
很多港口项目在选型阶段会卡在同一个问题上:AI 到底该跑在相机里、跑在网关里,还是跑在云上?三种做法都能出告警,但延迟、带宽、断网表现、运维成本差得很远。
下面把三条路线摊开在 11 个维度上逐项对比,并说明「算力下沉」在港口为什么不是概念,而是被时延和断网这两个硬约束逼出来的工程结论。
传统做法是「后端分析」:相机只负责拍,视频经专网进后台视频服务器,再由后台算力分析服务器统一推理,结果送中心数据平台。

第二种是「边缘分析」:视频在厂区/机房本地网关汇聚后推理,结果再上报中心。相比纯云端,它把原图留在了内网。

第三种是「前端分析」,也是我们推荐用于港口控制类场景的架构:算力直接放进相机与算力盒,采集与分析在同一个节点完成,原始视频根本不出设备(结构见封面图)。
下面这张表是选型的核心依据。建议按「你的场景要不要硬联锁」先切一刀,再看其余维度:
| 对比维度 | 前端端侧推理(相机/板卡内 NPU 直推) | 边缘网关汇聚推理(多相机原图汇聚到本地网关) | 云端推理(原图/视频上传云 GPU) |
|---|---|---|---|
| 推理位置 | 相机、智能盒、RK/FPGA 算力板,采集端本地 | 厂区/机房本地网关、本地服务器 | 公有云/私有云 GPU 服务器 |
| 传输内容 | 仅结构化结果、告警信息、小缩略图;原图不外传 | 多相机原图、视频流在厂区内网传输,不上公网 | 原图/视频码流持续上传公网 |
| 端到端延迟 | 最低,毫秒级,适合本地联锁停机、声光报警 | 较低,内网延迟数十 ms 级,适合厂区协同检测 | 高,受网络抖动影响,百 ms~秒级,不适合硬联锁 |
| 带宽消耗 | 极小,多相机批量部署优势明显 | 中等,消耗内网带宽,不占用外网 | 极大,大规模相机外网带宽成本很高 |
| 断网能力 | 断网独立检测、本地缓存告警,联网后补传 | 内网断网关离线则全部失效;外网断不影响 | 断网直接无法检测 |
| 数据安全合规 | 最优,原始图像不出设备,隐私、涉密、厂区敏感场景友好 | 较好,数据不出厂区内网,可做内网隔离 | 风险高,原始画面跨公网传输,需加密、等保,审计成本高 |
| 算力上限 | 低,受板卡 NPU 约束;模型必须量化裁剪,复杂 3D/线扫大模型易降精度 | 中,可配本地 GPU,支持 3D、热成像、线扫、多相机融合 | 最高,可跑大模型、三维重建、复杂缺陷多分类 |
| 硬件成本 | 单路智能相机/算力盒单价偏高,相机越多硬件投入越高 | 网关 + 普通工业相机,适合相机数量多的站点,摊薄成本 | 前端只用普通相机,前端硬件最便宜;长期云算力、流量费用持续支出 |
| 运维升级 | 设备分散,批量固件/模型升级复杂,现场故障调试麻烦 | 集中在网关,升级、日志调取、样本收集方便 | 模型升级、调试最简单,版本统一,无需下现场 |
| 多机位全局协同 | 差,各相机独立推理,跨机位跟踪、全局融合很难做 | 优秀,内网汇聚,支持跨相机跟踪、全场态势融合 | 可做全局融合,但依赖稳定上行链路 |
| 环境耐受 | 前端盒在户外/矿山/港口,对防尘、防水、散热、供电要求高 | 网关一般放机房/控制室,环境条件好 | 前端仅普通相机,恶劣环境只需防护镜头 |
没有绝对最优的架构,只有匹配场景的架构。上表的落地版本是这样:
| 路线 | 适用典型场景 |
|---|---|
| 前端端侧推理 | 皮带缺陷检测、钢缆视觉监测、单机位焊接质控、单机防碰撞、门禁入侵、井下弱网单机检测 |
| 边缘网关汇聚推理 | 港口 RTG/QC 多机位协同、车间多机位质检、厂区全域人员安全、多相机 3D 重建 |
| 云端推理 | 后台样本复盘、大数据模型迭代、离线抽检、远程巡检、报表大盘统计(无实时联锁) |
港口实践建议:硬联锁类(岸桥吊具防碰撞、皮带撕裂停机、闸口通行)走前端计算;需要跨机位态势融合的(RTG 作业区全域监控、堆场多相机 3D 重建)走边缘网关;模型训练、难例复盘、报表统计放中心/云。三者不是互斥关系,而是分层。
「前端推理」不是把模型塞进相机就完事,它是一个完整的本地闭环,共五步:
推理完成后,节点只输出三类数据:结构化告警 JSON、抓拍图片、短视频片段,通过 MQTT/HTTP 上传平台。原始视频留在本地 SSD 循环覆盖,不做上行传输。
方案给出的三个核心指标都是相对传统集中式方案(=100)的对比值:
| 指标 | 传统集中式 | 前端计算方案 | 变化 |
|---|---|---|---|
| 中心带宽占用(相对值) | 100 | 15 | ↓85% |
| 端到端推理时延(相对值) | 100 | 18 | ≤200ms 绝对时延 |
| 断网场景系统可用性 | ≈10%(断网即停) | 99.9% | 断网仍在本地告警 |
带宽下降来自「不上传原始视频」——一路 1080P 视频流通常数 Mbps,几十路就是上百 Mbps;改成只传事件 JSON 与抓拍图后,中心侧带宽需求降到原来的量级以下。时延下降来自「不再经过编码、传输、解码、排队」四段链路。可用性提升来自「本地自治 + 断网缓存 + 恢复补传」。
| 设计维度 | 做法 |
|---|---|
| 网络设计 | 前端计算摄像仪与算力盒接入工业局域网;平台部署在港区内网/工业 5G;不上传原始视频流,仅传输结构化事件、抓拍图、短视频片段,大幅降低带宽占用 |
| 存储设计 | 前端本地 SSD 对原始视频循环覆盖存储,断网事件持久化缓存;中心存储仅保存告警抓拍图片、关键短视频、业务结构化数据,存储压力小 |
| 安全设计 | 前端系统加固,模型包加密下发防篡改;平台分级权限管理,全操作日志留存;内网隔离,MQTT/HTTP 接口鉴权加密 |
港口项目最容易翻车的四件事,方案里都预设了应对措施:
| 风险点 | 应对措施 |
|---|---|
| 港口恶劣环境导致识别准确率下降 | 前端内置图像增强算法;可见光+红外+3D 多模态融合,按场景自适应置信阈值 |
| 前端算力资源不足 | 按场景分级硬件选型;模型剪枝、量化优化降低算力开销,平衡成本与性能 |
