Al视觉赋能PC 构件智能工厂精准布料与质量管控-对角钢模等模具高达90%以上的识别率,精度控制在50mm以内

在传统预制构件生产线中，布料工序依赖人工肉眼判断，导致布料均匀性难控、 生产效率低下、材料浪费与返工成本高昂，严重制约了建筑工业化的提质增效。为应 对这一挑战，产线亟需一套能够替代人眼、实现“准确、自动、实时”布料作业的智能 化解决方案。由此，项目创新性地采用“AI视觉+边缘计算+实时控制”的轻量化技改思 路，通过工业相机与轻量化YOLO模型实时识别定位模具，并直接驱动布料设备执行 高精度作业，形成了从视觉感知到自动执行的智能闭环。

· 技术路线

AI视觉景能PC 构件智能工广准确布料与质量管控技术路线总览图

高鲁棒性视觉识别技术

采用经过深度优化的YOLO 系列算法，在复杂光照、粉尘及部分遮挡的工业环境 下，实现对角钢模等模具高达90%以上的识别率，以及对无钢筋模具的准确识别。

边缘计算与实时推理

将算法模型部署于产线边缘计算设备，实现对视频流的本地化实时处理与推理， 确保识别与反馈延迟低至毫秒J，满足高速产线的实时性要求。

工业系统无缝集成

通过标准http 协议与工厂现有MES、PLC系统深度集成，确保AI指令能够安全、 可靠地驱动物理设备，实现“IT-OT”融合。

· 关键创新点

“感知-决策-控制”一体化主动作业范式

突破传统视觉检测仅用于“看”和“报警”的被动模式，将AI视觉识别结果直接转换为 控制指令，驱动执行机构完成准确作业，实现了从“辅助检测”到“主动控制”的能力跃 迁 。

轻量化部署与柔性适配

方案无需对现有产线进行大规模机械改造或高精度标定，主要依靠软件算法升J 和加装通用视觉硬件，具备部署周期短、投资门槛低、可快速复制推广的突出优势。

· 量化指标

技术指标

角钢模具识别率≥95%,模具缺口识别率≥93%,模具定位精度控制在50mm以内。在标准9m×3.5m 模台的复杂场景下，系统单次识别与处理时间不超过500ms, 满足产线高速节拍要求。

行业影响

累计申请发明专利6项，发表高水平学术论文8篇，登记软件著作权3项。其创新 性与应用价值荣获“2024年度出色工程师大赛优秀成果转化奖”,彰显了技术L先 性与产业影响力。

· 推广案例

该应用基于YOLO 视觉智能技术，在三一筑工成功实现全自动、高精度布料作 业，单模施工时间缩短30%,构件返工率下降70%,同时显著降低原材料消耗。项目 不仅提升了生产效率与智能化水平，更验证了AI技术在工业场景中驱动提质增效与绿 色制造的核心价值，为智能建造提供了可复制的实践范例。