超级管理员
楼主
把视觉质检部署到产线时，一个绕不开的问题是推理放在哪一层：云端、边缘盒子，还是控制器内部。
三种方案的取舍
云端推理：算力充足、模型更新方便，但延迟不可控，且图像数据要出网。对毫秒级的剔除动作，云端基本不可用。
独立边缘盒子：延迟可控，数据在厂区内部。代价是多一台设备，多一层协议转换和联调工作。
控制器内部：感知—推理—控制在同一个设备里闭环，延迟最低，也省掉了跨设备通信。但算力受限于控制器的硬件规格，散热是硬约束。
一个正在发生的变化
近期出现了把几十 TOPS 算力直接装进 PLC 的产品形态。这类方案把实时控制、边缘计算、AI 推理放在同一个硬件里，从相机采集到气缸动作都在一台设备内完成。
选择依据
一是动作延迟要求：如果是毫秒级的剔除动作，跨设备方案要仔细核算；二是数据量：全量图像回传在产线上通常不现实，带宽和存储都是问题；三是算力弹性：模型会迭代，算力需求会增长，要留扩展余量。
别忘了运维
边缘设备的稳定性取决于散热和震动环境下的表现，这部分文档通常写得比较少。故障恢复路径也要提前设计。
本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。