導讀

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

01引言

工業(yè)視覺+AI自動智能檢測是一種先進的技術(shù)應用， 可以在工業(yè)生產(chǎn)過程中實現(xiàn)自動化的質(zhì)量檢測和缺陷識別。工業(yè)視覺是利用計算機視覺技術(shù)，通過攝像機和圖像處理算法，對產(chǎn)品進行檢測和分析的過程，它可以實時獲取產(chǎn)品的圖像信息，并通過圖像處理算法進行特征提取、目標識別和缺陷檢測等操作，從而實現(xiàn)對產(chǎn)品質(zhì)量的評估。AI可以通過大量的數(shù)據(jù)訓練模型，使其具備識別不同缺陷和異常的能力，并能夠根據(jù)預設的規(guī)則和標準進行判斷和分類，AI自動智能檢測則是利用人工智能技術(shù)，通過訓練模型和算法，使計算機能夠自動識別和判斷產(chǎn)品的質(zhì)量問題。

將工業(yè)視覺和AI相結(jié)合，可以實現(xiàn)更高效、準確和穩(wěn)定的產(chǎn)品質(zhì)量檢測。通過使用深度學習算法和神經(jīng)網(wǎng)絡模型，可以對復雜的產(chǎn)品缺陷進行自動識別和分類。同時，工業(yè)視覺系統(tǒng)可以實時監(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自動智能檢測在許多行業(yè)中得到廣泛應用，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誤， 并提升生產(chǎn)效率和競爭力。

商用車自動智能檢測是指利用先進的技術(shù)和算法， 對商用車輛進行自動化的檢測和診斷。本研究基于工業(yè)視覺+AI先進技術(shù)對商用車輛的重要部件和系統(tǒng)進行實時監(jiān)測和分析，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，同時改善駕駛行為和環(huán)境保護，對商用車行業(yè)智能化、數(shù)字化及自動智能檢測水平的提升產(chǎn)生積極的影響。

02傳統(tǒng)質(zhì)量檢測存在問題

目前傳統(tǒng)質(zhì)量檢測存在覆蓋率低、穩(wěn)定性不高、標準難一致、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)檢員難以保證長時間的工作狀態(tài)， 導致產(chǎn)品質(zhì)檢穩(wěn)定性一般；標準難一致主要表現(xiàn)為人與人的差異性導致標準難以統(tǒng)一；影響節(jié)拍主要表現(xiàn)為目前燈塔工廠陸續(xù)達產(chǎn)，但實際采用人工檢測的方式難以跟自動化生產(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，難以進行數(shù)據(jù)追蹤和分析?；谏鲜鰡栴}，為了彌補傳統(tǒng)工業(yè)質(zhì)檢的缺陷，建設檢測標準統(tǒng)一、穩(wěn)定性好且檢測精度高的自動智能檢測顯得尤為必要。

較低。且整個分析過程由人工逐步比對進行， 分析效率較低。

03基于工業(yè)視覺+AI商用車自動智能檢測

3.1 基于工業(yè)視覺+AI 自動智能檢測

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

根據(jù)自動智能質(zhì)量檢測執(zhí)行系統(tǒng)，基于高效工業(yè)視覺不影響節(jié)拍、目標檢測覆蓋率95%以上、設計少人化或無人化、集成MES并提供完整數(shù)據(jù)追溯的原則，建立的商用車AI外觀全自動檢測平臺，如圖2所示。

商用車AI外觀全自動檢測平臺具有檢測規(guī)劃、檢測執(zhí)行、數(shù)據(jù)管理和數(shù)據(jù)分析4大模塊及功能。

檢測規(guī)劃：在檢驗規(guī)劃階段具有檢驗要素建立、自動匹配產(chǎn)品、檢驗方法匹配和檢驗表單快速生成等功能。

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

數(shù)據(jù)管理：可實現(xiàn)實時對接MES，獲取MES主數(shù)據(jù)， 并實時生產(chǎn)檢測單。

數(shù)據(jù)分析：通過對檢驗數(shù)據(jù)的實時分析，可自動生成統(tǒng)計型、控制型、分析型分析圖表，提供用戶實時查看。

上文建立系統(tǒng)和平臺中運用人工智能即AI外觀檢測原理。AI外觀檢測原理主要為機器學習和深度學習2大模塊。傳統(tǒng)機器學習描述樣本的特征通常 由專家來設計稱為“特征工程”，其主要流程為輸入→人工輸入的特征→訓練→分類。深度學習則通過機器學習自身來產(chǎn)生特征，及“特征學習”，機器學習自動提取特征，大幅度提升檢測精度，降低復雜度，其主要流程為輸入→學習簡單的特征→學習復雜的特征→訓練分類器→分類。

