基于工业视觉 AI商用车自动智能检测.pdf

投稿网站：Theme Plan 主题策划IM 2023年第5期 35基金项目：湖南省制造强省专项项目（2150299）基于工业视觉+AI 商用车自动智能检测石珍1，郑鹏奇2，苟海成2，陈海志2（1.三一集团有限公司，湖南 长沙 410100；2.三一专用汽车有限责任公司，湖南 长沙 410100）摘要：基于三一灯塔工厂自动化、智能化、数字化基础，结合数字化、智能化浪潮带来的智能检测需求。为了改善传统检测方式覆盖率低、稳定性低、准确性差和工作强度大等现状，以三一某商用车为研究对象，对自动智能质量检测执行系统、平台、原理、流程及视觉算法进行研究和分析，基于工业视觉+AI 建立云边端一体化技术平台及商用车自动智能检测系统，对商用车外观出库、油漆和焊接等方面进行自动智能检测。研究结果表明：基于工业视觉+AI 商用车自动智能检测，商用车质量检测覆盖率提升70%，检测效率提高60%，检测准确率达到90%以上，年降本400万，且可以保证商用车持续高效质检。该研究为工程机械、汽车、机械电子和食品等行业的自动智能检测提供有益的借鉴。关键字：工业视觉；AI；商用车；自动智能检测；持续高效质检1引言工业视觉+AI自动智能检测是一种先进的技术应用，可以在工业生产过程中实现自动化的质量检测和缺陷识别1。工业视觉是利用计算机视觉技术，通过摄像机和图像处理算法，对产品进行检测和分析的过程，它可以实时获取产品的图像信息，并通过图像处理算法进行特征提取、目标识别和缺陷检测等操作，从而实现对产品质量的评估2。AI 可以通过大量的数据训练模型，使其具备识别不同缺陷和异常的能力，并能够根据预设的规则和标准进行判断和分类，AI 自动智能检测则是利用人工智能技术，通过训练模型和算法，使计算机能够自动识别和判断产品的质量问题3。将工业视觉和 AI 相结合，可以实现更高效、准确和稳定的产品质量检测。通过使用深度学习算法和神经网络模型，可以对复杂的产品缺陷进行自动识别和分类4。同时，工业视觉系统可以实时监控生产线上的产品，快速发现和处理异常情况，提高生产效率和产品质量。工业视觉+AI 自动智能检测在许多行业中得到广泛应用，如电子制造、汽车制造和食品加工等，它可以帮助企业提高产品质量、降低人工成本和减少人为错误，并提升生产效率和竞争力5。商用车自动智能检测是指利用先进的技术和算法，对商用车辆进行自动化的检测和诊断6。本研究基于工业视觉+AI 先进技术对商用车辆的重要部件和系统进行实时监测和分析，以提高车辆的安全性、可靠性和效率，减少故障和事故的发生，降低维修成本和燃油消耗，同IM主题策划 Theme Plan36 2023年第5期时改善驾驶行为和环境保护，对商用车行业智能化、数字化及自动智能检测水平的提升产生积极的影响2。2传统质量检测存在问题目前传统质量检测存在覆盖率低、稳定性不高、标准难一致、影响节拍和难以数字化追溯等问题。传统质量检测问题中覆盖率低主要表现为质检工作量大，质检员抽检覆盖率约为 30%；稳定性不高主要表现为质检工作繁杂，质检员难以保证长时间的工作状态，导致产品质检稳定性一般；标准难一致主要表现为人与人的差异性导致标准难以统一；影响节拍主要表现为目前灯塔工厂陆续达产，但实际采用人工检测的方式难以跟自动化生产线节拍同步7；难以数字化追溯主要表现在质检过程数据无法保存，难以进行数据追踪和分析。基于上述问题，为了弥补传统工业质检的缺陷，建设检测标准统一、稳定性好且检测精度高的自动智能检测显得尤为必要。3 基于工业视觉+AI 商用车自动智能检测3.1基于工业视觉+AI 自动智能检测以三一商用车灯塔工厂自动化产线为基础，基于工业视觉+AI 建立的商用车自动化、数字化的质量检测作业驱动和流程管理系统，满足商用车产品在生产过程中的自动智能质量检测和过程控制。自动智能质量检测执行系统主要包含 4 个自动智能质量检测过程和 1 个数据分析服务。自动智能质量检测执行系统如图 1 所示。图 1自动智能质量检测执行系统根据自动智能质量检测执行系统，基于高效工业视觉不影响节拍、目标检测覆盖率 95%以上、设计少人化或无人化、集成 MES 并提供完整数据追溯的原则，建立的商用车 AI 外观全自动检测平台，如图 2 所示。图 2商用车 AI 外观全自动检测平台投稿网站：Theme Plan 主题策划IM 2023年第5期 37商用车 AI 外观全自动检测平台具有检测规划、检测执行、数据管理和数据分析 4 大模块及功能。检测规划：在检验规划阶段具有检验要素建立、自动匹配产品、检验方法匹配和检验表单快速生成等功能。