| 现场误告警数量偏高 | 前端增加时序滤波、区域掩码、目标持续帧校验;难例回流持续迭代模型 |
| 模型升级影响现场业务 | 灰度发布机制,小范围验证后全量推送;版本一键回滚,升级不中断现场作业 |
现场难例不是靠人下去找的,而是由前端节点自动采集上报,形成五步闭环:
全程不中断现场作业,这也是港口这种连续生产场景能接受模型迭代的前提。
相关阅读:方案总览见《智慧港口 AI 视觉系统总览》;场景部署见《六大场景前端部署》。
深圳市爱派派智能科技有限公司(爱派派智能)
地址:深圳市坪山区创新广场C栋1805
电话:18681465731
联系人:李先生
官网:https://ai-paipai.com
.wrap{max-width:900px;margin:0 auto;font-family:-apple-system,BlinkMacSystemFont,”Segoe UI”,”PingFang SC”,”Microsoft YaHei”,sans-serif;line-height:1.78;color:#1f2937;}
.wrap h2{margin-top:36px;padding-left:10px;border-left:4px solid #0e7490;color:#111827;}
.wrap h3{margin-top:24px;color:#155e75;font-size:17px;}
.wrap .cover{width:100%;max-width:760px;display:block;margin:18px auto;border-radius:8px;}
.wrap .lead{font-size:17px;color:#374151;}
.wrap .toc{background:#f0f9ff;border:1px solid #e0f2fe;border-radius:8px;padding:14px 20px;margin:20px 0;font-size:15px;}
.wrap .toc ol{margin:8px 0 0;padding-left:22px;}
.wrap .toc a{color:#0e7490;text-decoration:none;}
.wrap figure.fig{margin:22px 0;text-align:center;}
.wrap figure.fig img{width:100%;max-width:660px;border:1px solid #e5e7eb;border-radius:6px;display:block;margin:0 auto;}
.wrap figure.fig.small img{max-width:560px;}
.wrap figcaption{font-size:13.5px;color:#6b7280;margin-top:8px;text-align:left;line-height:1.6;}
.wrap table.spec{width:100%;border-collapse:collapse;margin:16px 0;font-size:14px;}
.wrap table.spec th,.wrap table.spec td{border:1px solid #d1d5db;padding:8px 10px;vertical-align:top;text-align:left;}
.wrap table.spec th{background:#ecfeff;color:#155e75;font-weight:600;}
.wrap table.spec tr:nth-child(even) td{background:#f9fafb;}
.wrap ul,.wrap ol{margin:12px 0;padding-left:24px;}
.wrap li{margin:6px 0;}
.wrap .note{background:#ecfeff;border-left:4px solid #0e7490;padding:12px 16px;margin:18px 0;border-radius:0 8px 8px 0;color:#155e75;}
.wrap .faq{background:#f9fafb;border:1px solid #e5e7eb;border-radius:8px;padding:6px 20px;margin:18px 0;}
.wrap .faq h3{margin:16px 0 6px;font-size:16px;color:#111827;}
.wrap .faq p{margin:0 0 14px;font-size:15px;}
.wrap .contact{background:#0f172a;color:#e2e8f0;border-radius:10px;padding:20px 24px;margin:34px 0 10px;}
.wrap .contact h3{color:#fff;margin:0 0 10px;font-size:18px;}
.wrap .contact p{margin:6px 0;font-size:15px;color:#cbd5e1;}
.wrap .contact strong{color:#fff;}
.wrap .related{background:#f9fafb;border:1px solid #e5e7eb;border-radius:8px;padding:14px 20px;margin:26px 0;}
.wrap .related h3{margin:0 0 8px;font-size:16px;}
.wrap .related ul{margin:6px 0 0;}
.wrap .related a{color:#0e7490;text-decoration:none;}