校企合作以AI打造啤酒厂数字孪生平台 大湾区大学

高校级产教融合人才队伍教育数字化通知公告广东

AI摘要

大湾区大学游锦涛团队与广东中集智能合作,以“啤酒厂数字孪生项目”参加博创大赛揭榜领题。项目利用AI三维重建、装备物联网和工业智能体技术,通过手机或无人机视频快速构建数字孪生场景,连接设备与数据,实现从“看得见”到“连得上、能分析、可预警”的智能管理。校企协同攻关,目标设备识别准确率不低于90%、数据延迟不超过500毫秒、故障预测准确率不低于85%,并计划向食品、化工等行业推广。

关键词: 数字孪生, 人工智能, 产教融合, 工业物联网, 智能制造
【AI摘要】大湾区大学游锦涛团队与广东中集智能合作,以“啤酒厂数字孪生项目”参加博创大赛揭榜领题。项目利用AI三维重建、装备物联网和工业智能体技术,通过手机或无人机视频快速构建数字孪生场景,连接设备与数据,实现从“看得见”到“连得上、能分析、可预警”的智能管理。校企协同攻关,目标设备识别准确率不低于90%、数据延迟不超过500毫秒、故障预测准确率不低于85%,并计划向食品、化工等行业推广。
关键词:数字孪生 人工智能 产教融合 工业物联网 智能制造

第四届粤港澳大湾区人才高质量发展大会暨第三届粤港澳大湾区博士博士后创新创业大赛(以下简称“博创大赛”)将于2026年10月25日—26日在大湾区大学松山湖校区举行。大会以“才汇湾区 博创未来”为主题,集“赛、论、展、洽、嘉年华”五大板块于一体。大会启幕在即,创新力量正在集结,大湾区大学三支队伍入围本届博创大赛决赛,此外,还有团队在“揭榜领题”赛道上揭榜应战。主场作战,整装待发。

本期“博创巡礼”,让我们走近大湾区大学先进工程学院游锦涛团队,看他们如何与广东中集智能科技有限公司携手,以“啤酒厂数字孪生项目”揭榜而来,展现湾大校企协同的创新力量。

以AI三维重建、装备物联网和工业智能体为核心技术,探索利用手机或无人机采集的现场视频,快速构建啤酒厂数字孪生场景,并将生产设备、运行数据和业务系统连接起来,让工厂管理从“看得见”进一步走向“连得上、能分析、可预警”。

让科研走出实验室,让数字孪生走进生产线。

发挥高校的前沿科研优势和企业的工程实践能力,打通技术研发、系统集成与产业应用的创新链条,让先进AI技术真正服务制造业,助力粤港澳大湾区智能制造高质量发展。

一瓶啤酒是怎么生产出来的?

从麦芽进厂,到糖化、发酵、过滤,再到灌装、包装和出库,一瓶啤酒背后是一套复杂而精密的工业生产流程。

发酵罐、管线、泵阀与自动化设备相互联系,任何关键设备出现异常,都可能影响生产稳定运行。

如果能在电脑中建造一座“数字工厂”,直观查看设备位置与运行状态、分析生产过程、提前发现潜在故障,工厂管理会不会更高效?

把一座真实工厂“搬进”数字世界,这正是数字孪生技术希望解决的问题。

理想很丰满,但真正操作起来,却远没有听上去那么容易。

首先是建模之重。传统工业三维建模依赖现场测绘、设备建模和场景拼接,工作量大、周期长。其次是维护之难。设备众多、管线复杂的车间,建模与维护成本不容忽视。更核心的痛点是数据与现实之间的“不连通性”:许多数字化系统虽然能够展示三维场景,却并没有真正打通设备、数据与业务之间的联系,仅停留在“看得见”的展示层面,难以真正辅助生产管理。

大湾区大学游锦涛团队与广东中集智能组成的联合战队,想要改变的正是这种局面。他们希望利用AI技术降低数字工厂建设门槛,再通过工业物联网和智能分析,让数字孪生不只是展示工具,而成为能够辅助实际生产管理的智能平台。

已有案例的区域地图与管理驾驶舱界面,可迁移应用于啤酒厂多车间/多厂区运营态势展示

AI要从视频中重建工业场景,需要解决图像理解、空间重建问题;而要让平台真正好用,还必须考虑现场光线昏暗、设备遮挡、网络延迟以及老旧系统如何接入。

于是,为了让能够辅助实际生产管理的“数字啤酒厂”真正落地,游锦涛团队通过校企协同,与广东中集智能科技有限公司联手,共同推动前沿算法研究与企业工程实践相结合。湾大学者主攻算法研究与智能决策建模,中集智能工程师负责工业数据连接和工程化应用,把实验室里的前沿算法,一点点拉进真实的产线里。