检测执行：在检验执行阶段，AI 系统可以覆盖缺陷检验产品追溯，自动化集成、视觉等多种类型的过程质量检测，并具有在线审核功能。数据管理：可实现实时对接 MES，获取 MES 主数据，并实时生产检测单。数据分析：通过对检验数据的实时分析，可自动生成统计型、控制型、分析型分析图表，提供用户实时查看。上文建立系统和平台中运用人工智能即 AI 外观检测原理。AI 外观检测原理主要为机器学习和深度学习 2 大模块。传统机器学习描述样本的特征通常 由专家来设计称为“特征工程”，其主要流程为输入人工输入的特征训练分类。深度学习则通过机器学习自身来产生特征，及“特征学习”，机器学习自动提取特征，大幅度提升检测精度，降低复杂度，其主要流程为输入学习简单的特征学习复杂的特征训练分类器分类。基于 AI 外观检测原理设计的深度学习视觉检测流程如图 3 所示。深度学习视觉检测流程中，训练主要针对数据集进行，推理基于模型、光学字符识别、图像，异常复检主要针对缺陷检测，再训练也是基于数据集进行。通过深度学习相对于传统机器视觉，AI 深度学习视觉检测精度由 63.4%提高到 99.6%，极大提高自动检测精度同时保证检测的稳定性。本研究视觉检测以摄影透视几何原理为基础，建立商用车检测的线阵立体视觉理论模型。根据中心点投影原理建立商用车光学定位点与商用车需要检测部分在图像坐标系下对应点的坐标变换模型，构建工业视觉整体全局坐标系、商用车坐标系、CCD 摄像机坐标系、图像坐标系及像素坐标系之间的变换模型。由于篇幅限制，各变换模型推导过程不再展开。根据构建的商用车工业检测理论模型，本研究图像处理及识别流程如图 4 所示。选定工业检测 CCD 相机分辨率为 2 048 像素、像元尺寸为 14 m14 m、镜头焦距 50 mm、工作距离 5002 000 mm、成像视野 750 mm。基于上文分析的自动智能质量检测执行系统、平台、原理及流程，建立工业视觉+AI 云边端一体化技术平台，即 WIS 深度学习架构，其主要由数据采集、数据预处理、数据演算、数据训练（深度学习）、AI 推理模型和数据感知等模块组成，各模块之间形成良性循环从而保证检测自动化、智能化、数字化及检测结果稳定精确。图 3深度学习视觉检测流程图 4图像处理和识别流程根据上述自动智能质量检测执行系统、平台、原理、流程及工业视觉+AI 云边端一体化技术平台，构建的工业视觉+AI 自动智能检测系统由工业视觉采集照片并在图像处理单元对采集照片进行处理，其中工业视觉包含工业相机、图像处理、传感器、光源及图像处理单元；通过 AI 智能检测引擎实现对目标质量的自动智能检测。3.2商用车自动智能检测根据上文建立的工业视觉+AI 自动智能检测系统，以某型商用车为研究对象，对商用车重要关键部位进行自动智能检测。本研究商用搅拌车外观出库自动智能检IM主题策划 Theme Plan38 2023年第5期测包括漏油检测、铁绣检测、油漆检测、间隙测量和贴花比对检测等。由于篇幅有限，本研究只针对商用车油漆和焊接 2个最关键重要模块进行研究和分析。本研究商用车油漆自动智能检测如图 5 所示。基于工业视觉+AI 商用车油漆自动智能检测结果存在油漆划痕、油漆滴挂、油漆起泡、油漆污染等不良情况，需要商用车对油漆的原材料、工艺、设备、制造过程等进行严格要求和控制，避免商用车油漆不良，影响商用车外观的美观和使用的可靠性。图 5商用车油漆自动智能检测商用车焊接自动智能检测如图 6 所示。基于工业视觉+AI 商用车焊接自动智能检测结果存在漏焊、偏焊、焊瘤、焊结、气孔或裂纹等不良情况，同样需要商用车对焊接原材料、工艺、设备和制造过程等进行严格要求和控制，避免商用车焊接不良，影响商用车焊缝的美观，避免漏液等重大质量事故发生。图 6商用车焊接自动智能检测由于焊接是商用车质量难点和痛点，以商用搅拌车为研究对象，对搅拌筒焊接质量自动智能检测进行研究和分析，基于工业视觉+AI 搅拌筒焊缝自动智能检测结果存在焊机成型差、焊缝未融合、焊接断弧和焊缝击穿等不良情况，同样需要搅拌筒的焊接原材料、工艺、设备和制造过程等进行严格要求和控制，避免搅拌筒焊接不良，影响搅拌筒焊缝的美观，避免搅拌筒漏液等重大质量事故发生。为了验证自动检测可靠性及效率提升，本研究选取150 台商用车搅拌筒焊缝自动智能检测和人工复核检测进行对比分析，得到搅拌筒焊缝自动智能检测结果和人工复核检测结果见表 1。