導(dǎo)讀

基于三一燈塔工廠自動(dòng)化、智能化、數(shù)字化基礎(chǔ)，結(jié)合數(shù)字化、智能化浪潮帶來的智能檢測(cè)需求。為了改善傳統(tǒng)檢測(cè)方式覆蓋率低、穩(wěn)定性低、準(zhǔn)確性差和工作強(qiáng)度大等現(xiàn)狀，以三一某商用車為研究對(duì)象，對(duì)自動(dòng)智能質(zhì)量檢測(cè)執(zhí)行系統(tǒng)、平臺(tái)、原理、流程及視覺算法進(jìn)行研究和分析，基于工業(yè)視覺+AI 建立云邊端一體化技術(shù)平臺(tái)及商用車自動(dòng)智能檢測(cè)系統(tǒng)， 對(duì)商用車外觀出庫、油漆和焊接等方面進(jìn)行自動(dòng)智能檢測(cè)。研究結(jié)果表明：基于工業(yè)視覺+AI 商用車自動(dòng)智能檢測(cè)，商用車質(zhì)量檢測(cè)覆蓋率提升70%，檢測(cè)效率提高60%，檢測(cè)準(zhǔn)確率達(dá)到90% 以上，年降本400 萬，且可以保證商用車持續(xù)高效質(zhì)檢。該研究為工程機(jī)械、汽車、機(jī)械電子和食品等行業(yè)的自動(dòng)智能檢測(cè)提供有益的借鑒。

01引言

工業(yè)視覺+AI自動(dòng)智能檢測(cè)是一種先進(jìn)的技術(shù)應(yīng)用， 可以在工業(yè)生產(chǎn)過程中實(shí)現(xiàn)自動(dòng)化的質(zhì)量檢測(cè)和缺陷識(shí)別。工業(yè)視覺是利用計(jì)算機(jī)視覺技術(shù)，通過攝像機(jī)和圖像處理算法，對(duì)產(chǎn)品進(jìn)行檢測(cè)和分析的過程，它可以實(shí)時(shí)獲取產(chǎn)品的圖像信息，并通過圖像處理算法進(jìn)行特征提取、目標(biāo)識(shí)別和缺陷檢測(cè)等操作，從而實(shí)現(xiàn)對(duì)產(chǎn)品質(zhì)量的評(píng)估。AI可以通過大量的數(shù)據(jù)訓(xùn)練模型，使其具備識(shí)別不同缺陷和異常的能力，并能夠根據(jù)預(yù)設(shè)的規(guī)則和標(biāo)準(zhǔn)進(jìn)行判斷和分類，AI自動(dòng)智能檢測(cè)則是利用人工智能技術(shù)，通過訓(xùn)練模型和算法，使計(jì)算機(jī)能夠自動(dòng)識(shí)別和判斷產(chǎn)品的質(zhì)量問題。

將工業(yè)視覺和AI相結(jié)合，可以實(shí)現(xiàn)更高效、準(zhǔn)確和穩(wěn)定的產(chǎn)品質(zhì)量檢測(cè)。通過使用深度學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)模型，可以對(duì)復(fù)雜的產(chǎn)品缺陷進(jìn)行自動(dòng)識(shí)別和分類。同時(shí)，工業(yè)視覺系統(tǒng)可以實(shí)時(shí)監(jiān)控生產(chǎn)線上的產(chǎn)品，快速發(fā)現(xiàn)和處理異常情況，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

工業(yè)視覺+AI自動(dòng)智能檢測(cè)在許多行業(yè)中得到廣泛應(yīng)用，如電子制造、汽車制造和食品加工等，它可以幫助企業(yè)提高產(chǎn)品質(zhì)量、降低人工成本和減少人為錯(cuò)誤， 并提升生產(chǎn)效率和競爭力。