这支联合团队里,有一半的人常年盯着电脑屏幕里的算法与模型,他们关注人工智能、智能优化、计算机视觉与数字化建模,探索利用前沿算法解决实际问题,负责回答“技术上能不能实现”。另一半的人则习惯在轰鸣的车间里跟设备、管线和现场数据打交道,他们深耕工业智能设备、装备物联网和数字孪生,在设备连接、工业软件与工程系统集成等方面积累了实践经验,负责解决“到了生产现场能不能真正用起来”的问题。

游锦涛|大湾区大学先进工程学院助理教授

清华大学博士,研究方向涵盖人工智能、运筹优化与决策智能。负责项目总体技术方案和研究方向统筹,推动人工智能技术与工业场景需求相结合。

王超凡|大湾区大学先进工程学院博士后研究人员

清华大学联培博士后,日本早稻田大学博士,研究方向为物流与生产系统优化、流程建模、仿真分析及协同决策。负责生产流程分析、系统仿真与智能优化相关研究,探索数字孪生平台中的决策优化应用。

刘浩|广东中集智能科技有限公司

主要负责工业人工智能、数字孪生平台架构、机器视觉及工业数据接入,推动相关算法与工业软件平台的集成应用。

卢东艳|广东中集智能科技有限公司

主要负责项目管理、实施协调、质量管理及知识产权相关工作,为校企联合研发和成果转化提供协同支持。

牛祥华|广东中集智能科技有限公司

主要负责软件接口、工业设备识别集成、系统联调和测试,推动技术模块与实际工业环境对接。

在这支联合团队中,湾大科研人员与企业工程师有着不同的专业背景,却在回答同一个问题:如何让数字孪生真正服务工业生产,而不仅仅停留在技术展示阶段?

如果回到几年前,想为一座庞大的啤酒厂建立三维模型,第一步通常是组织一队专业人员,扛着测绘仪器,在厂区里跑上十天半个月。

但联合战队则试图探索一种“轻量化”的方式,用普通手机或无人机绕着工厂拍段视频,再交给AI完成三维重建。

那么,从技术上应该如何实现呢?

项目计划采用VGGT等前馈式视觉几何方法,从采集的视频或图像中提取空间结构信息,再结合3D Gaussian Splatting(三维高斯泼溅)技术,实现工业场景的高保真可视化。通俗地说,就是让AI通过不同角度拍摄的画面,逐步理解设备和车间的空间关系,再将真实场景还原到数字世界。这样一来,复杂车间的数字化建模就有望摆脱对大量手工操作的依赖。这种“轻量化”的方式有望将典型区域的建模周期缩短至1—7天,并极大可能实现将建模成本降低50%—80%。(注:相关效果仍需通过真实场景下的对照测试。)

已有案例的港口设备与作业场景,可迁移应用于啤酒厂生产设备与工序可视联动

当然,仅仅“复制”出一个空壳是不够的。数字工厂不仅要还原设备外观,还要建立数字设备与真实设备之间的联系。为此,团队还将引入工业设备AI识别技术,让系统能够识别场景中的设备,并与设备台账、工业数据建立对应关系。

想象这样一个场景:深夜,车间里的一台发酵罐突发异常。过去,值班人员需要打着手电筒去现场核对编号、翻找纸质资料,再联系不同部门调取历史数据。

而在联合战队规划的数字孪生平台里,工作人员不仅能够在屏幕上看到这台设备的外观和位置,还能够进一步查询设备编号、运行数据和相关生产信息。如果设备出现异常,系统可以结合历史数据和智能分析模型,为工作人员提供预警信息和辅助判断。遇到不熟悉的设备问题,工作人员还可以向AI知识助手提问,快速查找设备资料、操作规程或维护知识。

这已经不再是一个“只看一眼”的3D模型,而是一个能感知、会分析、懂业务的“数字管家”。为了验证这个管家是否合格,团队在后续研发中设定了明确的技术目标:设备识别准确率不低于90%、数据端到端更新延迟不超过500毫秒、故障预测准确率不低于85%。(注:上述指标均为研发与应用验证目标。)

从看见设备,到理解设备,再到用数据算法辅助管理设备。数字孪生的真正价值,正在于让那些看不见的工业信息,变得直观、可分析、可利用。

游锦涛团队的答案很实在:“我们希望通过大赛,对接更多的实际应用场景和合作资源。”

啤酒酿造车间,只是他们选定的第一个“验证场”。在他们看来,一旦这套轻量化、智能化的数字孪生方案在啤酒厂跑通,未来就可以向食品、化工等其他流程制造行业延伸,推动前沿算法转化为可落地、可复制的智造方案。

让科研走出实验室,让数字孪生走进生产线。

欢迎投稿「 news@gbu.edu.cn 」

微信扫一扫
关注该公众号

微信扫一扫可打开此内容,
使用完整服务

来源:大湾区大学 | 查看原文