算法项目 & 模型训练 & 版本 & 推理部署
端到端 AI 算法研发工作流 · 覆盖项目创建 / 训练调度 / 版本管理 / 推理部署全链路
💻
在线开发环境
预置 PyTorch / TensorFlow / OpenCV 环境，支持 JupyterLab、VS Code、Terminal 三种开发方式
📓 启动 JupyterLab
⌨️ 打开 VS Code
🖥️ 终端 Terminal
🎯 算法项目
🏋️ 训练任务
🏷️ 模型版本
🚀 推理部署
➕
创建新的训练项目
选择数据集并配置训练参数
🌀
风机叶片缺陷检测
目标检测
基于 YOLOv8 检测叶片裂纹、腐蚀、磨损、渗漏油等 6 类缺陷
训练数据集
风机叶片缺陷集_v3
图片数量
8,420
当前版本
v1.3.0
mAP
0.912
🔥
变电站烟火识别
图像分类
火焰 / 烟雾 / 正常 三分类，用于变电站实时烟火告警
训练数据集
烟火识别集
图片数量
3,280
当前版本
v2.1.0
准确率
98.6%
🌡️
齿轮箱温升分割
语义分割
红外热成像温度场分割，识别齿轮箱异常温升区域
训练数据集
红外温升图集
图片数量
2,940
当前版本
v0.5.0
mIoU
0.78
⚡
绝缘子自爆检测
目标检测
基于 Faster R-CNN 检测集电线路绝缘子自爆缺陷
训练数据集
绝缘子自爆集
图片数量
5,160
当前版本
v1.8.2
mAP
0.946
排队中
2
等待 GPU 资源
训练中
3
占用 3 / 4 张 GPU
已完成
28
本周完成 5
失败
1
需排查
🏋️ 训练任务列表
| 任务ID | 项目名称 | 状态 | 训练进度 | 当前轮次 | GPU | 开始时间 | 操作 |
|---|---|---|---|---|---|---|---|
| T-20261013-001 | 风机叶片缺陷检测 | 训练中 |
68%
|
68 / 100 | NVIDIA A10 ×1 | 10-13 09:12 |
|
| T-20261013-002 | 齿轮箱温升分割 | 训练中 |
42%
|
21 / 50 | NVIDIA A10 ×1 | 10-13 10:05 |
|
| T-20261013-003 | 塔架腐蚀面积分割 | 训练中 |
15%
|
15 / 100 | NVIDIA A10 ×1 | 10-13 11:30 |
|
| T-20261013-004 | 外来入侵物检测 | 排队中 |
0%
|
0 / 80 | 等待中 | — |
|
| T-20261013-005 | 变电站烟火识别 (增量) | 排队中 |
0%
|
0 / 30 | 等待中 | — |
|
| T-20261012-018 | 绝缘子自爆检测 | 已完成 |
100%
|
100 / 100 | NVIDIA A10 ×1 | 10-12 14:22 |
|
| T-20261012-015 | 风机叶片缺陷检测 (v1.2) | 失败 |
34%
|
34 / 100 | NVIDIA A10 ×1 | 10-12 09:40 |
|
共 34 条 · 每页 10 条
✓ 当前上线
生产
v1.3.0
风机叶片缺陷检测 · YOLOv8
误识率 (FPR)
2.1%
↓ 0.8%
漏识率 (FNR)
3.5%
↓ 1.2%
mAP@0.5
0.912
↑ 0.034
训练完成：2026-10-12 18:30
参数量：43.7M
v1.2.1
风机叶片缺陷检测 · YOLOv8
误识率 (FPR)
2.9%
—
漏识率 (FNR)
4.7%
—
mAP@0.5
0.878
—
训练完成：2026-10-05 22:10
参数量：43.7M
v1.1.0
风机叶片缺陷检测 · YOLOv5
误识率 (FPR)
4.6%
—
漏识率 (FNR)
7.2%
—
mAP@0.5
0.812
—
训练完成：2026-09-20 16:45
参数量：27.6M
📊 版本精度对比
| 版本 | 算法框架 | 训练数据集 | 误识率 (FPR) | 漏识率 (FNR) | mAP@0.5 | 参数量 | 推理耗时 | 状态 |
|---|---|---|---|---|---|---|---|---|
| v1.3.0 | YOLOv8n | 叶片缺陷集_v3 | 2.1% | 3.5% | 0.912 | 43.7M | 12ms | 生产 |
| v1.2.1 | YOLOv8n | 叶片缺陷集_v3 | 2.9% | 4.7% | 0.878 | 43.7M | 12ms | 已归档 |
| v1.2.0 | YOLOv8n | 叶片缺陷集_v2 | 3.4% | 5.1% | 0.865 | 43.7M | 12ms | 已归档 |
| v1.1.0 | YOLOv5s | 叶片缺陷集_v2 | 4.6% | 7.2% | 0.812 | 27.6M | 9ms | 已归档 |
⚠️
GPU 资源不足 · 已自动切换为 CPU 降级运行模式
当前集群 4 张 NVIDIA A10 全部占用中（利用率 98%）。推理服务将以 CPU 模式运行，推理耗时约为 GPU 模式的 6~8 倍。建议等待 GPU 释放或调整部署批次。
🌐
在线推理服务
提供 RESTful API 实时推理接口
⚡ 检测到 GPU 满载，本次部署将运行于 CPU 降级模式，单张推理耗时约 80~120ms
📦
批量推理任务
对数据集/文件夹批量离线推理并导出结果
⚡ 批量推理将使用 CPU 模式，预计 8,420 张图片耗时约 18 分钟
🌐 已部署推理服务
| 服务名称 | 模型版本 | 运行模式 | 调用次数 | 平均耗时 | 状态 | 创建时间 | 操作 |
|---|---|---|---|---|---|---|---|
| blade-defect-api | 风机叶片缺陷检测 v1.3.0 | CPU 降级 | 1,284 | 96ms | 运行中 | 10-13 11:20 | |
| fire-smoke-api | 变电站烟火识别 v2.1.0 | GPU | 3,672 | 14ms | 运行中 | 10-10 09:00 | |
| insulator-api | 绝缘子自爆检测 v1.8.2 | GPU | 2,105 | 11ms | 运行中 | 10-08 15:30 | |
| blade-defect-batch | 风机叶片缺陷检测 v1.2.1 | CPU | 8,420 | — | 已完成 | 10-06 14:00 |