Wed, 10 Jun 2026 19:52:22 +0800 Subject: [PATCH] =?UTF-8?q?=E2=9C=A8=20feat(docs):=20=E6=B7=BB=E5=8A=A0?= =?UTF-8?q?=E9=A3=9E=E6=8B=8D=E6=8E=A7=E5=88=B6=E7=B3=BB=E7=BB=9F=E5=AE=A3?= =?UTF-8?q?=E4=BC=A0=E6=96=87=E7=A8=BF=E4=B8=8E=E9=A3=9E=E6=8B=8D=E8=BD=A8?= =?UTF-8?q?=E8=BF=B9=E8=A7=84=E5=88=92=E9=80=BB=E8=BE=91=E5=9B=BE?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/figures/icsp-algorithm-ppt.svg | 138 +++++++++++++ docs/marketing/飞拍控制系统宣传文稿.md | 257 +++++++++++++++++++++++++ 2 files changed, 395 insertions(+) create mode 100644 docs/figures/icsp-algorithm-ppt.svg create mode 100644 docs/marketing/飞拍控制系统宣传文稿.md diff --git a/docs/figures/icsp-algorithm-ppt.svg b/docs/figures/icsp-algorithm-ppt.svg new file mode 100644 index 0000000..d9c40df --- /dev/null +++ b/docs/figures/icsp-algorithm-ppt.svg @@ -0,0 +1,138 @@ + + 飞拍轨迹规划逻辑 + 用于 PPT 展示的飞拍轨迹规划逻辑图，展示输入、三次样条、约束检查、逐段缩放迭代、输出时间轴与采样层关系。 + + + + + + + + + + + + + + + + + + + + + + + + 飞拍轨迹规划逻辑 + 用三次样条连接示教点，通过反复拉长超限段，让整条轨迹满足关节约束。 + + + + 输入 + 示教点 + 关节约束 + + + + + 初始时间轴 + 按相邻点距离 + 估算每段时长 + + + + + 三次样条 + 连接所有示教点 + 形成连续轨迹 + + + + + 约束检查 + 速度 / 加速度 / jerk + 找出超限段 + + + + 轨迹形状：经过原始示教点 + + + + + + + + + + + + q0 + q1 + q2 + q3 + qn + 点位不变，主要调整每段用时。 + + + + 迭代逻辑 + 1. 计算每段是否超限 + 2. 超限段按比例拉长时间 + 3. 重新生成样条，再检查一次 + + scalei + = max(sv, sa, sj) + + + Ti + ← Ti + * scalei + + + + + 未收敛就继续拉长、重算 + + + + 输出时间轴 + + + 按周期采样 + 后续模块生成稠密轨迹点 + + + 运行时下发 + 进入飞拍执行链路 + diff --git a/docs/marketing/飞拍控制系统宣传文稿.md b/docs/marketing/飞拍控制系统宣传文稿.md new file mode 100644 index 0000000..75e17b0 --- /dev/null +++ b/docs/marketing/飞拍控制系统宣传文稿.md @@ -0,0 +1,257 @@ +# 智能视觉质检系统宣传文稿 + +## 一句话定位 + +智能视觉质检系统是一套覆盖“边缘取图、AI 检测、人工复核、第三方对接、结果闭环”的工业视觉质量管理平台，帮助产线把图像采集、缺陷识别和复检工作流整合为一条连续、可追踪、可协同的质检链路。 + +## 宣传主文案 + +在工业视觉检测现场，真正影响效率的不只是模型能否识别缺陷，还包括图片如何稳定采集、AI 结果如何进入业务系统、人工如何快速复核、第三方系统如何查询结果，以及异常任务如何被追踪和处理。 + +智能视觉质检系统围绕这一完整链路设计：前端由边缘飞拍系统负责在机器人运动过程中完成连续取图；中间由 AI 检测服务对图片进行模型推理，输出 OK/NG、缺陷区域和结构化检测信息；上层由复检工作流平台承接图片、AI 结果和人工判断，完成任务管理、复核流转、结果查询和第三方接口对接。 + +这不是单个检测工具，而是一整套面向产线落地的视觉质检系统。它把“取图、识别、复核、上传、查询、归档”串成统一流程，让现场从分散的图片文件、模型结果和人工沟通，升级为可管理、可复核、可追溯的质量工作流。 + +## 系统组成 + +### 1. 边缘飞拍取图层 + +飞拍系统负责在机器人运动过程中完成边缘段取图。它根据检测路径和拍照节拍，在连续运动中触发相机采集图片，减少停顿拍照对产线节拍的影响。 + +核心作用： + +- 支持机器人运动中连续取图。 +- 支持按路径、节拍或检测点触发拍照。 +- 适合边缘、焊缝、孔位、外观等路径型检测场景。 +- 为后续 AI 检测提供稳定、连续、带位置语义的图片输入。 + +### 2. AI 检测服务层 + +AI 检测服务负责接收图片并执行模型推理。系统支持通过接口提交图片，可按业务需要调用单模型或多模型检测，并返回结构化结果。 + +核心作用： + +- 接收产线图片进行 AI 检测。 +- 输出 OK/NG、缺陷区域、模型结果和处理信息。 +- 支持多模型组合检测，适配不同检测面、不同缺陷类型。 +- 通过标准接口与上层复检平台、现场系统集成。 + +### 3. 人工复核与工作流层 + +复检工作流平台负责承接 AI 检测结果和图片数据，形成可操作的人工复核流程。它提供任务管理、图片浏览、AI 结果展示、人工判定、历史查询、第三方接口对接和结果归档能力。 + +核心作用： + +- 管理待复核、已完成、历史任务。 +- 支持原图、AI 标注图和检测元数据统一展示。 +- 支持人工 OK/NG 判断与批量提交。 +- 支持第三方系统上传任务、查询最新复检结果。 +- 形成从图片到判定结果的完整追溯链。 + +## 端到端业务闭环 + +```text +机器人/相机飞拍取图 + ↓ +图片进入 AI 检测服务 + ↓ +AI 输出 OK/NG 与缺陷信息 + ↓ +复检平台生成审核任务 + ↓ +人工查看原图与 AI 标注图 + ↓ +人工确认最终结果 + ↓ +第三方系统查询或接收复检结果 + ↓ +质检数据归档与追溯 +``` + +这条链路把现场设备、AI 推理、人工经验和业务系统连接在一起，使视觉检测不再停留在单点识别，而是进入可运行的质量管理流程。 + +## 核心能力 + +### 1. 连续取图能力 + +系统支持机器人边运动边拍照，适合路径型工件和多点位检测。通过拍照节拍配置，可根据产线速度、相机曝光和检测需求调整采集频率。 + +### 2. AI 自动检测能力 + +系统支持图片接口化检测，能够将模型推理结果结构化输出。AI 检测结果可直接进入复检平台，作为人工判断的重要依据。 + +### 3. 人工复核能力 + +复检平台提供面向操作员的图片审核界面，可集中查看任务、图片、AI 标注图、缺陷信息和历史记录。人工可快速完成 OK/NG 判定，减少线下沟通和文件查找。 + +### 4. 第三方接口能力 + +系统可对接第三方业务系统，支持任务上传、结果查询和复检状态同步。产线系统、PLC 上位系统、MES 或其他业务平台可以通过接口获取复检结果。 + +### 5. 工作流闭环能力 + +系统将图片采集、AI 检测、人工复核和结果回传组织成统一流程。每个任务都有状态，每张图片都有来源和判定，每次操作都可追踪。 + +### 6. 多场景扩展能力 + +整体架构可适配不同检测产品、不同图片来源、不同 AI 模型和不同复核策略。既可以服务单工位，也可以扩展到多工位、多模型、多业务线。 + +## 展示重点 + +### 系统能力总览 + +| 层级 | 作用 | 对外表达 | +| --- | --- | --- | +| 边缘取图 | 机器人运动中连续采集图片 | 让检测图片稳定进入系统 | +| AI 检测 | 对图片进行模型推理 | 自动识别缺陷并输出结构化结果 | +| 人工复核 | 对 AI 结果进行确认 | 让关键判定有人工闭环 | +| 第三方接口 | 任务上传与结果查询 | 与产线和业务系统打通 | +| 工作流平台 | 任务、图片、结果统一管理 | 形成可追踪的质量流程 | + +### 拍照节拍展示 + +对外展示时，可以用“每秒拍照数量”表达边缘取图能力，同时避免写成固定承诺。 + +| 模式 | 每秒拍照数量示意 | 适用场景 | +| --- | ---: | --- | +| 稳定检测模式 | 5-10 张/秒 | 常规外观、定位、尺寸检测 | +| 高速检测模式 | 10-20 张/秒 | 连续路径、多点位检测 | +| 高密度采集模式 | 20+ 张/秒 | 短路径密集取像、节拍优化展示 | + +备注：实际拍照数量取决于机器人速度、相机曝光时间、光源响应、图像处理耗时和现场安全策略。 + +### 时序图展示 + +```text +机器人运动轨迹 ────────────────────────────────> + +边缘飞拍触发 ▲ ▲ ▲ ▲ ▲ + 图1 图2 图3 图4 图5 + +AI 检测服务 检测 检测 检测 检测 检测 + +复检工作流 生成任务 → 图片审核 → 人工判定 → 结果回传 +``` + +配套说明文案： + +系统将取图、检测和复核组织在同一条业务时间线上。边缘端负责稳定采集，AI 服务负责自动识别，复检平台负责人工确认和结果流转，最终形成完整的质检闭环。 + +## 建议 PPT 结构 + +### 1. 封面 + +标题：智能视觉质检系统 + +副标题：从边缘取图到 AI 检测，再到人工复核与结果闭环 + +### 2. 行业痛点 + +标题：视觉检测难点不只在 AI 模型 + +要点： + +- 图片来源分散，取图节拍难统一。 +- AI 结果需要人工确认和业务留痕。 +- 产线系统需要查询最终复检结果。 +- 图片、模型结果、人工判断缺少统一工作流。 + +### 3. 系统总体架构 + +标题：三层协同，形成端到端质检链路 + +建议图形： + +```text +边缘飞拍取图层 + ↓ +AI 检测服务层 + ↓ +人工复核与工作流层 + ↓ +第三方系统 / 产线系统 +``` + +### 4. 边缘取图能力 + +标题：机器人运动中连续采集检测图片 + +展示内容： + +- 运动轨迹。 +- 拍照触发点。 +- 每秒拍照数量示意。 +- 取图与检测位置绑定。 + +### 5. AI 检测能力 + +标题：接口化 AI 检测，支持多模型结果输出 + +展示内容： + +- 图片输入。 +- 模型推理。 +- OK/NG 结果。 +- 缺陷区域信息。 +- 处理后标注图。 + +### 6. 人工复核能力 + +标题：AI 结果进入复检工作台 + +展示内容： + +- 当前待复核任务。 +- 原图与 AI 标注图对比。 +- 人工 OK/NG 判定。 +- 批量提交与历史查询。 + +### 7. 第三方接口与业务闭环 + +标题：与产线系统打通最终复检结果 + +展示内容： + +- 第三方上传任务。 +- 查询最新复检结果。 +- 状态同步。 +- 结果归档。 + +### 8. 典型应用场景 + +标题：适用于多类工业视觉质检场景 + +要点： + +- 焊缝与边缘检测。 +- PCB / 工件外观检测。 +- 孔位与装配位置检测。 +- 多点位连续取像。 +- AI 初判 + 人工终判场景。 + +### 9. 收尾页 + +标题：让视觉检测从单点识别走向完整工作流 + +推荐短句： + +智能视觉质检系统把边缘取图、AI 检测、人工复核和第三方对接整合为统一流程，让质量判断更高效、更清晰、更可追踪。 + +## 展会讲解词 + +这套智能视觉质检系统不是单独展示一个 AI 模型，也不是只展示一个拍照工具，而是展示从现场取图到最终复检结果的完整链路。 + +在边缘端，机器人通过飞拍方式在运动过程中采集检测图片，适合边缘段、路径型、多点位的工业检测场景。图片采集完成后，进入 AI 检测服务，由模型自动判断 OK/NG，并输出缺陷区域、标注图和结构化结果。 + +随后，这些图片和 AI 结果会进入复检工作流平台。操作员可以在界面中查看原图、AI 标注图和检测信息，完成最终人工判断。对于产线或第三方业务系统，平台提供任务上传和结果查询能力，使复检结果能够回到业务流程中。 + +因此，客户看到的是一整套系统能力：前端能稳定取图，中间能自动检测，上层能人工复核，外部系统还能查询最终结果。它解决的是工业视觉检测从“拍到图、看出缺陷”到“形成可追踪质量结论”的完整问题。 + +## 对外短标题 + +- 智能视觉质检系统 +- 从边缘取图到复检闭环 +- AI 检测 + 人工复核一体化 +- 让视觉检测进入可追踪工作流 +- 机器人飞拍取图，AI 自动识别，人工确认结果 +- 面向工业产线的端到端视觉质量平台