首页
›
嵌入式边缘AI与TinyML
›
028-RK3588RK3568RK3566与瑞芯微NPU边缘AI部署
›
《瑞芯微NPU视觉检测:缺陷检测和产线边缘推理》
VIP20
本课程属于:028-RK3588RK3568RK3566与瑞芯微NPU边缘AI部署
嵌入式边缘AI与TinyML · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
10. 瑞芯微NPU视觉检测:缺陷检测和产线边缘推理
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 适用人群
课程导入
学习目标
02
工业缺陷检测基础
常见缺陷类型(划痕 · 脏污 · 缺料
工业缺陷检测基础
常见缺陷类型
03
瑞芯微NPU平台概述
RK3588/RK3568等芯片的N… · 算力指标 · 支持框架(RKNN-Toolkit2…
NPU
瑞芯微
04
边缘推理与云端推理的差异
延迟 · 带宽 · 隐私
边缘推理
云端推理的差异
05
视觉检测系统整体架构
相机选型 · 光源设计 · 图像采集
视觉检测系统整体…
相机选型
06
图像采集与预处理
工业相机接口(GigE/USB3) · 触发方式 · ROI裁剪
图像采集
预处理
07
缺陷检测数据集构建
数据采集策略 · 标注规范(矩形框 · 分割掩码)
缺陷检测数据集构…
数据采集策略
08
模型选型与设计
适合边缘部署的轻量级网络(YOLOv… · MobileNet-SSD · PP-LCNet等)
模型选型
设计
09
RKNN模型转换流程
使用RKNN-Toolkit2将Py… · 量化配置(INT8/FP16)
RKNN
模型转换流程
10
模型量化与优化
量化原理 · 混合量化 · 校准数据集准备
模型量化
优化
11
RKNN Runtime API使用
Python/C++接口 · 初始化 · 输入输出张量处理
RKNN
Runtime
12
缺陷检测实战案例一
基于YOLOv5的划痕检测——从数据… · 训练 · 转换到RKNN推理的完整流程
缺陷检测实战案例…
YOLOv5
13
缺陷检测实战案例二
基于分割模型(如DeepLabV3)… · 实现像素级缺陷定位
缺陷检测实战案例…
DeepLabV3
14
缺陷检测实战案例三
多类别缺陷检测(缺料 · 毛刺 · 颜色不均)
缺陷检测实战案例…
多类别缺陷检测
15
产线边缘推理系统集成
将RKNN推理封装为服务(HTTP/… · 与PLC · MES系统通信
产线边缘推理系统…
RKNN
16
实时性与吞吐量优化
多线程流水线 · 异步推理 · 批处理
实时性
吞吐量优化
17
模型部署中的常见问题
RKNN转换失败 · 精度下降 · 内存溢出
模型部署
常见问题
18
模型更新与迭代
产线数据回流 · 在线学习 · 模型版本管理
模型更新
迭代
19
硬件选型与成本控制
不同瑞芯微芯片对比 · 开发板与工业级板卡选择 · 散热与功耗设计
硬件选型
成本控制
20
工业环境下的鲁棒性
光照变化 · 震动 · 镜头污损
工业环境下的鲁棒…
光照变化
21
安全与可靠性
数据安全 · 模型加密 · 异常处理
安全
可靠性
22
性能评估与验收
准确率 · 召回率 · F1-score
性能评估
验收
23
案例复盘
某电子元器件产线缺陷检测项目——从需… · 方案设计 · 实施到交付的全过程经验总结
案例复盘
某电子元器件产线…
24
案例复盘
某包装印刷品质量检测项目——高速产线…
案例复盘
某包装印刷品质量…
25
案例复盘
某汽车零部件表面检测项目——复杂曲面…
案例复盘
某汽车零部件表面…
26
常见问题与调试技巧
模型输出异常 · 检测框偏移 · 误检漏检
常见问题
调试技巧
27
进阶优化
知识蒸馏 · 剪枝 · 神经架构搜索(NAS)在边缘视觉模型…
进阶优化
知识蒸馏
28
多模型协同与多任务学习
同时检测缺陷 · 分类 · 定位
多模型协同
多任务学习
29
未来趋势与扩展
瑞芯微NPU新特性 · Transformer轻量化 · 无监督异常检测
未来趋势
扩展
30
综合实战项目
从零搭建一个完整的产线缺陷检测系统 · 涵盖硬件选型 · 模型训练
综合实战项目
从零搭建一个完整…
所属VIP或分类
同VIP:RK3568RK3566工业AI网关:轻量视觉模型本地推理
同VIP:RK3588-NPU多核性能评测与任务调度
同VIP:RK3588边缘AI部署入门:瑞芯微NPU完整开发流程