Digital Twin of Intelligent Small Surface Defect Detection with Cyber-Manufacturing Systems

论文下载地址：

ACM Transactions on Internet Technology（互联网技术重要刊物，IF：3.790）, CCF-B

随着网络物理系统的显著技术发展，工业4.0已经演变为一个重要的概念，称为数字孪生（DT）。然而，考虑到动态变化难点，仍然很难构建孪生模拟和真实场景之间的关系，尤其是在处理具有高性能和计算资源要求的小型表面缺陷检测任务时。在本文中，我们旨在构建网络物理系统，以实现小型表面缺陷检测任务的数字孪生解决方案。所提出的系统由边缘云架构和表面缺陷检测算法组成。考虑到动态特性和实时响应要求，边云架构旨在通过高效收集、处理、分析和存储工厂生产的数据来实现智能制造。然后构建基于深度学习的算法，以基于多模态数据（即成像和深度数据）检测表面缺陷。实验表明，该算法可以在小型故障检测任务中实现高精度和召回率，从而在网络制造中构建DT。