注塑成型监控：产品瑕疵AI视觉检测系统

注塑成型监控：产品瑕疵AI视觉检测系统

在现代注塑生产车间里，一台高速注塑机每3秒完成一次循环——合模、注射、冷却、开模、取件。在这短短几秒钟内，成百上千个塑料部件被批量制造出来。然而，即便工艺参数分毫不差，模具微小的磨损或原料批次波动，也可能导致飞边、缺料、气泡等肉眼可见的缺陷悄然出现。

传统做法是安排质检员站在产线末端，盯着传送带上的零件逐个检查。可人会疲劳、会分心，漏检率难以控制；更关键的是，面对每分钟20件以上的产出节奏，人工根本跟不上。于是，越来越多工厂开始寻求一种“永不疲倦的眼睛”：基于AI的视觉检测系统。

但问题随之而来：一个训练好的YOLOv5模型，在PyTorch中推理一张图像要200毫秒，而产线留给检测的时间窗口只有不到100毫秒。怎么办？答案就藏在NVIDIA TensorRT之中。

从实验室到产线：为什么需要TensorRT？

深度学习模型一旦走出训练环境，就面临现实世界的严苛考验。GPU资源有限、响应延迟敏感、功耗有上限——这些都不是准确率指标能衡量的挑战。

TensorRT不是训练工具，而是专为生产部署打造的高性能推理引擎。它所做的，是在模型结构不变的前提下，通过一系列底层优化，把原本“能跑”的模型变成“跑得快、跑得稳”的工业级组件。

举个例子：某客户使用Jetson AGX Orin部署原始ONNX格式的ResNet-50模型进行分类任务，实测仅能达到约18 FPS。经过TensorRT转换并启用FP16精度后，性能跃升至76 FPS，完全满足多工位并行检测需求。这种量变引发质变的效果，正是工业落地的关键转折点。

深入内核：TensorRT是如何做到极致加速的？

层融合：让GPU少“喘气”

在标准神经网络中，卷积层后面通常跟着偏置加法和ReLU激活函数。这三个操作本可以合并为一个计算单元，但在原始框架中却被拆分成三次独立的CUDA内核调用。每一次调用都意味着调度开销和显存读写延迟。

TensorRT会自动识别这类模式，并将Conv + Bias + ReLU融合为单一算子。这不仅减少了内核启动次数，还允许数据保留在高速缓存中连续处理。实验表明，此类融合可带来20%~30%的速度提升，尤其对轻量级模型效果显著。

精度压缩：用INT8跑出FP32的精度

GPU的浮点运算能力虽强，但真正的瓶颈往往在于内存带宽。FP32（单精度）每个数值占4字节，而INT8仅需1字节。如果能把整个推理过程从FP32压缩到INT8，理论上吞吐就能翻倍。

但这不是简单截断。TensorRT提供了一套完整的量化流水线：

1. 收集校准数据集（通常是几百张代表性图像）；
2. 运行前向传播，统计每一层激活值的动态范围；
3. 使用熵最小化算法（entropy calibration）确定最优缩放因子；
4. 将FP32权重与激活映射为INT8整数表示。

最终结果是：在精度损失小于1%的前提下，实现接近3倍的推理速度提升。更重要的是，这一过程无需重新训练，属于纯部署阶段的优化。

自动调优：为你的GPU定制专属内核

不同GPU架构有不同的计算特性。Ampere架构的A100擅长稀疏矩阵运算，而Turing架构的T4则在低精度推理上有独特优势。TensorRT内置了一个Auto-Tuner模块，会在构建引擎时自动搜索最适合目标硬件的CUDA内核配置。

比如，对于同一个卷积操作，它可能尝试多种实现方式：
- 是否使用Winograd算法？
- 数据布局采用NHWC还是NCHW？
- 分块大小如何设置才能最大化SM利用率？

这个过程虽然耗时几分钟，但只需执行一次。生成的.engine文件已经固化了最优策略，后续加载即可直接运行。

多精度混合执行：聪明地分配算力

并不是所有层都适合降精度。某些关键特征提取层（如主干网络首层）对噪声敏感，强行用INT8可能导致特征失真。为此，TensorRT支持混合精度执行：你可以指定某些层保留FP16甚至FP32，其余部分使用INT8加速。

这种灵活性使得开发者可以在性能与鲁棒性之间找到最佳平衡点。实际项目中，我们常看到80%的层运行在INT8，剩余20%保持FP16，整体速度提升明显且无可见精度下降。

落地实战：一个典型的注塑件检测系统架构

[工业相机] ↓ (GigE Vision, 5MP, 全局快门) [边缘计算盒（Jetson AGX Orin）] ↓ (Resize → Normalize → HWC2CHW) [TensorRT Runtime] ← [yolov5s.engine] ↓ (Forward Pass) [后处理：解码BBox + NMS] ↓ [判定结果：OK / NG] ↘ → [GPIO触发剔除机构] → [HMI报警显示] → [上传MES数据库]

