1. 工业视觉系统与IGX平台导入
工业视觉并不是“把摄像头接到电脑上跑一个模型”这么简单。它是一套围绕成像—传输—计算—决策—执行闭环构建的工程系统，目标是在产线节拍内稳定输出可复现的判断结果。理解这套系统的组成与数据流，是后续在 NVIDIA IGX 平台上完成部署的前提。
一、工业视觉的典型任务
从任务形态看，工业视觉大致可分为四类，它们对算力和实时性的要求差异明显：
- 检测类：缺陷检测、异物检测、字符/条码识别（OCR）。典型如 PCB 焊点虚焊、金属表面划痕、药片缺角。这类任务通常是高分辨率图像上的小目标识别，对分辨率与召回率敏感。
- 测量类：尺寸测量、位置测量、间隙与段差测量。输出是毫米级数值，要求标定准确、重复精度高，往往需要亚像素处理。
- 定位与引导类：机器人抓取定位、装配对位。输出是位姿（x, y, θ 或 6D pose），直接驱动机器人运动，对延迟极其敏感。
- 分类与分选类：按等级、颜色、材质分选。输出是类别标签，通常与剔除机构联动。
这四类任务在工程上的共同约束是：节拍（如 60 件/分钟，即单件 1000 ms 内完成）、稳定性（连续 8 小时不漂移）、可追溯（每件结果可回查）。AI 模型只是其中一环，成像质量与触发时序往往才是良率的决定因素。
二、工业视觉系统的组成
一套完整的工业视觉系统由五个层次构成，数据自下而上流动，控制信号自上而下回传：
- 光学与照明层：镜头、光源（环形光、条形光、同轴光、背光）、滤光片。决定“能不能看清”。
- 成像与采集层：工业相机（GigE Vision、USB3 Vision、Camera Link）、图像采集卡、编码器/光电传感器触发。
- 计算与推理层：边缘计算平台，运行图像预处理、AI 推理、后处理与逻辑判断。IGX 就位于这一层。
- 通信与控制层：与 PLC、机器人控制器、剔除机构的接口，常用 GigE、EtherCAT、Modbus TCP、数字 IO。
- 管理与追溯层：结果存储、MES 对接、模型版本管理、远程运维。
下面这张图给出这五层之间的数据流与控制流关系，以及 IGX 在其中的位置：
三、IGX 在边缘 AI 视觉中的定位
NVIDIA IGX 是面向工业与医疗边缘场景的计算平台，其核心价值可以概括为三点：
第一，把数据中心级 GPU 推理能力搬到产线旁。IGX Orin 模组提供最高约 275 TOPS（INT8）的 AI 算力，足以在单台设备上同时运行多路高分辨率相机的检测模型。这意味着过去需要工控机加独立显卡、甚至多台服务器才能完成的任务，现在可以在一台加固型边缘设备上完成。
第二，工业级可靠性与功能安全。与消费级 Jetson 不同，IGX 面向的是 7×24 小时运行、粉尘振动环境、以及需要功能安全认证（如 ISO 13849、IEC 61508）的场景。它支持安全域与普通域隔离，可在同一平台上同时运行安全相关的监控逻辑和 AI 推理任务。
第三，长生命周期与可管理性。工业设备的生命周期常达 7～10 年，IGX 提供长期供货承诺与带外管理（BMC）能力，支持远程固件更新、健康监控与故障诊断，这对分布在多个厂区的产线尤为重要。
需要明确的是：IGX 解决的是“算力与可靠性”问题，它不能替代合理的光学设计，也不能弥补错误的触发时序。部署中大量问题最终追溯到光源角度或触发延迟，而非模型本身。
四、部署全流程概览
本课程后续章节将围绕一条完整的部署链路展开，其主干如下：
- 需求与选型：明确任务类型、节拍、精度指标，据此确定相机分辨率、镜头视野、光源方案与 IGX 型号。
- 环境搭建：安装 IGX 开发套件，配置 JetPack/IGX OS，验证 GPU、相机接口与网络。
- 成像调优：固定工作距离与光圈，调整曝光时间与增益，采集样本并评估图像质量（对比度、信噪比、均匀性）。
- 模型训练与优化：在训练平台完成模型训练，导出 ONNX，再用 TensorRT 在 IGX 上做量化与引擎构建。
- 推理管线集成：用 DeepStream 或自定义管线串联采集、预处理、推理、后处理，控制端到端延迟。
- 通信与联动：对接 PLC 与剔除机构，标定触发延迟，确保“检测—动作”时序对齐。
- 现场验证与运维：连续运行测试、误检漏检统计、模型版本管理与远程更新。
接下来的章节会从硬件开箱与环境配置开始，逐步把上述链路落到可执行的命令、参数与验证方法上。理解本节给出的系统分层与数据流，是判断“问题出在哪一层”的基础。