2022 年 12 月 28 日， 在 2022 边缘计算产业峰会（ECIS2022）上，「DaoCloud 道客」面向工业互联网的云边协同智能缺陷检测解决方案凭借其技术架构上的先进性、灵活性，和在智能化数字工厂场景中的切实成效，从众多参选方案中脱颖而出，成功入选“2022边缘计算十大解决方案”。

本次峰会由边缘计算产业联盟（ECC）主办，汇聚了行业内的产学研大咖，围绕 “边云智联，助力行业数字化转型” 共同探讨边缘计算的前沿技术与最新趋势。

智能制造与缺陷检测

近年来，国家提出中国制造 2025 计划，制造行业纷纷开始探索高科技手段来改进产品研发与制造，诸如制造电力设备、汽车、飞机等对产品有严格的质量把控，缺陷检测成为了其品控管理的最后一道防线。而原有缺陷检测的手段大量依靠人工，人工审片的效率相对低下，存在误检、漏检的情况。对于技术相对先进的工厂来说，IoT+AI 技术的应用让工厂的智能化建设走上新台阶，但大部分工厂位置相对偏僻，以及存在大量金属设备等，导致现场网络波动大、延时高，而现有系统无法快速更新训练模型导致的缺陷识别模型单一的局面，也是它们在缺陷检测环节亟待解决的问题。

云原生作为工业互联网的关键技术底座，正在渗透进智能制造的各个环节。「DaoCloud 道客」，致力于依托云原生的技术优势，增强云边协同，全面加强「云-边-端」的联系，拓展云原生边缘计算的能力边界，使工业互联网领域的创新再上新台阶。基于工业互联网的标准层次架构，「DaoCloud 道客」推出的云边协同智能缺陷检测解决方案，实现质量缺陷检测模型的一站式开发与运用，为智能工厂的质量分析打开新局面。

云边协同下的智能缺陷检测

「DaoCloud 道客」的云边协同智能缺陷检测方案基于各产线采集到的生产数据，在边缘节点直接进行 AI 推理。这样，边缘端可以直接处理数据并作出反应，边端数据可以上传到业务云平台，为各业务场景提供决策支撑。在这个过程中，边端云平台评估出需要回传至云端进行识别的数据，减少了云端模型训练的工作量，也降低了人工运维的占比，有效提高了审片效率。

同时，为改变工厂环境本身网络不稳定影响缺陷检测效率问题，「DaoCloud 道客」将数据处理、业务应用、AI模型等实时性要求较高的任务下沉到边缘端，运行在靠近数据生成源的地方，缩短了数据进行处理和分析所需的距离，大大降低了网络延迟。此外，云边数据通道的存在将边端产生的实时数据自动同步至云端，从技术上解决云边协同数据传输的难题。

此外，在旧架构中，受限于网络限制、信息孤岛等问题，缺陷检测的模型无法完成快速更新，云原生技术的应用无疑是雪中送炭。「DaoCloud 道客」的这一方案打通模型开发的云边协同全流程，云端的 AI PaaS 平台可以流畅高效地收到边端数据，完成迭代训练，不断丰富提升推理模型的识别精度和准确度，再通过边缘云平台一键下发到边缘节点即可完成其 AI 推理能力的更新，帮助企业极大地提高生产效率及质量。

相比于传统方案，该方案基于云原生技术和云边协同的调度方式，提高了模型开发及部署效率，大幅缩短了缺陷检测模型更新迭代的周期。边缘应用的容器化改造降低了 AI 运行环境运维难度，同时提供了边缘节点的自治能力，保障了边端应用的高可用，以此提高整个缺陷检测系统的稳定性。

赋能行业推动创新

「DaoCloud 道客」全新打造的智能缺陷检测方案，打破缺陷检测系统与产线设备之间的信息壁垒，促进智能边缘处理技术的成果转化，推动工业互联网的技术和商业模式创新。尤其在工业视觉、工业AI检测等业务场景中，该方案将云原生的优势应用到边缘端，实现更加灵活的编排调度，让云边高效协同起来。同时，该方案解决了工厂智能化部署常常存在的实时性、数据隐私性、维护便利性等问题，从而满足行业数字化在敏捷和安全等方面的关键需求，持续赋能产业高质量发展。

数字经济时代，80% 的数据和计算将发生在边缘，越来越多的企业正在积极推动云边协同的具体实践以及深度发展。未来，「DaoCloud 道客」将继续发挥在云原生领域的技术优势，持续迭代能够满足行业用户需求的、卓越的云边协同解决方案，携手广大客户和生态伙伴共同寻找未来数字世界的全局最优解。