Web端工业数字孪生的AI模型轻量化探索

工业数字孪生迁移到Web端时，原始CAD/BIM模型动辄数百MB，加载缓慢与渲染掉帧是落地的主要瓶颈。实验室近期围绕AI辅助的3D模型轻量化开展实验，探索在保持外观与结构语义前提下的高压缩比方案。技术路线上，以网格简化与纹理压缩为基础，引入注意力机制驱动的特征保持简化网络，自动识别法兰、螺栓孔、铭牌等关键结构并在低面数下优先保留；纹理侧采用降采样加端侧超分重建的组合策略。阶段性进展：1）在3套真实产线模型（合计约1.2GB）上测试，轻量化后平均体积降至8%，Web端首屏加载时间由约25秒缩短至4秒内，中端笔记本渲染帧率稳定在45FPS以上；2）关键部件识别准确率约92%，简化后仍支持点选查询设备属性与维护信息。下一步，我们将把轻量化流水线与语义标注打通，形成“上传模型—自动轻量化—Web可交互孪生”的一站式工具链，并在两家制造客户环境中开展试点验证，同时持续记录失败案例，以务实评估该方案的适用边界。