表 1搅拌筒焊缝自动智能检测结果和人工复核检测结果检测异常项目自动智能检测/台人工复核检测/台检测准确率（%）焊接成型差焊偏22100气孔91090裂纹11100焊缝未融合焊瘤33100焊结22100焊接断弧漏焊66100底材击穿底材击穿11100共计242596由表 1 可知，选取的 150 台商用车搅拌筒焊缝自动智能检测存在 24 台异常，而人工复核检测结果为 25 台，其中 1 台气孔偏小，视觉系统受光线干扰等现象，从而导致自动智能检测系统未能检测出来，整体自动智能检测率为 96%达到预期设定高于 90%的目标。基于工业视觉+AI 自动智能检测系统应用于商用车质量自动智能检测，商用车覆盖率提升 70%，检测效率提高 60%，年降本 400 万。综合上文的研究分析，得到基于工业视觉+AI 自动智能检测系统特点如图 7 所示。图 7基于工业视觉+AI 自动智能检测系统特点投稿网站：Theme Plan 主题策划IM 2023年第5期 394结束语工业视觉+AI 在商用车自动智能检测方面具有广泛的应用。在商用车领域，工业视觉+AI 可以应用于多个方面的自动智能检测。外观检测：利用工业视觉和 AI 技术，可以对商用车的外观进行自动检测，包括车身颜色、车漆质量、车窗是否完好等。该方案可以提高生产线的效率，并确保产品质量的一致性。零部件检测：商用车由许多零部件组成，工业视觉+AI 可以用于检测这些零部件的质量和正确安装。例如，可以检测发动机零件的缺陷、车轮的磨损程度等。故障诊断：工业视觉+AI可以用于商用车的故障诊断。通过分析车辆传感器和摄像头捕捉的数据，可以检测和识别潜在的故障，并提供相应的解决方案。驾驶行为分析：利用工业视觉和 AI 技术，可以对商用车的驾驶行为进行分析。例如，可以检测驾驶员的疲劳驾驶、违规行为等，并提供相应的警示和建议。安全监控：工业视觉+AI 可以用于商用车的安全监控。例如，可以检测车辆周围的障碍物、行人等，并提供相应的警示和避障建议。综上所述，工业视觉+AI 自动智能检测是一种创新的技术应用，推动工业智能化发展。工业视觉+AI 在商用车自动智能检测方面具有广泛的应用潜力，在提高生产效率、确保产品质量、提供故障诊断和驾驶行为分析等方面提升和改善，从而为商用车行业带来更高的智能化水平。参考文献1 唐永，寇江伟AI 机器视觉智能监管系统在危险化学品行业安全管控中的应用 J化纤与纺织技术，2023，52(3)：116-1182 周富林，黄靖AI 边缘计算在工业视觉识别系统中的应用 J现代传输，2022(6)：54-563 田云泽，李舒欣工业质检“慧”眼独具 N安徽经济报，2022-11-29(003)4 王嘉，张硕，刘世鹏，等工业智能坡口加工 AI 视觉识别系统研究 J信息记录材料，2022，23(7)：99-1025 唐淮，张晶，李为颖，等基于 AI 视觉的工业机器人抓取系统设计 J内燃机与配件，2022(6)：185-1876 石菲当 AI 视觉遇上“灯塔工厂”J中国信息化，2021(11)：33-357 易振新，刘亚飞，文蔚工程机械灯塔工厂建设探 索 J智能制造，2023(3)：33-37收稿日期：2023-08-14算法及模型，对电器问题进行智能的分析和定位，并计算给出可能的解决方案。将经技术人员最终确定的问题原因和解决措施动态充实至专家问题库，不断优化训练算法的分析准确性。4结束语车辆 EOL 检测智能检测方案依据汽车行业在电器领域的技术发展更新和工艺特点，以及结合 EOL 检测的关键环节现状，充分考虑汽车企业在数字化及诊断技术升级上的实际需求，通过针对性地设计数字化检测方案设计、云端诊断、虚拟仿真验证及智能数据分析关键功能模块，并完成相应地硬件及数字化系统开发。从而实现了从 EOL 方案设计、检测实施、方案验证到方案优化整个闭环流程的数字化和技术升级，提升在生产过程中针对车辆电器检测的工作效率和整车交付质量，较好地应对电动化、智能化及网联化趋势下车辆电器架构复杂度提升在 EOL 检测领域带来的挑战。方案中所包含的检测方案设计、云端检测平台建设、OBD 插头、车间生产状态监控及专家知识库等内容，具有显著的汽车行业特色，具备在各主流主机厂商推广的价值。参考文献1 张政车辆电子电气架构演进趋势研究 J汽车文摘，2021(12)：29-332 孟天闯，李佳幸，黄晋，等软件定义汽车技术体系的研究 J汽车工程，2021，43(4)：459-4683 王玮，杨法松CAN 诊断协议在生产线 EOL 系统中的应用 J汽车电子，2016(8)：187-1894 裴军伟，韩可强，丁健，等基于 EOL 的下线诊断写配置系统开发 J汽车电器，2019(1)：30-325 陈子昊，王超逸，杨超，等整车 EOL 电检系统虚拟验证环境的搭建与应用 JAuto Time，2022：24-25收稿日期：2023-09-15（上接第 34 页）