基于 Jetson Orin Nano 的实时工业缺陷检测系统
本方案成功在 NVIDIA Jetson Orin Nano (4GB) 边缘计算平台上，构建了一套端到端的实时工业缺陷检测系统。该系统具备以下核心技术特点：
先进模型： 采用最新的 YOLOv10n 目标检测算法，并基于私有工业缺陷数据集进行深度训练，确保了模型的高精度与专用性。
极致优化： 通过 NVIDIA TensorRT 对模型进行 INT8 量化加速，大幅降低了计算延迟，并最大限度地发挥了 Orin Nano 的硬件性能。
高性能流水线： 借助 NVIDIA DeepStream SDK 构建高效的视频处理流，无缝集成了视频解码、AI 推理和编码环节，充分利用了 GPU 加速单元和专用的硬件编码器 (NVENC)。
稳定实时性能： 系统能够稳定处理 1080p@30fps 的 USB 摄像头实时视频流，并在传送带模拟场景下，以 30 FPS 的全帧率完成缺陷检测任务，实现了“零掉帧”的实时监控。
该实践完整展示了从模型训练、量化部署到硬件加速的全流程，成功赋能边缘设备进行高性价比、高效率的 AI 视觉检测。
此项目由本人全权设计，调试，部署，数据集来源于企业内部，代码设计Python（Yolo模型调试），C++编写（DeepStream管道设计）。