商用車自動(dòng)智能檢測(cè)是指利用先進(jìn)的技術(shù)和算法， 對(duì)商用車輛進(jìn)行自動(dòng)化的檢測(cè)和診斷。本研究基于工業(yè)視覺+AI先進(jìn)技術(shù)對(duì)商用車輛的重要部件和系統(tǒng)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和分析，以提高車輛的安全性、可靠性和效率， 減少故障和事故的發(fā)生，降低維修成本和燃油消耗，同時(shí)改善駕駛行為和環(huán)境保護(hù)，對(duì)商用車行業(yè)智能化、數(shù)字化及自動(dòng)智能檢測(cè)水平的提升產(chǎn)生積極的影響。

02傳統(tǒng)質(zhì)量檢測(cè)存在問題

目前傳統(tǒng)質(zhì)量檢測(cè)存在覆蓋率低、穩(wěn)定性不高、標(biāo)準(zhǔn)難一致、影響節(jié)拍和難以數(shù)字化追溯等問題。

傳統(tǒng)質(zhì)量檢測(cè)問題中覆蓋率低主要表現(xiàn)為質(zhì)檢工作量大，質(zhì)檢員抽檢覆蓋率約為30%；穩(wěn)定性不高主要表現(xiàn)為質(zhì)檢工作繁雜，質(zhì)檢員難以保證長時(shí)間的工作狀態(tài)， 導(dǎo)致產(chǎn)品質(zhì)檢穩(wěn)定性一般；標(biāo)準(zhǔn)難一致主要表現(xiàn)為人與人的差異性導(dǎo)致標(biāo)準(zhǔn)難以統(tǒng)一；影響節(jié)拍主要表現(xiàn)為目前燈塔工廠陸續(xù)達(dá)產(chǎn)，但實(shí)際采用人工檢測(cè)的方式難以跟自動(dòng)化生產(chǎn)線節(jié)拍同步；難以數(shù)字化追溯主要表現(xiàn)在質(zhì)檢過程數(shù)據(jù)無法保存，難以進(jìn)行數(shù)據(jù)追蹤和分析。基于上述問題，為了彌補(bǔ)傳統(tǒng)工業(yè)質(zhì)檢的缺陷，建設(shè)檢測(cè)標(biāo)準(zhǔn)統(tǒng)一、穩(wěn)定性好且檢測(cè)精度高的自動(dòng)智能檢測(cè)顯得尤為必要。

較低。且整個(gè)分析過程由人工逐步比對(duì)進(jìn)行， 分析效率較低。

03基于工業(yè)視覺+AI商用車自動(dòng)智能檢測(cè)

3.1 基于工業(yè)視覺+AI 自動(dòng)智能檢測(cè)

以三一商用車燈塔工廠自動(dòng)化產(chǎn)線為基礎(chǔ)，基于工業(yè)視覺+AI建立的商用車自動(dòng)化、數(shù)字化的質(zhì)量檢測(cè)作業(yè)驅(qū)動(dòng)和流程管理系統(tǒng)，滿足商用車產(chǎn)品在生產(chǎn)過程中的自動(dòng)智能質(zhì)量檢測(cè)和過程控制。自動(dòng)智能質(zhì)量檢測(cè)執(zhí)行系統(tǒng)主要包含4個(gè)自動(dòng)智能質(zhì)量檢測(cè)過程和1個(gè)數(shù)據(jù)分析服務(wù)。自動(dòng)智能質(zhì)量檢測(cè)執(zhí)行系統(tǒng)如圖1所示。

根據(jù)自動(dòng)智能質(zhì)量檢測(cè)執(zhí)行系統(tǒng)，基于高效工業(yè)視覺不影響節(jié)拍、目標(biāo)檢測(cè)覆蓋率95%以上、設(shè)計(jì)少人化或無人化、集成MES并提供完整數(shù)據(jù)追溯的原則，建立的商用車AI外觀全自動(dòng)檢測(cè)平臺(tái)，如圖2所示。

