跳到主要内容

C0726K12-研究方案

主要研究内容

  1. 图像识别算法如何识别工件图片（核心）

  2. 算法如何包装成软件

  3. 软件如何包装成云应用

  4. 云应用如何与小程序衔接

项目研究方案

概述：项目核心是云梦镜像提供的图像识别模型，将其封装为应用核心后打包为现代Web应用并进行产业化，主要研究的内容如下：

  1. 图像识别算法如何识别穿舱件的图片（核心） - 通过SDK封装为HTTP的API
  2. 软件如何包装成云应用（多端协同） - API之间相互协同
  3. 整体如何保障安全、协调、稳定等其他问题（不属于核心问题） - 企业应用架构理论

主要研究内容​

  1. 图像识别算法设计与优化：要识别穿舱件应该如何选择模型，如何挑选模型。

  2. 系统架构设计：基于HTTP的服务端接口设计，如何将算法封装成可复用服务。

  3. 接口层与业务层实现：利用FastAPI完成外部应用调用、ORM设计、认证机制。

  4. 前端应用设计：微信小程序作为人机交互终端，如何与后台联动。

  5. 系统性能与可靠性研究：接口响应时间、识别准确率、并发处理能力等。

这五大问题就是主要的研究内容

研究目标​

  1. 构建或者挑选一个能够识别穿舱件的模型或算法。
  2. 把算法通过信息管理技术和软件工程理论变为用户可用的Web系统。

拟解决的关键问题​

  1. 系统如何保障稳定性和精度问题，即识别率要高且能够7*24小时服务以应对工业场景。
  2. 如何设计不同构型系统之间的通讯问题，例如解决数据表现层一致性和同步异步通讯问题。
  3. 如何保障数据安全、认证机制健全、跨平台适配、可拓展、可交互、可审计等其他功能

主要研究方法​

  1. 文献综述法：调查相关的领域研究和文献
  2. 原型敏捷开发：基于一个小原型通过敏捷开发理论快速迭代
  3. 对比实验法：验证这个系统的准确率
  4. SLA测试法：验证能否长时间稳定工作

技术路线​

  1. 数据集构建：拍摄不同角度的穿舱件图片，不同光照和不同视角
  2. 模型原型实验：用最小原型测试这个模型是否能够准确识别
  3. 原型技术架构：详见技术架构文档
  4. 用户实验：让使用者实际体验一遍整个流程

关键技术​

  1. 图像识别模型，ANN，CNN，主题识别等
  2. FastAPI的相关技术，详见技术简介
  3. 小程序开发和部署相关技术，例如运维技术等

1. 研究背景与意义​

1.1 研究背景​

船舶穿舱件是船舶结构的一个部分工件，以前的传统的穿舱件质量管理主要依赖人工检查和纸质记录，存在数据管理不统一、溯源困难等等问题，因此需要随着技术发展使用新的技术解决问题。本研究旨在构建一套基于图像识别技术的船舶穿舱件质量管理系统，实现穿舱件的智能识别、数字化管理和全生命周期追溯。

1.2 研究意义​

1.2.1 理论意义​

  1. 图像识别技术在工业领域的应用拓展：探索深度学习模型在特定工业场景下的适应性和优化策略
  2. 分布式系统架构理论：基于微服务架构的工业应用系统设计理论
  3. 人机交互理论：移动端与后端系统的协同交互机制研究

1.2.2 实践意义​

  1. 提升质量管理效率：通过自动化识别减少人工成本，提高检查效率
  2. 增强数据可靠性：建立标准化的数据采集和管理流程
  3. 实现全生命周期管理：构建完整的穿舱件追溯体系
  4. 推动行业数字化转型：为船舶制造业提供数字化管理解决方案

等等...

