基于工业视觉+AI商用车自动智能检测.docxVIP

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。

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。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。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。

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。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。

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。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、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；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。

较低。且整个分析过程由人工逐步比对进行，分析效率较低。

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。

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。

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