商用車AI外觀全自動(dòng)檢測(cè)平臺(tái)具有檢測(cè)規(guī)劃、檢測(cè)執(zhí)行、數(shù)據(jù)管理和數(shù)據(jù)分析4大模塊及功能。

檢測(cè)規(guī)劃：在檢驗(yàn)規(guī)劃階段具有檢驗(yàn)要素建立、自動(dòng)匹配產(chǎn)品、檢驗(yàn)方法匹配和檢驗(yàn)表單快速生成等功能。

檢測(cè)執(zhí)行：在檢驗(yàn)執(zhí)行階段，AI系統(tǒng)可以覆蓋缺陷檢驗(yàn)產(chǎn)品追溯，自動(dòng)化集成、視覺等多種類型的過程質(zhì)量檢測(cè)，并具有在線審核功能。

數(shù)據(jù)管理：可實(shí)現(xiàn)實(shí)時(shí)對(duì)接MES，獲取MES主數(shù)據(jù)， 并實(shí)時(shí)生產(chǎn)檢測(cè)單。

數(shù)據(jù)分析：通過對(duì)檢驗(yàn)數(shù)據(jù)的實(shí)時(shí)分析，可自動(dòng)生成統(tǒng)計(jì)型、控制型、分析型分析圖表，提供用戶實(shí)時(shí)查看。

上文建立系統(tǒng)和平臺(tái)中運(yùn)用人工智能即AI外觀檢測(cè)原理。AI外觀檢測(cè)原理主要為機(jī)器學(xué)習(xí)和深度學(xué)習(xí)2大模塊。傳統(tǒng)機(jī)器學(xué)習(xí)描述樣本的特征通常 由專家來設(shè)計(jì)稱為“特征工程”，其主要流程為輸入→人工輸入的特征→訓(xùn)練→分類。深度學(xué)習(xí)則通過機(jī)器學(xué)習(xí)自身來產(chǎn)生特征，及“特征學(xué)習(xí)”，機(jī)器學(xué)習(xí)自動(dòng)提取特征，大幅度提升檢測(cè)精度，降低復(fù)雜度，其主要流程為輸入→學(xué)習(xí)簡單的特征→學(xué)習(xí)復(fù)雜的特征→訓(xùn)練分類器→分類。

基于AI外觀檢測(cè)原理設(shè)計(jì)的深度學(xué)習(xí)視覺檢測(cè)流程如圖3所示。深度學(xué)習(xí)視覺檢測(cè)流程中，訓(xùn)練主要針對(duì)數(shù)據(jù)集進(jìn)行，推理基于模型、光學(xué)字符識(shí)別、圖像，異常復(fù)檢主要針對(duì)缺陷檢測(cè)，再訓(xùn)練也是基于數(shù)據(jù)集進(jìn)行。通過深度學(xué)習(xí)相對(duì)于傳統(tǒng)機(jī)器視覺，AI深度學(xué)習(xí)視覺檢測(cè)精度由63.4%提高到99.6%，極大提高自動(dòng)檢測(cè)精度同時(shí)保證檢測(cè)的穩(wěn)定性。本研究視覺檢測(cè)以攝影透視幾何原理為基礎(chǔ)，建立商用車檢測(cè)的線陣立體視覺理論模型。根據(jù)中心點(diǎn)投影原理建立商用車光學(xué)定位點(diǎn)與商用車需要檢測(cè)部分在圖像坐標(biāo)系下對(duì)應(yīng)點(diǎn)的坐標(biāo)變換模型， 構(gòu)建工業(yè)視覺整體全局坐標(biāo)系、商用車坐標(biāo)系、CCD攝像機(jī)坐標(biāo)系、圖像坐標(biāo)系及像素坐標(biāo)系之間的變換模型。由于篇幅限制，各變換模型推導(dǎo)過程不再展開。

根據(jù)構(gòu)建的商用車工業(yè)檢測(cè)理論模型，本研究圖像處理及識(shí)別流程如圖4所示。選定工業(yè)檢測(cè)CCD相機(jī)分辨率為2 048像素、像元尺寸為14μm×14μm、鏡頭焦距50mm、工作距離500~2 000mm、成像視野750mm。

