今天，全球数字化浪潮正在重新塑造社会的生活方式，推动商业模式变革，催生规模性产业洗牌。各行业数字化“黑马”顺势而为，应时而生。这其中，以汽车为代表的高端制造业在全面拥抱数字化的过程中，应用数字化技术，通过优化流程、改善工作方式等手段，提升生产效能，激发原动力。而人工智能已成为简化业务、自动化和优化制造流程并提高供应链效率的关键。计算机视觉的使用是AI的保护技术之一，可以在异常检测中发挥重要作用。

本次康耐视2021精选案例——汽车行业篇就为大家介绍提供了多款有价值的参考案例，带大家深入剖析极具针对性的汽车行业解决方案，以便大家在日常工作中可及时对照参阅，为决策提供可靠支撑。

1/ In-Sight 7905视觉系统引导机器人实现缸盖 PRV的引导抓取

挑战：传统视觉工具无法准确识别透明塑料材质的工件，而视觉系统现场安装空间狭小，机器人无法进行引导抓取。

效果：In-Sight 7905视觉系统结构紧凑，模块化设计可定制现场高度，解决空间受限问题。且成像效果良好，准确识别工件正反面，准确率大大提高，达到99.8%，成功引导机器人进行定位抓取。

2/ 康耐视 3D-A5000系列面阵扫描相机帮助一汽-大众新能源电池工厂机器人解决抓取不稳定问题

挑战：机器人抓取电池壳体时，要求料车排放位置的精度很高，物流人员停放料车时费时费力；每个料车装有四层壳体，每层高度不精准、电池壳体的限位精度低，这致机器人抓取壳体不稳定，生产易出现故障，影响生产节拍，导致生产停台；由于机械手抓取稳定性差，机器人一直慢速运行且需要技术人员陪产以及处理机器故障，影响生产效率，浪费人力。 

效果：物流人员不再需要很精准地将料车放在上料位置，节约了排放时间，提高了物流人员的工作效率；即使料车精度不高，机器人也能稳定抓取，保证了生产顺利进行；使用康耐视3D-A5060后,检测精度达到0.1mm，超出预定指标，机器人抓取很稳定，不再出现生产线停台问题，企业也不再需要安排人工处理现场问题，节省了大量人力物力，生产效率大大提高。

3/ 康耐视 3D视觉软件：实现机器人对汽车发动机缸体的高效精确抓取

挑战：人工上料方式影响生产节拍，存在质量隐患；视觉系统要能实现用一个程序引导机器人快速精准抓取多种型号的工件，并满足三个方向的角度要求且精度在0.3mm，还需克服现场环境光的不利影响。

效果：实现了上料工位的自动化，替代10位人工，良品率提升；四种型号工件可以通用一个程序，引导机器人高精度快速抓取，实际视觉精度超过预期，并提供稳定光环境保证检测效果。

4/ 康耐视 In-Sight 7802视觉系统帮助博世解决汽车电机绕线检测问题

挑战：未到达相机的拍摄角度拍照，会造成拟合的检测区域缩小，影响对于铜线伸出比例的判断；表面凹坑出现在弯钩出，会影响弯钩的铜线有无判断；首线过短无法通过blob宽度判断。

效果：检测高效，可准确地验证各种绕线缺陷；操作简捷，初学者上手快，产品稳定性强；良品率提高到97%，生产效率和经济效益明显改观。

5/康耐视 In-Sight 9912 视觉系统帮助中外运解决轮胎检测问题

挑战：识别难度高，并且识别物很小，识别物颜色种类繁多。

效果：能够检测出点是否破损，并区分出点的颜色种类，使良品率提升20%。

6/ 康耐视 In-Sight视觉系统帮助汽车电器盒生产线实现自动化检测

挑战：缺陷种类杂繁细微，人工检测难度大，劳动强度高，并且人工检测易发生错装、多装、漏装等质检问题，还会导致缺陷件流出的风险，效率低、成本高。

效果：产品视觉检测实现智能化自动化，解决了错装、多装、漏装等缺陷件流出的风险问题，极大提升生产效率，杜绝了客户质量投诉；投资回收期仅为0.13年，且能同时满足多种类型工件缺陷的检测需求

7/ 应用 3D位移传感器，实现 PACK板外观尺寸自动测量，解决产品变形检测难题

挑战：人工抽检方式导致检测效率低，缺陷问题很难进行数据追溯；要求视觉产品不但视野大，而且精度要高，还需实现激光扫描产品的图像精准拼接，测量数据难以获取。

效果：实现检测自动化，效率得到极大提升；检测精度达到了预期，满足产品最大视野的要求，并解决图像拼接及测量难题，轻松定制数据库。