在展会上，用一台相机、一块边缘计算板和一个YOLO模型识别零件，往往半天就能做出效果。画面里的框很稳，类别名称不断刷新，FPS数字也很好看。可一旦把同样的系统搬到工厂，问题会迅速变形：灯光随班次变化，镜头沾油，输送带抖动，工件姿态超出训练集，PLC信号偶发延迟，剔除机构动作晚了几十毫秒；更麻烦的是，模型“看见缺陷”并不等于产线能可靠地处置缺陷。
2026年9月14日工业智能每日观察提到，Ultralytics在深圳举行的YOLO Vision 2026，已经把重点从模型训练扩展到AMD ROCm、Intel OpenVINO、地平线RDK、Qualcomm AI Hub和NVIDIA边缘部署，并将制造、物流、机器人放进真实硬件演示。这个信号值得重视：工业视觉竞争正从“谁的模型榜单更高”，转向“谁能把感知接入控制、维护和持续改进体系”。不过也必须明确，会议演示和厂商性能数据主要证明技术路径可行，并不自动证明某个方案能在特定工厂连续运行。
本文的核心判断是：YOLO从Demo走向量产，不是一次模型部署，而是一条包含光学、数据、推理、控制、安全、运维和再训练的闭环生产系统。
一、别从模型开始，要从工艺判定开始
工业视觉项目最常见的起点是：“我们准备用YOLO检测某种缺陷。”更稳妥的起点应该是四个工艺问题：什么对象在什么位置出现；哪些状态必须被识别；识别后产线采取什么动作；错判和漏判各自造成什么损失。
例如包装线上的漏装检测，至少要明确：相机触发点到剔除气缸之间的物理距离、输送速度及波动范围、产品是否可追踪、连续异常是否停线、剔除失败如何确认。若只优化mAP，却没有给每件产品建立可追溯ID，模型即使准确识别了第100件产品，PLC也可能剔除第101件。
因此，第一份需求文档不应是“模型精度达到99%”，而应是状态机：
1. 光电传感器或编码器触发采图；
2. 图像与产品ID、批次、配方、时间戳绑定；
3. 推理服务输出类别、置信度、位置和质量状态；
4. 规则层结合产品配方做最终判定；
5. 判定写入PLC或边缘I/O；
6. 产品到达执行点时剔除、分流或报警；
7. 传感器确认执行结果；
8. 图像、判定、动作和确认结果进入追溯库。
最后一步非常重要。只有知道“视觉判了什么、机器做了什么、实际结果是什么”，系统才形成闭环，否则它只是一个会画框的旁路显示器。
二、可量产的技术栈，是七层而不是一个模型文件
一个相对完整的边缘视觉部署栈，可以拆成七层。
第一层是成像。 工业相机、镜头、光源、偏振片、遮光结构和触发方式共同决定原始数据质量。很多所谓模型漂移，本质是曝光漂移、频闪、景深不足或镜头污染。对高速运动目标，应优先评估全局快门、短曝光和闪光同步，而不是先靠更大的网络弥补拖影。
第二层是边缘计算硬件。 CPU、GPU、NPU并没有绝对优劣，关键在于相机数量、分辨率、目标帧率、功耗、温度、供货周期和软件生态。Intel OpenVINO适合把模型部署到Intel CPU、GPU和NPU；NVIDIA TensorRT强调在NVIDIA GPU上的推理优化；Qualcomm AI Hub、ROCm及各类国产边缘平台也在降低端侧适配成本。这些性能与加速比例多为厂商口径，选型时应使用本厂图像、本厂预处理和完整业务链路做基准测试，不能只比较官方模型的裸推理FPS。
第三层是模型与运行时。 训练侧可使用YOLO等检测、分割或姿态模型，交付侧最好保留框架原模型、ONNX中间格式和目标运行时引擎，并锁定算子、动态尺寸、量化方式和校准集。FP16或INT8可能提升吞吐、降低功耗，但小缺陷、低对比度目标在量化后是否掉点，必须逐类验证。
第四层是推理服务。 它不只是调用模型，还应包含图像解码、畸变校正、ROI裁剪、预处理、后处理、配方管理、超时、健康检查、日志和版本回滚。生产系统应把模型视为有版本的工艺资产：模型哈希、阈值、类别表、运行时版本和设备配置必须能共同还原一次判定。
第五层是OT接口。 视觉系统通常通过离散I/O、工业以太网、OPC UA或设备厂商协议与PLC、机器人、MES连接。OPC UA的价值不只是“能通信”，还包括信息建模、安全机制及跨供应商互操作能力。但在毫秒级硬实时动作中，是否采用现场总线或硬接线，仍应由控制工程约束决定，不能因为IT接口方便就替代安全、确定性的控制通道。
第六层是数据与可观测性。 保存所有原图通常成本过高，可以分层：异常样本和低置信度样本保留原图；正常样本按比例抽样；所有判定保留结构化元数据；关键班次保留短时循环缓存，事故发生后再固化。监控不仅看GPU利用率，还要看相机掉帧、曝光分布、推理P95/P99延迟、队列长度、PLC应答、剔除确认率、磁盘寿命和设备温度。
