1. 工业视觉检测系统概述与Jetson定位
工业视觉检测（Industrial Visual Inspection）是用相机、光源、镜头与计算平台替代人眼，对产线上的工件进行定位、测量、识别与缺陷判定的技术体系。它并不等同于“拍一张照片然后看图”，而是一条从光学成像到算法推理、再到通信与执行机构联动的完整链路。理解这条链路，是后续在Jetson上做工程落地的前提。
一、典型任务：四类问题决定算法与算力需求
工业现场的任务通常可归为四类，它们对成像方式、算法类型和算力的要求差异很大：
- 定位与引导（Locating / Guidance）：给出工件在图像中的位姿（x、y、角度，必要时含z与姿态），供机械手抓取或贴合。典型算法是模板匹配、特征点匹配或基于深度学习的位姿回归，输出是坐标与角度，精度常要求亚像素级。
- 测量（Metrology）：测量长度、直径、间距、角度等几何量。例如检测连接器针脚间距是否为0.5 mm±0.02 mm。这类任务强调标定精度与边缘提取稳定性，算力需求中等，但对重复精度要求极高。
- 识别与分类（Recognition / Classification）：判断工件类别、字符（OCR）、颜色或装配状态。例如识别PCB上的元件型号、读取二维码。常用CNN分类网络或OCR模型。
- 缺陷检测（Defect Detection）：检出划痕、脏污、缺料、错件、虚焊等。这是工业视觉中最难的一类，因为缺陷形态多样、样本稀少，常用目标检测（如YOLO系列）、语义/实例分割或异常检测（如基于特征重构的方法）。
四类任务往往在同一台设备上并存。例如一台手机中框检测机，既要定位中框（引导上料），又要测量孔位（测量），还要检出划痕与碰伤（缺陷检测）。因此选型时不能只看单一任务，而要看“最重的那一类”对算力和内存的峰值需求。
二、性能指标：现场验收看什么
工业视觉的性能指标不是“跑分”，而是与产线节拍和良率直接挂钩的量。常见指标包括：
| 指标 | 含义 | 典型示例值 |
|---|---|---|
| 节拍（Cycle Time） | 单件从触发到输出结果的时间 | ≤ 200 ms/件 |
| 吞吐量（Throughput） | 单位时间可处理件数 | ≥ 300 件/分钟 |
| 准确率 / 召回率 | 缺陷不漏检、误检可控 | 召回率 ≥ 99.5%，误检率 ≤ 1% |
| 重复精度 | 同一工件多次测量的离散程度 | ±0.01 mm |
| 分辨率与视野 | 单像素对应实际尺寸 | 500万像素，视野 50 mm×40 mm |
| 稳定性 | 连续运行不宕机、不漂移 | 7×24 h 连续运行 |
其中“节拍”和“召回率”通常是硬约束。节拍决定算力下限，召回率决定算法与成像方案的上限。工程上常先由节拍反推可用推理时间：若单件200 ms，扣除触发、通信、执行约50 ms，留给图像处理与推理的时间约150 ms；若一张图需跑定位+检测两个模型，则每个模型平均只有约75 ms。这个数字直接决定选哪一档Jetson。
三、系统组成：从光到动作的完整链路
一套典型的工业视觉检测系统由以下部分组成：
- 光学成像单元：工业相机（GigE Vision / USB3 Vision）、镜头、光源（环形光、条形光、同轴光、背光）。成像质量决定算法上限，很多“算法调不动”的问题根源在打光。
- 触发与同步单元：光电传感器、PLC或编码器发出触发信号，保证相机在工件到位瞬间曝光。
- 计算平台：运行图像处理与深度学习推理，是本节讨论的核心。可选工控机+GPU、专用视觉控制器或Jetson边缘计算模块。
- 通信与执行单元：通过以太网、RS-485、Modbus TCP或数字IO与PLC、机械手、剔除机构交互，输出OK/NG与坐标。
- 人机界面与数据：显示结果、保存图像与日志，供追溯与模型迭代。
下图给出这条链路的信号与数据流向，并标出Jetson所处的位置：
四、Jetson在边缘视觉中的角色与选型依据
Jetson是NVIDIA面向嵌入式和边缘计算的ARM+GPU平台，其核心价值在于把原本需要工控机+独立显卡的深度学习推理，压缩到几瓦到几十瓦的功耗、手掌大小的模块中。在工业视觉中，它通常承担三类角色：
- 单机视觉控制器：一台Jetson接1~4路相机，独立完成检测并输出IO，替代传统工控机方案，适合空间受限的产线工位。
- 分布式边缘节点：多台Jetson分布在产线各工位，通过以太网把结果汇总到上位机或MES，降低单点算力压力与布线成本。
- 前端预处理节点：在相机与中心服务器之间做推理或筛选，只上传可疑图像，节省带宽。
选型的核心是“算力—接口—功耗—成本”四者的平衡。以常见型号为例（以下为公开规格的典型量级，实际以官方数据为准）：
| 型号 | GPU算力（FP16量级） | 典型功耗 | 适用场景 |
|---|---|---|---|
| Jetson Nano | 约0.5 TFLOPS | 5~10 W | 单路低速分类、教学验证 |
| Jetson Xavier NX | 约21 TOPS | 10~20 W | 1~2路中等复杂度检测 |
| Jetson AGX Xavier | 约32 TOPS | 10~30 W | 多路高分辨率检测 |
| Jetson Orin Nano | 约40 TOPS | 7~15 W | 性价比高的检测主力 |
| Jetson AGX Orin | 约275 TOPS | 15~60 W | 多路+多模型+高节拍 |
选型时可按以下顺序判断：先由节拍和模型复杂度估算所需TOPS，再确认相机路数与接口带宽，然后核对机柜的供电与散热条件，最后比较成本。举例说明：某工件检测需同时跑一个YOLO检测模型（输入640×640）和一个分割模型，单帧推理在Orin Nano上实测约40 ms（示例值，实际随模型与TensorRT优化变化），加上预处理与通信约30 ms，单件约70 ms，满足200 ms节拍且有余量，则可选Orin Nano；若需同时处理4路相机，则需考虑AGX Orin或分布式多节点方案。