作為資金和技術(shù)雙重密集型的現(xiàn)代化產(chǎn)業(yè)，汽車行業(yè)歷經(jīng)百余載的發(fā)展，已漸漸構(gòu)筑起一條宏偉的產(chǎn)業(yè)鏈，成為世界上最大規(guī)模和最高產(chǎn)值的產(chǎn)業(yè)之一。

數(shù)據(jù)顯示，2023年，我國汽車產(chǎn)業(yè)以年產(chǎn)3016.1萬輛、銷售3009.4萬輛的輝煌成績，連續(xù)15年穩(wěn)坐全球汽車產(chǎn)業(yè)的頭把交椅，彰顯出強大的產(chǎn)業(yè)實力和蓬勃的發(fā)展活力。汽車行業(yè)不僅是國民經(jīng)濟的重要驅(qū)動力，更是人們出行方式不斷進化的關(guān)鍵支撐。而且，隨著智能制造技術(shù)的深入推進，汽車生產(chǎn)的自動化與智能化轉(zhuǎn)型已成為不可阻擋的趨勢。

而在汽車制造的復(fù)雜流程中，質(zhì)量檢測至關(guān)重要。傳統(tǒng)的檢測方法在面對日益多樣化的汽車零部件和不斷更新的設(shè)計制造技術(shù)時，逐漸暴露出諸多局限性，AI視覺檢測技術(shù)的出現(xiàn)，為汽車行業(yè)帶來了全新的檢測理念和高效的解決方案。

汽車行業(yè)進行視覺檢測的現(xiàn)有難點及升級AI的困局01

復(fù)雜背景下的檢測挑戰(zhàn)

汽車零部件的結(jié)構(gòu)復(fù)雜，背景多樣，傳統(tǒng)算法在處理這些復(fù)雜背景時往往面臨較大的挑戰(zhàn)。

例如，發(fā)動機缸體在鑄造過程中可能產(chǎn)生的砂眼、裂紋等細小缺陷，這些缺陷用肉眼很難觀察到，傳統(tǒng)的觸摸檢測和超聲波檢測也無法進行全面的檢測和評估；而在輪胎檢測中，其表面的復(fù)雜紋理和顏色變化會影響檢測；在汽車外觀漆面檢測中，車身結(jié)構(gòu)復(fù)雜、角度多樣以及人員檢測標(biāo)準不同等，都容易導(dǎo)致缺陷產(chǎn)品流入后續(xù)工序。

02

多變的缺陷類型

汽車零部件在生產(chǎn)過程中可能出現(xiàn)多種類型的缺陷，如絕緣紙卷入、絕緣紙破損、端板破損、銅線偏位、磁材表面損傷、銅線損傷等。這些缺陷形態(tài)特征各異，傳統(tǒng)的視覺檢測方案難以兼顧所有類型的缺陷，尤其是在型號切換時效率較低。

03

數(shù)據(jù)標(biāo)注與模型訓(xùn)練

AI視覺檢測技術(shù)依賴于大量的標(biāo)注數(shù)據(jù)進行模型訓(xùn)練，然而，獲取高質(zhì)量的標(biāo)注數(shù)據(jù)是一個耗時耗力的過程，特別是在汽車零部件檢測中，需要專業(yè)的技術(shù)人員進行細致的標(biāo)注。此外，模型訓(xùn)練過程中還需要不斷調(diào)整參數(shù)，以確保模型的準確性和魯棒性。

04

系統(tǒng)集成與兼容性

將AI視覺檢測系統(tǒng)集成到現(xiàn)有的生產(chǎn)線中，需要解決與現(xiàn)有設(shè)備和系統(tǒng)的兼容性問題。例如，智能相機需要與生產(chǎn)線的控制系統(tǒng)、數(shù)據(jù)庫等進行無縫對接，以實現(xiàn)數(shù)據(jù)的實時傳輸和處理。此外，系統(tǒng)的穩(wěn)定性和可靠性也是重要的考量因素。

05

成本與投入

引入AI視覺檢測技術(shù)需要較大的初期投入，包括購買高性能的攝像頭、計算設(shè)備和軟件平臺等。對于中小企業(yè)來說，這是一筆不小的開支。盡管長期來看，AI視覺檢測能夠顯著提高生產(chǎn)效率和產(chǎn)品質(zhì)量，但在短期內(nèi)仍需克服資金壓力。

06

技能要求與培訓(xùn)