基于上文分析的自動(dòng)智能質(zhì)量檢測(cè)執(zhí)行系統(tǒng)、平臺(tái)、原理及流程，建立工業(yè)視覺+AI云邊端一體化技術(shù)平臺(tái)， 即WIS深度學(xué)習(xí)架構(gòu)，其主要由數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)演算、數(shù)據(jù)訓(xùn)練（深度學(xué)習(xí)）、AI推理模型和數(shù)據(jù)感知等模塊組成，各模塊之間形成良性循環(huán)從而保證檢測(cè)自動(dòng)化、智能化、數(shù)字化及檢測(cè)結(jié)果穩(wěn)定精確。

根據(jù)上述自動(dòng)智能質(zhì)量檢測(cè)執(zhí)行系統(tǒng)、平臺(tái)、原理、流程及工業(yè)視覺+AI云邊端一體化技術(shù)平臺(tái)，構(gòu)建的工業(yè)視覺+AI自動(dòng)智能檢測(cè)系統(tǒng)由工業(yè)視覺采集照片并在圖像處理單元對(duì)采集照片進(jìn)行處理，其中工業(yè)視覺包含工業(yè)相機(jī)、圖像處理、傳感器、光源及圖像處理單元；通過AI智能檢測(cè)引擎實(shí)現(xiàn)對(duì)目標(biāo)質(zhì)量的自動(dòng)智能檢測(cè)。

3.2 商用車自動(dòng)智能檢測(cè)

根據(jù)上文建立的工業(yè)視覺+AI自動(dòng)智能檢測(cè)系統(tǒng)， 以某型商用車為研究對(duì)象，對(duì)商用車重要關(guān)鍵部位進(jìn)行自動(dòng)智能檢測(cè)。本研究商用攪拌車外觀出庫自動(dòng)智能檢測(cè)包括漏油檢測(cè)、鐵繡檢測(cè)、油漆檢測(cè)、間隙測(cè)量和貼花比對(duì)檢測(cè)等。

由于篇幅有限，本研究只針對(duì)商用車油漆和焊接2個(gè)最關(guān)鍵重要模塊進(jìn)行研究和分析。本研究商用車油漆自動(dòng)智能檢測(cè)如圖5所示。基于工業(yè)視覺+AI商用車油漆自動(dòng)智能檢測(cè)結(jié)果存在油漆劃痕、油漆滴掛、油漆起泡、油漆污染等不良情況，需要商用車對(duì)油漆的原材料、工藝、設(shè)備、制造過程等進(jìn)行嚴(yán)格要求和控制，避免商用車油漆不良，影響商用車外觀的美觀和使用的可靠性。

商用車焊接自動(dòng)智能檢測(cè)如圖6所示。基于工業(yè)視覺+AI商用車焊接自動(dòng)智能檢測(cè)結(jié)果存在漏焊、偏焊、焊瘤、焊結(jié)、氣孔或裂紋等不良情況，同樣需要商用車對(duì)焊接原材料、工藝、設(shè)備和制造過程等進(jìn)行嚴(yán)格要求和控制，避免商用車焊接不良，影響商用車焊縫的美觀， 避免漏液等重大質(zhì)量事故發(fā)生。

由于焊接是商用車質(zhì)量難點(diǎn)和痛點(diǎn)，以商用攪拌車為研究對(duì)象，對(duì)攪拌筒焊接質(zhì)量自動(dòng)智能檢測(cè)進(jìn)行研究和分析，基于工業(yè)視覺+AI攪拌筒焊縫自動(dòng)智能檢測(cè)結(jié)果存在焊機(jī)成型差、焊縫未融合、焊接斷弧和焊縫擊穿等不良情況，同樣需要攪拌筒的焊接原材料、工藝、設(shè)備和制造過程等進(jìn)行嚴(yán)格要求和控制，避免攪拌筒焊接不良，影響攪拌筒焊縫的美觀，避免攪拌筒漏液等重大質(zhì)量事故發(fā)生。