基于AI外觀檢測原理設計的深度學習視覺檢測流程如圖3所示。深度學習視覺檢測流程中，訓練主要針對數(shù)據(jù)集進行，推理基于模型、光學字符識別、圖像，異常復檢主要針對缺陷檢測，再訓練也是基于數(shù)據(jù)集進行。通過深度學習相對于傳統(tǒng)機器視覺，AI深度學習視覺檢測精度由63.4%提高到99.6%，極大提高自動檢測精度同時保證檢測的穩(wěn)定性。本研究視覺檢測以攝影透視幾何原理為基礎，建立商用車檢測的線陣立體視覺理論模型。根據(jù)中心點投影原理建立商用車光學定位點與商用車需要檢測部分在圖像坐標系下對應點的坐標變換模型， 構(gòu)建工業(yè)視覺整體全局坐標系、商用車坐標系、CCD攝像機坐標系、圖像坐標系及像素坐標系之間的變換模型。由于篇幅限制，各變換模型推導過程不再展開。

根據(jù)構(gòu)建的商用車工業(yè)檢測理論模型，本研究圖像處理及識別流程如圖4所示。選定工業(yè)檢測CCD相機分辨率為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智能質(zhì)量檢測執(zhí)行系統(tǒng)、平臺、原理及流程，建立工業(yè)視覺+AI云邊端一體化技術(shù)平臺， 即WIS深度學習架構(gòu)，其主要由數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)演算、數(shù)據(jù)訓練（深度學習）、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)從而保證檢測自動化、智能化、數(shù)字化及檢測結(jié)果穩(wěn)定精確。

根據(jù)上述自動智能質(zhì)量檢測執(zhí)行系統(tǒng)、平臺、原理、流程及工業(yè)視覺+AI云邊端一體化技術(shù)平臺，構(gòu)建的工業(yè)視覺+AI自動智能檢測系統(tǒng)由工業(yè)視覺采集照片并在圖像處理單元對采集照片進行處理，其中工業(yè)視覺包含工業(yè)相機、圖像處理、傳感器、光源及圖像處理單元；通過AI智能檢測引擎實現(xiàn)對目標質(zhì)量的自動智能檢測。

3.2 商用車自動智能檢測

根據(jù)上文建立的工業(yè)視覺+AI自動智能檢測系統(tǒng)， 以某型商用車為研究對象，對商用車重要關鍵部位進行自動智能檢測。本研究商用攪拌車外觀出庫自動智能檢測包括漏油檢測、鐵繡檢測、油漆檢測、間隙測量和貼花比對檢測等。

由于篇幅有限，本研究只針對商用車油漆和焊接2個最關鍵重要模塊進行研究和分析。本研究商用車油漆自動智能檢測如圖5所示?；诠I(yè)視覺+AI商用車油漆自動智能檢測結(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，需要商用車對油漆的原材料、工藝、設備、制造過程等進行嚴格要求和控制，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。

商用車焊接自動智能檢測如圖6所示?；诠I(yè)視覺+AI商用車焊接自動智能檢測結(jié)果存在漏焊、偏焊、焊瘤、焊結(jié)、氣孔或裂紋等不良情況，同樣需要商用車對焊接原材料、工藝、設備和制造過程等進行嚴格要求和控制，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)量難點和痛點，以商用攪拌車為研究對象，對攪拌筒焊接質(zhì)量自動智能檢測進行研究和分析，基于工業(yè)視覺+AI攪拌筒焊縫自動智能檢測結(jié)果存在焊機成型差、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、設備和制造過程等進行嚴格要求和控制，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。

為了驗證自動檢測可靠性及效率提升，本研究選取150臺商用車攪拌筒焊縫自動智能檢測和人工復核檢測進行對比分析，得到攪拌筒焊縫自動智能檢測結(jié)果和人工復核檢測結(jié)果見表1。

由表1可知，選取的150臺商用車攪拌筒焊縫自動智能檢測存在24臺異常，而人工復核檢測結(jié)果為25臺， 其中1臺氣孔偏小，視覺系統(tǒng)受光線干擾等現(xiàn)象，從而導致自動智能檢測系統(tǒng)未能檢測出來，整體自動智能檢測率為96%達到預期設定高于90%的目標。

基于工業(yè)視覺+AI自動智能檢測系統(tǒng)應用于商用車質(zhì)量自動智能檢測，商用車覆蓋率提升70%，檢測效率提高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自動智能檢測系統(tǒng)特點如圖7所示。

04結(jié)束語

工業(yè)視覺+AI在商用車自動智能檢測方面具有廣泛的應用。在商用車領域，工業(yè)視覺+AI可以應用于多個方面的自動智能檢測。

外觀檢測：利用工業(yè)視覺和AI技術(shù)，可以對商用車的外觀進行自動檢測，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：商用車由許多零部件組成， 工業(yè)視覺+AI可以用于檢測這些零部件的質(zhì)量和正確安裝。例如，可以檢測發(fā)動機零件的缺陷、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)，可以檢測和識別潛在的故障，并提供相應的解決方案。駕駛行為分析：利用工業(yè)視覺和AI技術(shù)，可以對商用車的駕駛行為進行分析。例如，可以檢測駕駛員的疲勞駕駛、違規(guī)行為等， 并提供相應的警示和建議。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，可以檢測車輛周圍的障礙物、行人等，并提供相應的警示和避障建議。

綜上所述，工業(yè)視覺+AI自動智能檢測是一種創(chuàng)新的技術(shù)應用，推動工業(yè)智能化發(fā)展。工業(yè)視覺+AI在商用車自動智能檢測方面具有廣泛的應用潛力，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