第七层是MLOps与工艺治理。 新模型先离线回放，再影子运行，再小流量接管；不能从研发电脑直接覆盖生产引擎。回滚应一键完成，且模型升级必须与配方、PLC程序和验收样本建立对应关系。
三、延迟预算要从执行点倒推，而不是只测推理时间
假设相机触发点距剔除点1.2米，输送带速度为1.5米/秒，那么理论可用时间约为800毫秒。但这800毫秒并不都属于模型。完整延迟至少包括：触发抖动、曝光与读出、网络传输、排队、预处理、推理、后处理、规则判定、PLC扫描周期、通信、执行器响应，以及输送速度误差。
工程上应建立端到端时间戳：
T总 = T采集 + T传输 + T排队 + T预处理 + T推理 + T后处理 + T通信 + T控制 + T执行
平均延迟往往会掩盖偶发卡顿。真正决定能否稳定生产的是P99甚至最大可接受延迟，以及超时后的确定行为。如果视觉结果迟到，系统必须明确选择“默认放行”“默认剔除”“降速”还是“停线”。这个选择不是AI团队独立决定，而应由质量、生产、安全和设备部门共同完成风险分析。
在多相机场景，还要防止GPU批处理追求吞吐却牺牲单件确定性。视频分析可以容忍批量排队，剔除控制通常更看重稳定的单帧响应。建议把检测链路和报表、录像上传等非实时任务隔离，避免网络抖动或磁盘写入拖慢控制路径。
四、可靠性设计：先假设模型、相机和网络都会失败
量产设计不能问“系统会不会坏”，而要问“哪一层坏了，产线如何进入已知状态”。
相机断流时，边缘节点应在限定时间内识别并报警；重连失败后切换到预先定义的降级模式。镜头污染不能只靠人工巡检，可以监测清晰度、亮度直方图、固定背景特征或参考标记。模型服务崩溃，应由独立看门狗拉起，但要限制反复重启，并保留故障现场日志。边缘设备断网时，实时判定应尽量本地继续，数据在本地缓冲，恢复后再补传，而不是让云端连接成为单点故障。
模型不确定性也必须工程化。置信度低于阈值不应被伪装成确定答案，可以进入复检、人工确认或保守剔除通道。对极高风险工序，单一视觉模型通常不应承担最终安全功能，可采用视觉加传感器、几何规则、重量检测或后段复核等异构冗余。
还要区分质量控制与功能安全。普通缺陷检测系统不能因为识别到了“有人”就自动被视为安全系统。涉及人员防护、急停、机器人安全区域时，应使用经风险评估并符合适用安全标准的安全控制器、光栅、扫描仪、联锁等措施。ISO 13849-1给出了安全相关控制系统设计方法，IEC 61508是功能安全基础标准；具体项目需由合格人员根据机械类型和当地法规确定要求。AI视觉可提供辅助感知，但不能未经认证就替代安全回路。
网络安全同样是可靠性的一部分。边缘节点应最小权限运行，生产网与办公网分区，模型包签名校验，远程维护留审计记录，关闭不必要端口。NIST SP 800-82 Rev.3为OT安全提供了系统性指南，可作为分区、访问控制、监控和事件响应的参考。
五、上线不要“大爆炸”，用五个阶段逐步拿走控制权
阶段0：基线测量。 连续记录两到四周人工检验、不良率、误剔除、停机、返工和客诉，先知道当前系统到底差在哪里。
阶段1：离线采数与回放。 覆盖不同班次、供应批次、速度、环境光、污染程度和换型状态。数据集按时间或批次切分，避免相邻帧同时进入训练集和测试集造成虚高。
阶段2：旁路影子运行。 系统只判定、不控制产线，将结果与人工、后段检测或最终质量结果对齐。重点不是展示准确率，而是找出失效模式和数据漂移。
阶段3：受限闭环。 先控制低风险分流或增加复检标记，在单条线、单班次、有限SKU运行。保留人工接管和快速回滚，明确异常停用条件。
阶段4：稳定性验收。 验收周期应跨越换班、换料、清洁、维护和换型。建议至少观察数十万件产品或足够多的缺陷事件，同时进行断网、断相机、满磁盘、温升和进程崩溃演练。
阶段5：复制扩展。 只有当首线的光学结构、接口、数据字典、部署镜像、报警和验收方法标准化后，才复制到其他产线。复制的对象不是一个权重文件，而是一套“黄金站点”模板。
六、指标和ROI：不要让99%准确率骗过财务和生产
分类准确率在工业场景中常常没有意义，因为正常品可能占99.9%。更实用的指标包括：按缺陷类别统计的召回率和精确率、每百万件漏检数、误剔除率、首件通过率、剔除执行成功率、端到端P99延迟、视觉引起的停机分钟数、平均故障恢复时间、人工复检工时以及数据可追溯完整率。
ROI可以用一个朴素模型计算：
年度净收益 = 减少的客诉与报废 + 节省的检验人工 + 提升的产能贡献 + 减少的停机损失 - 年度运维成本
