In Depth
产品详解
产品定位
工业视觉分析平台是**“数据 → 标注 → 训练 → 模型 → 推理 → 反馈”的 MLOps 闭环**：把摄像头变成传感器，让每一帧画面成为可度量的工业洞察。云边协同架构既服务单产线试点，也支撑集团级多厂区部署。
解决什么问题
质检靠人眼。 盯屏 12 小时注意力必然衰减，漏检还说不清。YOLO 系列目标检测 + PaddleOCR 文字识别支撑缺陷检测、表计读数、安全识别场景，检出一致、自动留证。
标注太贵。 SAM 智能辅助标注大幅降低人工成本；标注任务“获取下一张”自动流转、完成度实时追踪；一键导出 COCO/YOLO/VOC 三种标准格式直达训练。
模型迭代没人管。 难例挖掘与增量训练机制让模型随数据进化；模型注册中心统一管理版本与权重（支持大文件分片断点续传）；Optuna 超参自动搜索基于精度指标寻优。
核心能力详解
训练与推理工程化
训练过程 SSE 实时日志、Loss/mAP 趋势自动成图；算力环境自动感知（GPU/NPU/MPS/CPU）；推理覆盖图片、视频逐帧（生成带检测框与置信度的结果视频）与 OCR；弹性热更新——高配设备双缓冲无缝切换模型，低配自动降级，更新不停业务。
可视化应用编排与告警
拖拽式流程设计器编排视频源、模型、输出节点，DAG 引擎驱动执行；告警规则引擎支持阈值、条件、持续时间配置，邮件/钉钉/企微/Webhook 多渠道触达，含频率限制与静音；MQTT 消息分发与带签名验证的 Webhook 事件订阅让检测结果联动现有系统。
边缘云协同
自研边缘云协议规范心跳与控制指令；边缘节点统一接入管理，CPU/内存/磁盘状态实时监控；模型量化 + 推理优化面向 NPU 场景——断网现场照常检测。
常见问题
现场摄像头品牌杂怎么办？——RTSP/RTMP 主流协议覆盖绝大部分网络摄像头与 NVR，接入前有连通性测试工具。
没有 GPU 能跑吗？——CPU 推理可用；NPU 边缘盒是性价比方案，平台支持模型量化下发。
一个场景走完闭环：产线外观质检
- 质检工位的工业相机把产品外观画面以视频流接入平台（数据源配置，接入前可先做连通性测试）；
- 算法工程师导入缺陷检测模型并部署（视觉模型管理，支持面向 NPU 的量化加速）；
- 创建实时分析任务，绑定该视频流与检测模型（支持实时流分析、定时分析与单次识别三种模式）；
- 画面经模型推理后输出缺陷框与置信度，判定不合格的产品触发告警；
- 质检人员在结果列表中复核、导出记录，低置信度样本回流数据集用于模型迭代——质检工作本身在为模型生产训练数据。
双引擎：检测与识别
- YOLO 目标检测：识别画面中的人、物、缺陷等目标并给出置信度——安全监护（未戴安全帽、区域入侵）、设备状态识别都靠它；
- OCR 文字识别：中英文表单、铭牌、表计读数的结构化提取——抄表数字化、票据登记、铭牌建档的入口。
部署形态：中心与边缘皆可
支持 GPU / NPU / CPU 多种算力环境：既能中心机房部署统一推理，也能下沉边缘节点就近分析视频流，云端统一纳管节点状态与模型下发。检出结果按规则触发通知，联动企业现有系统。