日期
12/08
2021
咨询
  • QQ扫一扫

  • Vision小助手
    (CMVU)

阿丘科技 | 深度学习在汽车制造中的应用
收藏
2021-12-08 10:26:34来源: 中国机器视觉网

汽车工业在国家的经济发展中,起着举足轻重的作用。它反映了一个国家的工业水平和经济水平。汽车工业是工业机器人应用最早,也是最为广泛的领域,汽车制造的高度自动化使得机器人越来越多。然而这些还是远远不够的。

进入到工业4.0时代之后,工厂开始从制造向“智造”转变,数字化和智能化车间,已经成为汽车智能制造的重要载体。近年来更是出现了“无人化”车间,弧焊、点焊、装配、搬运、喷漆、检测、码垛、研磨抛光和激光加工等复杂作业全部交由工业机器人来完成,上百台不同类型的机器人分工明确、林立在生产线两边,只需很短的时间,一辆完整的汽车就在机器人的“有条不紊”中“诞生”了。

首先要明确的一点是,工业4.0的核心是数据。随着智能装备和智能终端的普及,以及各种传感器的应用,汽车工业中的生产数据、产品数据都将会得到采集。这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期。因而作为汽车行业追溯系统的基石,必须保证这些数据的准确性。

QQ截图20211208102807.jpg

机器视觉技术在汽车制造业中的应用,大大提高了工艺运行质量和生产效率,降低了劳动强度,已在不少国内大企业得到成功的应用。但随着工业数据采集需求越来越多,场景越来越复杂,在某些应用场景上,传统机器视觉已经力不从心。

对于传统视觉算法来说,大致可以分为以下5个步骤:特征感知,图像预处理,特征提取,特征筛选,推理预测与识别。但在工业应用场景中,往往会出现以下问题,导致读取率和稳定性上无法满足用户的需求。

QQ截图20211208102848.jpg

背景干扰多

QQ截图20211208102853.jpg

对比度低且字符不规则

QQ截图20211208102955.jpg

对焦不清晰

深度学习最大的不同之处在于,它不再通过精心编程的算法来搜索特定特征,而是训练深度学习系统内的神经网络。随着深度学习系统提供的计算能力的增强,计算机将能够识别并对它所看到的一切做出反应。所以,深度学习的识别方式将不再对以上这些复杂场景有特定的要求。

QQ截图20211208103253.jpg

发动机和压缩机OCR字符识别

QQ截图20211208103416.jpg

车窗和安全扣OCR字符识别

QQ截图20211208103208.jpg

车架和轮胎OCR字符识别

优势亮点

适应性强:算法适应各种实际应用中的复杂情况,如反光、翻转、扭曲、眩光等,具备极强的可用性;

性能稳定:算法计算识别速度快,即时可得,识别准确度高,性能稳定可靠;

简单易用:集标注、训练、模型调优为一体,无需编程,快速识别结构化数据,便捷高效;

精确识别:识别准确率达99%以上。

通过深度学习视觉技术,字符识别准确率和产品的追溯都不再是难题!

QQ截图20211208103028.jpg

Ebox-Q100 OCR识别系统是阿丘科技专为工厂自动化设计开发的一套基于AI技术的系统解决方案,该方案将深度学习与嵌入式技术结合,可以帮客户轻松解决对于传统机器视觉来说场景复杂、部署困难、且具有挑战的OCR应用场景。

该方案包含工业相机、嵌入式控制器、识别软件(包含嵌入式推理软件、流程调试软件、AI模型训练软件)及配套硬件等,对于不同行业、不同场景的字符利用AI训练软件单独进行模型训练,再将训练模型嵌入到控制器中进行推理识别,整个过程无须编程,有效降低使用难度,可快速部署应用。