SIENOVO
Back to Blog

客户案例：无人船Codesys控制器解决方案

#人工智能

客户案例：无人船 Codesys 控制器解决方案

随着人工智能与万物互联（IoT）技术在运输业的深入渗透，无人运载系统正迎来快速发展期。无人船作为航运业的关键运载工具，其智能化水平直接影响水路运输的经济性与安全性。近年来，运动控制、路径规划与环境感知等技术取得了显著进展，但面对日益复杂的海况、多样化的任务需求，传统的单一控制策略已难以满足实际应用。本文将围绕 深圳XX船业有限公司 的无人船项目，介绍其对控制电脑的具体需求，并详细阐述我们为其推荐的 MGP‑800 Intel ® W480E 嵌入式 GPU 计算平台工控机 的技术特性、选型理由以及在实际场景中的落地价值。

1. 行业背景与客户痛点

  • 多任务并行：无人船往往需要同时执行导航、姿态控制、传感器数据采集、图像处理等多项任务，对计算平台的并行处理能力提出了高要求。
  • 恶劣环境：海上作业温度范围宽广（-20 ℃ ~ 60 ℃），且伴随强振动、盐雾腐蚀等因素，传统散热风扇容易因积尘或海雾失效，导致系统不稳定。
  • 多接口需求：为了集成多路车载通讯、摄像头、雷达、声纳等外设，控制电脑必须提供丰富且可定制的 I/O 接口。
  • AI 与机器视觉：随着船体自主检测、智能打捞及水质监测等业务的加入，平台需要具备 GPU 加速能力，以支撑深度学习模型的实时推理。

基于上述痛点，客户希望获得一套 高性能、无风扇、抗震、宽温、可扩展 的工业计算解决方案。

2. 推荐方案概览

经过对客户需求的深入调研，我们向其推荐了 MGP‑800 Intel ® W480E 嵌入式 GPU 计算平台工控机。该机型在满足基本需求的同时，还具备以下优势：

2.1 核心算力

  1. 英特尔酷睿 10/11 代 CPU

    • 采用最新的微架构，单核与多核性能均有显著提升。
    • 支持超频（Turbo Boost），在多任务负载下可自动提升主频，确保计算资源充足。
    • 与 Intel® W480E 芯片组配合，提供高带宽 PCIe 通道，利于 GPU 与高速外设的协同工作。

  2. 嵌入式 GPU

    • 集成的 Intel® UHD Graphics（基于 Xe 架构）能够满足机器视觉、轻量级深度学习推理的需求。
    • 与 OpenVINO、TensorFlow Lite 等边缘 AI 框架兼容，便于在 Codesys 环境中部署 AI 模块。

2.2 丰富的 I/O 接口

  • 网络：2 × RJ45 千兆以太网口，支持 PoE（Power over Ethernet）可选扩展，适用于远程监控与车路协同。
  • USB：4 × USB 3.2 Gen 2（最高 10 Gbps）与 4 × USB 3.2 Gen 1（最高 5 Gbps），满足高速摄像头、外部存储及调试工具的接入需求。
  • 串口：2 × RS‑232/422/485 可调，4 × RS‑232 内置（可选），兼容多种工业协议（Modbus、CAN‑FD 等）。
  • 音频：1 × Line‑Out、1 × Mic‑In，便于语音提示或环境声采集。
  • 显示：VGA、HDMI（可选 DVI），支持现场调试与本地显示。

用户可自定义接口：如需更多 PoE 网口或特定工业总线（如 Profibus、EtherCAT），均可通过选配模块实现，保证系统的灵活扩展。

2.3 无风扇散热与抗震设计

  • 散热结构：采用大面积散热片，将发热元件（CPU、GPU、芯片组）均匀分布在散热片上，热量通过自然对流快速释放。
  • 温度适应：机器经严苛测试，可在 -20 ℃ ~ 60 ℃ 环境下稳定运行，满足海上、极地及高温港口的作业需求。
  • 抗震：内部关键元件采用加固支架与减震垫，提升抗冲击能力，确保在船体振动或冲击时系统不掉帧、不掉线。

2.4 安全与可靠性

  • 电源管理：支持宽输入电压（12 V ~ 48 V）与冗余电源设计，防止单点故障导致系统失效。
  • 软件兼容：兼容 Codesys 控制器平台，可直接在其上运行 PLC 程序、运动控制任务以及 AI 推理模型，实现“一体化”控制。
  • 长期供货：基于工业级元件，具备 5 年以上的生命周期保障，适合海上长期部署。

3. 典型应用场景

场景关键技术需求MGP‑800 解决方案
智能识别实时图像处理、目标检测GPU 加速的 OpenVINO 推理 + 多路 USB‑3.2 摄像头
智能打捞精确定位、路径规划多路 RS‑485 与船体姿态传感器集成，Codesys 运动控制
水下探测高频声纳、数据采集多串口（RS‑232/422/485）与高速存储，抗震散热保证长时运行
水质监测多传感器融合、数据上传PoE 以太网实现远程传输，宽温设计适应不同水体环境

4. 实施步骤与技术要点

  1. 需求确认

    • 与客户共同梳理传感器种类、摄像头数量、网络拓扑结构等细节。
    • 确定是否需要额外的 PoE 网口或特定工业总线。

  2. 硬件选型

    • 基于需求选配 MGP‑800 标准配置（CPU、GPU、散热片），并根据实际需要添加可选模块（如额外的 DVI、PoE 扩展卡）。

  3. 系统集成

    • 将 Codesys 运行时环境部署到工控机上，完成 PLC 程序、运动控制任务的编写与调试。
    • 使用 OpenVINO 部署深度学习模型，实现图像识别或目标跟踪。

  4. 环境适配

    • 在实验室进行温度循环（-20 ℃ ~ 60 ℃）与振动测试，验证散热与抗震效果。
    • 根据测试结果对机箱固定方式、散热片布局进行微调，以确保现场可靠性。

  5. 现场部署

    • 将工控机安装于船体防水舱内，完成电源、网络、摄像头等外设的接线。
    • 进行现场功能验证，包括航线规划、实时视频流、AI 推理输出等。

  6. 运维与升级

    • 通过远程管理平台监控系统温度、功耗与网络状态，及时发现潜在故障。
    • 利用 Codesys 的在线升级功能，推送软件更新或模型优化，保持系统的持续竞争力。

5. 结语

本案例展示了 MGP‑800 Intel ® W480E 嵌入式 GPU 计算平台 在无人船领域的完整落地路径：从客户需求的细致梳理，到硬件选型、系统集成、环境适配以及现场部署，每一步都围绕 高性能、无风扇、抗震、宽温 四大核心指标展开。凭借强大的算力与灵活的 I/O 扩展能力，平台能够支撑机器视觉、深度学习、AI 边缘计算等前沿技术，为无人船的智能识别、智能打捞、水下探测及水质监测等任务提供可靠支撑。

在未来，随着 AI 与 IoT 技术的进一步融合，无人船将在河海、海岸线乃至深海的危险或重复性作业中发挥更大作用。Sienovo 将持续关注行业需求，提供更具前瞻性的工业计算解决方案，帮助客户在激烈的市场竞争中抢占先机。

View original article on CSDN →