3. 主要研究内容​

3.1 图像识别算法设计与优化​

3.1.1 模型选择与比较​

研究目标：确定最适合穿舱件识别的深度学习模型架构

具体内容：

这里的具体内容由云梦镜像提供技术细节和相关文档

3.2 系统架构设计​

3.2.1 微服务架构设计​

系统组件：

  1. backend-api：核心业务API服务
  2. backend-dashboard：管理端后台系统
  3. cvcore-api：图像识别代理API
  4. cvcore-dashboard：识别调试后台
  5. miniapp：微信小程序终端

架构特点：

  • 服务独立性：各服务独立开发、部署、扩展
  • 数据一致性：通过事件驱动保证数据一致性
  • 容错机制：熔断器、重试机制、降级策略

3.2.3 数据库设计​

数据模型设计：

  1. 穿舱件基础信息表
  2. 图像数据表
  3. 识别结果表
  4. 用户操作日志表
  5. 系统配置表

等等，详见数据字典和其他文档

4. 实验设计与验证方案​

4.1 数据集构建​

4.1.1 数据采集计划​

采集策略：

  1. 多角度拍摄：每个穿舱件从6个不同角度拍摄
  2. 多光照条件：自然光、人工光、低光照环境
  3. 多距离拍摄：近距离、中距离、远距离
  4. 多背景环境：实际工作环境、实验室环境

4.1.2 数据标注规范​

标注内容：

  1. 类别标签：穿舱件类型和型号
  2. 边界框：目标物体的精确位置
  3. 关键点：重要特征点标注
  4. 质量评级：图像质量评分

4.2 模型训练与评估​

该部分由云梦镜像提供技术文档

4.3 系统集成测试​

4.3.1 功能测试​

测试用例设计：

  1. 图像上传测试：验证各种格式图像的上传功能
  2. 识别准确性测试：验证识别结果的准确性
  3. 并发处理测试：验证系统的并发处理能力
  4. 异常处理测试：验证系统的错误处理机制

4.3.2 性能测试​

主要测试稳定性，7*24小时SLA等内容

5. 预期成果与创新点​

5.1 预期技术成果​

5.1.1 核心技术突破​

  1. 高精度识别模型

    • 穿舱件识别准确率达到60%以上
    • 支持50种以上不同型号的穿舱件识别
    • 模型推理速度大于1秒/张

  2. 高性能系统架构

    • 支持100+并发用户访问
    • 系统响应时间大于3秒
    • 7×24小时稳定运行，可用率>99%

  3. 完整的产品化方案

    • 微信小程序用户端
    • Web管理后台
    • RESTful API接口
    • 完整的部署文档

5.1.2 技术文档产出​

  1. 系统设计文档：详细的架构设计和技术选型说明
  2. API接口文档：完整的接口规范和使用说明
  3. 部署运维文档：系统部署、配置和维护指南
  4. 用户使用手册：面向最终用户的操作指南

5.2 创新点​

5.2.1 理论创新​

  1. 多模态特征融合方法
    • 提出使用图像识别识别穿舱件的策略
    • 针对工业场景的特征提取优化策略
  2. 工业图像识别适应性研究
    • 工业环境下的图像质量评估方法
    • 光照变化对识别精度的影响分析
    • 基于领域适应的模型优化策略

5.2.2 技术创新​

  1. 分布式图像识别架构

    • 基于微服务的图像识别系统架构
    • 异步处理和缓存优化策略
    • 负载均衡和容错机制设计

  2. 移动端与云端协同机制

    • 离线识别与在线识别的切换策略
    • 数据同步和一致性保证机制
    • 移动端性能优化方案

5.3 应用价值​

5.3.1 直接应用价值​

  1. 提升管理效率：自动化识别减少人工成本50%以上
  2. 提高数据准确性：消除人工录入错误，数据准确率>99%
  3. 实现全程追溯：建立完整的穿舱件生命周期管理体系
  4. 降低运营成本：减少纸质文档和人工管理成本

5.3.2 推广应用前景​

  1. 行业推广：可推广至船舶制造、海洋工程等相关行业
  2. 技术迁移：核心技术可应用于其他工业设备识别场景
  3. 标准制定：为行业数字化管理提供参考标准
  4. 产业化发展：具备商业化推广的技术基础