AI視覺檢測技術(shù)的應(yīng)用需要專業(yè)的技能和知識，操作人員需要具備一定的編程能力和數(shù)據(jù)分析能力。對于現(xiàn)有的生產(chǎn)線工人來說，這可能是一個新的挑戰(zhàn)。企業(yè)需要投入時間和資源對員工進行培訓(xùn)，以確保他們能夠熟練操作新的檢測設(shè)備。

基于行業(yè)現(xiàn)狀，阿丘科技在汽車行業(yè)的 AI 視覺檢測解決方案具有獨特優(yōu)勢，其深度學(xué)習(xí)算法在處理復(fù)雜檢測場景，適應(yīng)不同車型和零部件的多樣化檢測需求，且在檢測準確性、效率提升和人力成本降低等方面成效顯著。

典型場景案例01

差速器螺栓涂膠質(zhì)量檢測：守護行車安全的重要防線

差速器是汽車傳動系統(tǒng)中的一個重要部件，負責(zé)將動力從發(fā)動機傳遞到車輪，并允許左右車輪以不同的速度旋轉(zhuǎn)，從而在轉(zhuǎn)彎時保持車輛的平穩(wěn)行駛。而差速器螺栓作為汽車變速箱中的關(guān)鍵部件，差速器螺栓涂膠是一種在汽車制造過程中重要的工藝步驟，即將特定的膠液均勻地涂抹在螺栓上，以增強螺栓與螺母之間的連接強度，防止因振動或沖擊而導(dǎo)致的螺栓松動，從而有效保障汽車的行駛安全。

所以，涂膠質(zhì)量會直接關(guān)系到行車安全，一旦螺栓出現(xiàn)缺膠或斷膠等不良情況，在車輛行駛過程中，螺栓可能會逐漸松動甚至脫落，無疑是一顆隨時可能引爆的 “安全炸彈”。

此前，某工廠采用傳統(tǒng)算法的視覺傳感器進行檢測，雖然能夠在一定程度上檢測出缺膠問題，但對于斷膠的檢測效果卻不盡人意，漏檢現(xiàn)象嚴重，導(dǎo)致客戶投訴頻發(fā)。同時，傳統(tǒng)算法在參數(shù)調(diào)節(jié)過程中繁瑣復(fù)雜，嚴重干擾了正常生產(chǎn)秩序。

常見相關(guān)檢測舉例：

少膠檢測：檢查螺栓螺紋部分是否完全涂覆了膠水，確保沒有未涂膠的區(qū)域

斷膠檢測：檢查膠水是否有斷裂或不連續(xù)的情況，確保膠水層的完整性和均勻性

厚度檢測：測量膠水的厚度，確保其在規(guī)定的范圍內(nèi)，既不過薄也不過厚

固化檢測：檢查膠水是否完全固化，確保其具備足夠的強度和粘接力

阿丘科技針對這一難題，精心打造了一套基于深度學(xué)習(xí)智能相機的檢測方案。

采用阿丘科技的深度學(xué)習(xí)智能相機，其集成了成像、圖像處理和通信功能于一體，結(jié)構(gòu)小巧，僅需通過網(wǎng)絡(luò)連接到PC端，即可迅速啟動檢測工作。該相機具備高精度的成像能力，能夠清晰捕捉螺栓涂膠部位的細節(jié)信息。利用智能相機對螺栓進行分4次旋轉(zhuǎn)拍攝，確保能夠覆蓋螺栓一周的涂膠區(qū)域，不放過任何一處可能存在缺陷的地方。

基于阿丘科技的AIDI檢測算法，針對差速器螺栓涂膠可能出現(xiàn)的缺膠和斷膠等不良情況，重點學(xué)習(xí)這些缺陷的特征。通過大量包含正常涂膠和各類缺陷涂膠的螺栓圖像數(shù)據(jù)，讓算法深入理解不同涂膠狀態(tài)的特征模式。同時，運用數(shù)據(jù)增廣工具擴增數(shù)據(jù)，例如對原始圖像進行旋轉(zhuǎn)、翻轉(zhuǎn)、縮放等操作，增加數(shù)據(jù)的多樣性，使算法能夠更好地適應(yīng)實際生產(chǎn)中螺栓涂膠的各種變化情況，有效提高缺陷的識別率。

