云边协同环境下基于YOLOv8的瑕疵检测和分析系统设计

摘要

针对工业互联网中边缘设备算力有限、网络不稳定导致检测任务实时性与精度难以协同的问题，本文设计并实现了一种云边协同的工业产品瑕疵检测与分析系统。系统采用“云—边—端”协同架构，基于边缘侧部署轻量化目标检测算法第8版(YOLOv8 )检测模型，通过TensorRT推理优化器与多线程调度实现高效推理;在云侧利用图形处理器(GPU)云服务器运行高精度实例分割模型，提供精细化分析能力;云边之间通过消息队列遥测传输(MQTT)协议实现低延迟、高可靠的通信与任务调度。实验基于MVTec异常检测数据集(MVTec AD)金属螺母数据集，结果表明:通过动态置信度阈值进行协同推理(如阈值设为0.7)，系统总时延较全云处理降低约36.1%，在确保检测精度的同时显著提升响应效率与资源利用率。该系统为工业瑕疵检测提供了一种可行、高效的云边协同解决方案，并具备向自适应推理与跨场景联邦学习扩展的应用潜力。

关键词

云边协同 / YOLOv8 / 工业互联网