回收期 = 初始投资 / 月均净收益
初始投资不能只算相机和边缘盒子，还应包含光机结构、PLC改造、安全评估、数据标注、验证、培训和停线施工。年度运维则包括镜头清洁、备件、模型复核、软件升级、网络安全和现场支持。
一个项目即使没有明显减少人员，也可能通过避免流出、缩短追溯时间和提高工艺一致性产生价值；反过来，一个实验室精度很高的系统，如果每天造成十分钟非计划停线，ROI也可能为负。建议把“因视觉造成的损失”单列，而不是只统计“视觉发现了多少缺陷”。
七、三个常见反对意见
“规则视觉更稳定，为什么一定要YOLO？” 不一定要。位置固定、边界清楚、特征可解释的任务，传统阈值、模板匹配和测量算法可能更便宜、更容易验证。深度模型适合外观变化大、目标姿态复杂或规则难以穷举的任务。最佳方案往往是深度模型负责候选目标，规则算法负责尺寸、位置和工艺约束。
“上云统一管理不是更先进吗？” 管理和训练可以集中，实时闭环未必适合依赖云端。带宽、时延、断网、数据合规和生产连续性都要求关键判断尽量留在边缘。更现实的架构是“边缘自治、中心治理”：现场独立运行，中心负责版本、指标、样本和审计。
“模型会漂移，所以工业AI不可靠。” 漂移确实存在，但这不是拒绝部署的理由，而是要求系统具备监测、抽检、回放和回滚能力。传统视觉也会因灯光老化、机械偏移和镜头污染失效，只是过去常被归为设备问题。AI系统的优势不在于永不变化，而在于变化能够被数据化管理。
结语：工厂需要的不是更大的框，而是更短的恢复时间
YOLO等开放视觉模型正在降低感知能力的门槛，OpenVINO、TensorRT、ROCm、Qualcomm AI Hub及各类边缘平台则让同一类模型进入更多硬件。这是好消息，但真正的工业壁垒已经后移：光学是否稳定，时间是否可确定，控制是否可追踪，故障是否可降级，安全边界是否清晰，模型是否能在不中断生产的情况下升级。
从Demo到稳定部署，最关键的思维变化，是不再把视觉项目看成“训练一个模型”，而是把它看成一台新的生产设备：有节拍、有接口、有失效模式、有维护周期、有安全责任，也有持续改善的数据回路。
当系统能够连续回答四个问题——我看到了什么、我为什么这样判断、产线采取了什么动作、动作结果是否正确——边缘视觉才真正从演示走进了工厂。
参考资料
1. Ultralytics，YOLO Vision 2026 活动页（会议议程与边缘部署生态；活动介绍属于主办方信息）：https://www.ultralytics.com/events/yolovision
2. Ultralytics Docs，模型导出与部署文档（产品能力与性能描述需在目标硬件复测）：https://docs.ultralytics.com/modes/export/
3. Intel，OpenVINO Documentation（官方技术文档）：https://docs.openvino.ai/
4. NVIDIA，TensorRT Documentation（官方技术文档；性能描述属于厂商口径）：https://docs.nvidia.com/deeplearning/tensorrt/
5. ONNX，Open Neural Network Exchange 官方文档：https://onnx.ai/onnx/
6. OPC Foundation，OPC UA 概览：https://opcfoundation.org/about/opc-technologies/opc-ua/
7. NIST，SP 800-82 Rev.3《Guide to Operational Technology Security》：https://csrc.nist.gov/pubs/sp/800/82/r3/final
8. ISO，ISO 13849-1:2023《Safety-related parts of control systems》标准页面：https://www.iso.org/standard/73481.html
9. IEC，IEC 61508 功能安全标准介绍：https://www.iec.ch/functionalsafety
10. MLOps Community / Google Cloud Architecture Center，MLOps持续交付与自动化流水线概述：https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning