“基于星闪多模态同步与昇腾边缘大模型的产线监测系统”获国赛二等奖

       近日，在2026年（第19届）中国大学生计算机设计大赛中，我院作品“基于星闪多模态同步与昇腾边缘大模型的产线监测系统”荣获“物联网应用与物联网创新转化（创业实践）”赛道二等奖。项目面向工业设备预测性维护场景，通过声音、振动、温度多模态感知，结合星闪低时延通信与昇腾边缘推理，实现设备状态监测、异常预警和可视化展示。

国赛获奖，项目成果获认可

       本次获奖作品编号为 2026047551，参赛学校为南京工业大学浦江学院。项目团队由计超、施李浩毅、江咏凌、李奕瑶、吉秀、赵严杰、汪梦晴组成，指导教师为王海峰、李奇。团队凭借完整的端边协同系统设计、星闪多模态同步机制以及昇腾边缘推理方案，在全国赛场上获得二等奖。

2026年（第19届）中国大学生计算机设计大赛获奖结果（黄色框为我院项目）

获奖项目整体方案：基于星闪多模态同步与昇腾边缘大模型的产线监测系统

从“故障后维修”走向“故障前预警”

       工业设备故障通常会经历逐步退化过程，早期异常信号弱、现场干扰多，传统巡检和单一阈值报警难以及时、准确地发现问题。项目因此聚焦设备早期异常识别和预测性维护，希望把维护方式从“故障后维修”进一步推进到“故障前预警”。

       团队以“低时延、多源感知、本地决策”为总体思路：利用 WS63 采集声音、振动和温度等信息，通过星闪 SLE 进行传输，在 Atlas 200I 侧完成边缘处理与模型推理，最终由 DAYU200 展示设备状态、告警信息和维护建议。

打通“端—边—屏”，形成完整监测闭环

       系统由 WS63 采集节点、星闪 SLE、Atlas 200I 和 DAYU200 等软硬件组成，打通了“端侧采集—无线传输—边缘推理—前端展示”的完整链路，形成端—边—屏协同的监测原型。

系统总体架构：感知采集、星闪传输、边缘推理、服务管理与前端展示协同运行

多模态同步，让设备状态看得更准

       为保证声音、振动和温度数据能够反映同一时刻的设备状态，团队设计了统一时间戳与采样窗口机制，使多模态数据能够同步传输、重组并进入融合分析。

       模型对音频、振动和温度三类信息进行融合，综合判断设备状态和健康度，并结合规则引擎生成告警等级、维护建议和 RUL 趋势提示。当前 RUL 仍属于原型推导，后续将结合更多真实退化数据进一步校准。

边缘侧本地推理，让分析更及时

       Atlas 200I 负责在边缘侧完成数据重组、预处理和模型推理，并通过 FastAPI 将健康度、告警等结果提供给前端，实现本地快速分析和展示。

系统实现与可视化平台：端侧采集、边缘处理与 DAYU200 前端展示

用消融实验定位问题，用真实测试检验性能

       在阶段性测试中，团队通过模态消融实验发现，振动模态对当前样本中的误报影响较大。这一发现为后续传感器标定、数据质量控制和融合策略优化提供了明确方向。

模态消融分析：通过对比不同输入组合定位当前误报的主要来源

       性能测试显示，ACL 模型核心推理耗时为 5.19 ms，Atlas 侧预处理与模型推理总耗时为 21.49 ms，低于项目设定的 50 ms 边缘推理目标。该结果主要反映边缘计算端的处理效率，不包含端侧采集、无线传输和前端刷新时间。

面向真实工业场景，持续完善原型能力

       目前，团队已完成端边协同监测原型系统搭建，形成星闪同步、多模态感知、昇腾边缘推理和可视化展示等阶段性能力，可进一步面向制造、能源等工业场景拓展。

       下一阶段，团队将继续补充真实工况数据，优化模型部署、链路可靠性和健康度预测能力，推动系统向更加稳定、贴近真实工业需求的方向完善。