锅炉水冷壁管缺陷识别与检测系统技术概述

1 LibTorch 模型部署

现有的深度学习框架有很多（如 PyTorch，TensorFlow、Caffa），TensorFlow和 PyTorch 是目前主流的深度学习框架，TensorFlow 框架可以灵活的应用于较大规模的产品，容易进行工程化的部署。但是受制于静态图，使得采用动态图的PyTorch 框架成为最受欢迎的深度学习框架，还有着灵活的构建、训练网络模型，很多集成化的工具，使得调试非常简单。

采用 PyTorch 训练 ResNet101 缺陷分类识别模型和 YOLOV5 缺陷目标检测模型，采用 PyTorch 框架的内置函数，将训练好的模型转换成 c++可读取的模型，用 c++去推理，这就是 LibTorch 模型部署的方式，可以提高系统运行的稳定性，提升推理的速度。

2 Docker 部署系统

Docker 容器技术具有以下几点优势，使得部署整个系统更加方便、快捷、稳定。

（1）对系统资源高效的利用

（2）快速的启动时间

（3）开发和部署一致的环境

（4）持续快速的部署

（5）更简单的迁移

（6）更加容易的维护和扩展

3 轻量级服务器框架 Tornado

Tornado 是由 python 语言编写的轻量级服务器框架，具有性能优越，速度快，高并发，内嵌了 HTTP 服务器的优点。Tornado 单线程的异步网络程序，默认启动时根据 CPU 数量运行多个实例，可以利用 CPU 多核的优势。从实际的需求出发，采用高性能、轻量级的 Tornado 服务器框架。

微信公众号：人工智能感知信息处理算法研究院

知乎主页：AI高级人工智能