Real-Time Conveyor Belt Defect Detection via Edge TPU-Accelerated YOLOv11 on Raspberry Pi 5
本文展示并验证了一种部署在配备 Google Coral Edge TPU 的 Raspberry Pi 5 上的端到端、低功耗边缘 AI 系统，该系统利用量化后的 YOLOv11n 模型，在恶劣的工业环境中实现了对传送带缺陷的实时、高精度检测，从而在无需依赖高能耗 GPU 的情况下实现具有成本效益的预测性维护。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在建造现代世界的重工业领域，从开采大量矿石到制造水泥，巨大的橡胶传送带就像是生产的动脉。这些输送系统日复一日地搬运着数千吨具有磨蚀性的材料，通常在多尘、震动且恶劣的环境中运行数百米。随着时间的推移，重载、落石和摩擦带来的持续压力会导致这些皮带产生隐藏的弱点。一个小小的撕裂或穿孔可能会迅速演变成灾难性的破裂，导致皮带完全断裂。一旦发生这种情况，整个生产线就会停工，给工厂造成数千美元的时间损失和昂贵的维修费用，同时也给附近的工人带来危险。几十年来，发现这些缺陷的唯一方法是让人工检查员沿着移动的机械行走，这种方法速度慢、风险高，且容易遗漏微小但关键的损伤。
为了解决这个问题，研究人员转向了人工智能，教计算机像人类一样去“看”缺陷。然而，大多数这类智能视觉系统过于沉重且耗电，无法直接在工厂车间运行。它们通常需要大型、昂贵的计算机或连接到云端，这对于电力和网络带宽有限的偏远工业现场来说并不现实。印度尼西亚的一支工程师团队通过开发一种紧凑、低功耗的系统填补了这一空白，该系统可以实时观察传送带并立即发现损坏。他们制造了一个可以装进标准金属盒中的设备，使用一个微型摄像头观察皮带，并在一个专为速度和效率设计的微型专用芯片上运行复杂的视觉检测程序。
研究人员专注于一种被称为 YOLO（意为“You Only Look Once”，即“你只需看一眼”）的特定人工智能模型类型。这种类型的模型以其能够几乎瞬时识别视频流中物体而闻名。虽然该技术的早期版本在强大的台式计算机上表现良好，但该团队希望测试最新、最高效的版本是否可以在微型单板计算机（类似于爱好者使用的那种）上运行，并配合一个专门的加速器芯片。这个加速器被称为 Edge TPU，是一种专门设计用于以极低功耗执行人工智能所需数学运算的小型硬件。团队从西爪哇一家真实的水泥厂获取了摄像机画面，那里的空气中弥漫着厚厚的粉尘，机械不断震动，并将这些画面输入到他们的系统中。
为了教会计算机寻找的目标，团队收集了大量的图像。他们并没有仅仅依赖于在洁净实验室中拍摄的照片。相反，他们将直接从水泥厂拍摄的照片、来自公共数据集的图像以及由自动化系统记录皮带随时间运动所捕捉的新照片结合在一起。这种混合方式确保了即使在被灰尘覆盖或处于恶劣、不均匀的光照条件下，计算机也能学会识别撕裂、孔洞和修补痕迹。总计，他们使用了 3,000 多张图像来训练模型，仔细标注了每一个缺陷，以便计算机能够学习区分损坏的皮带与正常的皮带。随后，他们简化了计算机程序，将其转换为小型加速器芯片能够理解并执行的格式，而无需依赖强大的主处理器。
当该系统部署到实际的水泥厂时，结果立竿见影且非常稳定。该设备被安置在一个密封的金属盒内，以抵御灰尘和震动的干扰，成功地观察了传送带并在缺陷经过时识别出来。它以每秒 30 到 40 帧的速度处理视频，足以跟上移动皮带的速度。从摄像头捕捉图像到系统识别出缺陷，整个过程仅耗时 70 到 90 毫世纪。为了直观理解这个速度：如果皮带处于典型的工业运行速度，系统在损坏部分移动不到几英寸时就能识别出问题，从而为工厂留出足够的时间在损伤扩大前做出反应。
该系统在恶劣条件下表现出了极高的可靠性。在长期的测试过程中，小型计算机和加速器芯片始终保持在安全的运行温度，无需风扇或空调，即使在炎热、多尘的环境中也能维持稳定的温度。该系统没有丢失任何视频帧，也没有崩溃，证明了它可以无需人工干预即可连续运行。它成功检测出了四种类型的损坏：长撕裂、小穿孔、孔洞以及不平整的修补。虽然在识别被部分灰尘遮挡的极微小穿孔方面效果略逊一筹，但在识别那些对机械构成最大风险的较大、更危险的缺陷时，它的表现非常精准。
这项工作表明，先进的人工智能并不一定非要锁在数据中心里才能发挥作用。通过优化软件使其在小型、廉价的硬件上运行，研究人员证明了工厂可以在世界任何地方实时监控自己的设备，而无需依赖昂贵的基础设施。该系统就像一只不知疲倦、永不眨眼的眼睛，它从不疲劳，从不漏掉班次，并且能在故障演变成灾难之前发现早期的征兆。这种方法为更安全、更高效的工业运营提供了一条切实可行的路径，证明了预测性维护的未来可以如此精巧、快速，并直接构建在工厂车间之中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。