这是一个真实部署在现场的闭环系统。它的核心逻辑非常清晰：

1. 触发采集：机械手取件完成后，PLC发出脉冲信号，同步触发相机拍照；
2. 图像预处理：图像传入Orin设备后，经OpenCV处理缩放至640×640，归一化并转为CHW格式送入GPU显存；
3. 推理执行：调用反序列化的TensorRT Engine执行前向传播；
4. 结果解析：对输出张量进行边界框解码与非极大值抑制（NMS），得到最终检测框；
5. 联动控制：若发现飞边、凹坑等缺陷，立即通过GPIO拉高电平，驱动气动推杆将不良品剔除；
6. 数据留存：所有检测记录本地存储，并定时上传至工厂MES系统用于质量追溯。

整个流程端到端耗时控制在80ms以内，远低于注塑周期（通常>3s），完全不影响生产节拍。

工程实践中的关键考量

固定输入尺寸，避免动态Shape拖累性能

虽然TensorRT支持动态输入（dynamic shapes），但代价是牺牲一部分优化空间。因为在构建Engine时无法确定最优内存布局和内核选择，必须预留更多缓冲区。

我们的建议是：在模型训练阶段就固定输入分辨率，例如统一使用640×640。这样在导出ONNX和构建Engine时都能获得最大性能收益。

profile.set_shape('input', min=(1,3,640,640), opt=(4,3,640,640), max=(8,3,640,640))

即使未来想扩展多尺寸支持，也可以训练多个专用模型分别部署，比动态Shape更高效稳定。

Batch Size怎么选？别盲目追求高吞吐

增大batch确实能提高GPU利用率，但这只适用于批处理场景。在实时检测中，图像是一帧帧到来的，过大的batch会导致等待堆积，反而增加延迟。

经验法则：实时检测设batch_size=1~4，离线分析可用更大batch。我们在某项目中测试发现，当batch从1增至8时，FPS提升了40%，但平均延迟从60ms上升至130ms，已超出系统容忍阈值。

模型剪枝先行，再交给TensorRT做最后冲刺

不要指望TensorRT解决所有性能问题。正确的顺序应该是：

1. 先对模型进行结构级优化：通道剪枝、注意力简化、去除冗余head；
2. 导出轻量化后的ONNX模型；
3. 再用TensorRT进行编译优化。

两者叠加效果远大于单独使用其一。曾有一个案例，原始模型体积达210MB，经剪枝后降至98MB，再经TensorRT INT8量化后最终Engine仅42MB，推理速度提升近9倍。

版本依赖管理：用NGC镜像锁定环境一致性

TensorRT、CUDA、cuDNN三者版本耦合紧密。稍有不慎就会出现“本地能跑，现场报错”的尴尬局面。

推荐做法：使用NVIDIA官方提供的Docker镜像进行构建。例如：

docker pull nvcr.io/nvidia/tensorrt:23.09-py3

该镜像已集成对应版本的TensorRT、CUDA及相关工具链，确保构建环境与部署环境一致。同时支持pip安装额外依赖，便于集成自定义预/后处理代码。

校准数据必须贴近真实产线分布

INT8量化成败的关键，在于校准数据是否具有代表性。如果只用干净样本做校准，遇到实际缺陷图像时可能出现激活值溢出，导致误检或漏检。

正确做法是：收集至少500张覆盖各类典型缺陷（飞边、缩水、色差、划伤）的真实产线图像作为校准集。必要时还可加入光照变化、角度偏移等增强样本，提升量化鲁棒性。

实际收益：不只是技术升级，更是成本重构

某家电企业在其注塑车间部署该系统后，取得了显著成效：

更重要的是，系统实现了全过程数据留痕。每一件产品的检测图像、时间戳、位置信息都被保存下来，可用于后续的质量回溯、工艺调优甚至模具寿命预测。

写在最后

TensorRT的价值，从来不只是“让模型跑得更快”。它真正解决的问题是：如何让先进的AI算法，在严苛的工业环境中可靠、稳定、持续地发挥作用。

在注塑成型这类高节拍、高质量要求的场景中，毫秒级的延迟差异，就可能决定一套系统是“演示项目”还是“产线标配”。而TensorRT正是那个把AI从实验室推向车间的“最后一公里”推手。

未来随着Transformer架构在视觉检测中的普及，以及稀疏化推理、动态稀疏等新技术的引入，TensorRT也在不断进化。可以预见，下一代智能质检系统将不仅看得准，还能自我迭代、主动预警，真正成为智能制造的核心感知中枢。