阿丘科技的方案能夠精準地檢出任意位置的缺膠和斷膠不良情況，并及時提示人工進行補膠操作，為汽車安全裝上了一道堅固的防護鎖，有效杜絕了因螺栓涂膠問題引發(fā)的客戶質(zhì)量投訴。從操作層面來看，簡便易行，3天內(nèi)即可完成上線部署，投入使用后檢測穩(wěn)定可靠，無需人工頻繁干預(yù)。與傳統(tǒng)檢測方法相比，漏檢率降至0%，過檢率控制在0.1%以內(nèi)，檢測精度和穩(wěn)定性實現(xiàn)了質(zhì)的飛躍。

02

發(fā)動機裝配檢測：精密協(xié)作，確保發(fā)動機完美組裝

汽車發(fā)動機堪稱汽車的“心臟”，其裝配過程涉及眾多復(fù)雜的部件，對尺寸、形狀和位置等參數(shù)的精度要求極高，且涵蓋多個部件的組裝與調(diào)試，以確保發(fā)動機能正常、高效運行。主要裝配內(nèi)容如：零部件清洗與預(yù)處理、曲軸飛輪組裝、活塞連桿組裝配、氣缸蓋及配氣機構(gòu)裝配、潤滑與冷卻系統(tǒng)裝配、進排氣系統(tǒng)裝配、發(fā)動機附件裝配等。為保證發(fā)動機裝配質(zhì)量，裝配過程中及裝配完成后需進行關(guān)鍵檢測，比如檢測是否所有裝配安裝到位，以及各零部件的有無情況。

然而單純依靠傳統(tǒng)算法進行發(fā)動機裝配檢測，仍面臨著以下挑戰(zhàn)。

1、特征提取困難：難以全面且準確地提取復(fù)雜的特征，例如一些細微的缺陷、復(fù)雜的形狀或紋理特征等。

2、對復(fù)雜環(huán)境適應(yīng)性差：例如光照變化、物體遮擋和背景干擾等情況，可能導(dǎo)致檢測準確性下降。

3、對特殊材質(zhì)或復(fù)雜形狀產(chǎn)品檢測難度大：現(xiàn)有的算法和模型可能無法有效識別這些情況下的缺陷。

4、泛化能力較弱：對于不同類型的發(fā)動機或部件，可能需要大量的調(diào)整和重新設(shè)計算法，無法像深度學(xué)習(xí)那樣較好地泛化到新的情況。

5、無法自動學(xué)習(xí)和適應(yīng)新任務(wù)：需要大量的人工干預(yù)和重新編程來適應(yīng)新的檢測任務(wù)。

6、難以發(fā)現(xiàn)隱性問題：對于數(shù)據(jù)間的高階、復(fù)雜關(guān)聯(lián)的把握能力有限，可能無法發(fā)現(xiàn)一些隱性的質(zhì)量問題。

基于種種現(xiàn)實挑戰(zhàn)，某設(shè)備商與發(fā)動機廠商在依靠傳統(tǒng)算法聯(lián)合研發(fā)裝配檢測設(shè)備時，由于發(fā)動機型號繁多，每種型號的檢測項目又各不相同，再加上復(fù)雜的背景干擾，開發(fā)工作困難重重，開發(fā)周期漫長，且檢測結(jié)果的可靠性難以保證，無法為發(fā)動機制造廠提供有效的算法解決方案。

阿丘科技將AIDI各算法模塊與傳統(tǒng)算法巧妙融合，在檢測過程中，利用AI技術(shù)發(fā)揮其強大的定位功能，迅速鎖定部件位置。由傳統(tǒng)算法基于顏色、位置等特征進行二次判定，二者相輔相成，共同應(yīng)對復(fù)雜的檢測環(huán)境。此外，阿丘科技還創(chuàng)新地設(shè)計了多個工位共用檢測流程的方案，這一舉措不僅簡化了方案設(shè)計，還極大地便于項目實施，有效提高了生產(chǎn)效率。

此方案成功為發(fā)動機裝配檢測設(shè)備開發(fā)出完整的檢測方案，助力檢測系統(tǒng)順利上線并實現(xiàn)批量部署，顯著提升了產(chǎn)品良率，為發(fā)動機制造企業(yè)的生產(chǎn)質(zhì)量提供了堅實保障。阿丘科技充分發(fā)揮了AI及傳統(tǒng)算法各自的特色，有效解決了汽車裝配檢測中的復(fù)雜需求，推動發(fā)動機裝配檢測向智能化邁進了一大步。同時，減少了人工檢測的比例，降低人力成本，提高了企業(yè)的生產(chǎn)效益和市場競爭力。