為了驗(yàn)證自動(dòng)檢測(cè)可靠性及效率提升，本研究選取150臺(tái)商用車攪拌筒焊縫自動(dòng)智能檢測(cè)和人工復(fù)核檢測(cè)進(jìn)行對(duì)比分析，得到攪拌筒焊縫自動(dòng)智能檢測(cè)結(jié)果和人工復(fù)核檢測(cè)結(jié)果見表1。

由表1可知，選取的150臺(tái)商用車攪拌筒焊縫自動(dòng)智能檢測(cè)存在24臺(tái)異常，而人工復(fù)核檢測(cè)結(jié)果為25臺(tái)， 其中1臺(tái)氣孔偏小，視覺系統(tǒng)受光線干擾等現(xiàn)象，從而導(dǎo)致自動(dòng)智能檢測(cè)系統(tǒng)未能檢測(cè)出來，整體自動(dòng)智能檢測(cè)率為96%達(dá)到預(yù)期設(shè)定高于90%的目標(biāo)。

基于工業(yè)視覺+AI自動(dòng)智能檢測(cè)系統(tǒng)應(yīng)用于商用車質(zhì)量自動(dòng)智能檢測(cè)，商用車覆蓋率提升70%，檢測(cè)效率提高60%，年降本400萬。

綜合上文的研究分析，得到基于工業(yè)視覺+AI自動(dòng)智能檢測(cè)系統(tǒng)特點(diǎn)如圖7所示。

04結(jié)束語

工業(yè)視覺+AI在商用車自動(dòng)智能檢測(cè)方面具有廣泛的應(yīng)用。在商用車領(lǐng)域，工業(yè)視覺+AI可以應(yīng)用于多個(gè)方面的自動(dòng)智能檢測(cè)。

外觀檢測(cè)：利用工業(yè)視覺和AI技術(shù)，可以對(duì)商用車的外觀進(jìn)行自動(dòng)檢測(cè)，包括車身顏色、車漆質(zhì)量、車窗是否完好等。該方案可以提高生產(chǎn)線的效率，并確保產(chǎn)品質(zhì)量的一致性。零部件檢測(cè)：商用車由許多零部件組成， 工業(yè)視覺+AI可以用于檢測(cè)這些零部件的質(zhì)量和正確安裝。例如，可以檢測(cè)發(fā)動(dòng)機(jī)零件的缺陷、車輪的磨損程度等。故障診斷：工業(yè)視覺+AI可以用于商用車的故障診斷。通過分析車輛傳感器和攝像頭捕捉的數(shù)據(jù)，可以檢測(cè)和識(shí)別潛在的故障，并提供相應(yīng)的解決方案。駕駛行為分析：利用工業(yè)視覺和AI技術(shù)，可以對(duì)商用車的駕駛行為進(jìn)行分析。例如，可以檢測(cè)駕駛員的疲勞駕駛、違規(guī)行為等， 并提供相應(yīng)的警示和建議。安全監(jiān)控：工業(yè)視覺+AI可以用于商用車的安全監(jiān)控。例如，可以檢測(cè)車輛周圍的障礙物、行人等，并提供相應(yīng)的警示和避障建議。

綜上所述，工業(yè)視覺+AI自動(dòng)智能檢測(cè)是一種創(chuàng)新的技術(shù)應(yīng)用，推動(dòng)工業(yè)智能化發(fā)展。工業(yè)視覺+AI在商用車自動(dòng)智能檢測(cè)方面具有廣泛的應(yīng)用潛力，在提高生產(chǎn)效率、確保產(chǎn)品質(zhì)量、提供故障診斷和駕駛行為分析等方面提升和改善，從而為商用車行業(yè)帶來更高的智能化水平。

審核編輯：湯梓紅