基于工業視覺+AI商用車自動智能檢測

石 珍，鄭鵬奇，茍海成，陳海志

（1.三一集團有限公司，湖南 長沙 410100；2.三一專用汽車有限責任公司，湖南 長沙 410100）

關鍵字：工業視覺；AI；商用車；自動智能檢測；持續高效質檢

1 引言

工業視覺+AI自動智能檢測是一種先進的技術應用，可以在工業生產過程中實現自動化的質量檢測和缺陷識別[1]。工業視覺是利用計算機視覺技術，通過攝像機和圖像處理算法，對產品進行檢測和分析的過程，它可以實時獲取產品的圖像信息，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，從而實現對產品質量的評估[2]。AI可以通過大量的數據訓練模型，使其具備識別不同缺陷和異常的能力，并能夠根據預設的規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，通過訓練模型和算法，使計算機能夠自動識別和判斷產品的質量問題[3]。

將工業視覺和AI相結合，可以實現更高效、準確和穩定的產品質量檢測。通過使用深度學習算法和神經網絡模型，可以對復雜的產品缺陷進行自動識別和分類[4]。同時，工業視覺系統可以實時監控生產線上的產品，快速發現和處理異常情況，提高生產效率和產品質量。

工業視覺+AI自動智能檢測在許多行業中得到廣泛應用，如電子制造、汽車制造和食品加工等，它可以幫助企業提高產品質量、降低人工成本和減少人為錯誤，并提升生產效率和競爭力[5]。

商用車自動智能檢測是指利用先進的技術和算法，對商用車輛進行自動化的檢測和診斷[6]。本研究基于工業視覺+AI先進技術對商用車輛的重要部件和系統進行實時監測和分析，以提高車輛的安全性、可靠性和效率，減少故障和事故的發生，降低維修成本和燃油消耗，同時改善駕駛行為和環境保護，對商用車行業智能化、數字化及自動智能檢測水平的提升產生積極的影響[2]。

2 傳統質量檢測存在問題

目前傳統質量檢測存在覆蓋率低、穩定性不高、標準難一致、影響節拍和難以數字化追溯等問題。

傳統質量檢測問題中覆蓋率低主要表現為質檢工作量大，質檢員抽檢覆蓋率約為30%；穩定性不高主要表現為質檢工作繁雜，質檢員難以保證長時間的工作狀態，導致產品質檢穩定性一般；標準難一致主要表現為人與人的差異性導致標準難以統一；影響節拍主要表現為目前燈塔工廠陸續達產，但實際采用人工檢測的方式難以跟自動化生產線節拍同步[7]；難以數字化追溯主要表現在質檢過程數據無法保存，難以進行數據追蹤和分析。基于上述問題，為了彌補傳統工業質檢的缺陷，建設檢測標準統一、穩定性好且檢測精度高的自動智能檢測顯得尤為必要。

3 基于工業視覺+AI商用車自動智能檢測

3.1 基于工業視覺+AI自動智能檢測

以三一商用車燈塔工廠自動化產線為基礎，基于工業視覺+AI建立的商用車自動化、數字化的質量檢測作業驅動和流程管理系統，滿足商用車產品在生產過程中的自動智能質量檢測和過程控制。自動智能質量檢測執行系統主要包含4個自動智能質量檢測過程和1個數據分析服務。自動智能質量檢測執行系統如圖1所示。

圖1 自動智能質量檢測執行系統

根據自動智能質量檢測執行系統，基于高效工業視覺不影響節拍、目標檢測覆蓋率95%以上、設計少人化或無人化、集成MES并提供完整數據追溯的原則，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劃、檢測執行、數據管理和數據分析4大模塊及功能。

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

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

數據管理：可實現實時對接MES，獲取MES主數據，并實時生產檢測單。

數據分析：通過對檢驗數據的實時分析，可自動生成統計型、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，訓練主要針對數據集進行，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，再訓練也是基于數據集進行。通過深度學習相對于傳統機器視覺，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，構建工業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。

圖3 深度學習視覺檢測流程

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

基于上文分析的自動智能質量檢測執行系統、平臺、原理及流程，建立工業視覺+AI云邊端一體化技術平臺，即WIS深度學習架構，其主要由數據采集、數據預處理、數據演算、數據訓練（深度學習）、AI推理模型和數據感知等模塊組成，各模塊之間形成良性循環從而保證檢測自動化、智能化、數字化及檢測結果穩定精確。

根據上述自動智能質量檢測執行系統、平臺、原理、流程及工業視覺+AI云邊端一體化技術平臺，構建的工業視覺+AI自動智能檢測系統由工業視覺采集照片并在圖像處理單元對采集照片進行處理，其中工業視覺包含工業相機、圖像處理、傳感器、光源及圖像處理單元；通過AI智能檢測引擎實現對目標質量的自動智能檢測。

3.2 商用車自動智能檢測

根據上文建立的工業視覺+AI自動智能檢測系統，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。基于工業視覺+AI商用車油漆自動智能檢測結果存在油漆劃痕、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。

圖5 商用車油漆自動智能檢測

商用車焊接自動智能檢測如圖6所示?；诠I視覺+AI商用車焊接自動智能檢測結果存在漏焊、偏焊、焊瘤、焊結、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，避免漏液等重大質量事故發生。

圖6 商用車焊接自動智能檢測

由于焊接是商用車質量難點和痛點，以商用攪拌車為研究對象，對攪拌筒焊接質量自動智能檢測進行研究和分析，基于工業視覺+AI攪拌筒焊縫自動智能檢測結果存在焊機成型差、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量事故發生。

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果和人工復核檢測結果見表1。

表1 攪拌筒焊縫自動智能檢測結果和人工復核檢測結果

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，而人工復核檢測結果為25臺，其中1臺氣孔偏小，視覺系統受光線干擾等現象，從而導致自動智能檢測系統未能檢測出來，整體自動智能檢測率為96%達到預期設定高于90%的目標。

基于工業視覺+AI自動智能檢測系統應用于商用車質量自動智能檢測，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，得到基于工業視覺+AI自動智能檢測系統特點如圖7所示。

圖7 基于工業視覺+AI自動智能檢測系統特點

4 結束語

工業視覺+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：利用工業視覺和AI技術，可以對商用車的外觀進行自動檢測，包括車身顏色、車漆質量、車窗是否完好等。該方案可以提高生產線的效率，并確保產品質量的一致性。零部件檢測：商用車由許多零部件組成，工業視覺+AI可以用于檢測這些零部件的質量和正確安裝。例如，可以檢測發動機零件的缺陷、車輪的磨損程度等。故障診斷：工業視覺+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據，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：利用工業視覺和AI技術，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、違規行為等，并提供相應的警示和建議。安全監控：工業視覺+AI可以用于商用車的安全監控。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，工業視覺+AI自動智能檢測是一種創新的技術應用，推動工業智能化發展。工業視覺+AI在商用車自動智能檢測方面具有廣泛的應用潛力，在提高生產效率、確保產品質量、提供故障診斷和駕駛行為分析等方面提升和改善，從而為商用車行業帶來更高的智能化水平。