会议回顾︱专业解析“人工智能技术在汽车行业的应用”

2020年5月29日，“人工智能技术在汽车行业的应用”线上会议成功举办。人工智能解决方案资深架构师史宗峰先生以汽车行业的人工智能技术发展现状为切入点，对人工智能在汽车生产制造全流程中的应用进行了系统性解读与分析，并结合欣象科技在汽车行业的项目实例与大家进行了经验交流与分享。小编为大家整理了本次会议摘要回顾，精彩分享来袭！

我们把先进的人工智能算法和企业的实际需求相结合，将算法落地，将其应用到生产、质检、维护、管理等多个方面，切实解决企业的实际需求。

1． AI 助力及时维护

喷油器阀座瑕疵检测

问题与挑战：喷油器阀座瑕疵检测每日平均需求4000-6000件，峰值12000件。目前瑕疵检测通过工人肉眼判断，视觉判断工序人力成本达到 60万/年，是全公司投入产出比最低的工序。如何借助人工智能技术释放一部分人力，以便提升质检的审核效率？

AI 解决方案：结合原有业务流程和硬件，进行人工智能化的技术改造，利用依托深度学习平台构建的定制化训练和服务平台，完成喷油嘴识别模型，实现无人化瑕疵判读。

**步：根据质检目标，筛选标准的样品集合；

第二步：通过反复训练识别模型；

第三步：制定自动化方案；

第四步：软硬件实施部署，完成自动化方案；

第五步：用户通过自动化系统上传每次采集待测样品图片，然后实时上传识别模型进行判定，再返回相应的处理结果，最后由自动化系统将样品进行分类流转。

汽车冲压件表面缺陷检测

问题与挑战：侧围、翼子板、车门、引擎盖等轮廓尺寸较大且具有空间曲面形状的乘用车车身覆盖件在冲压生产过程中，部分侧围在拉伸工序中易产生局部开裂现象，需反复进行参数调整与试制。在生产线线尾配备质检人员进行冲压件表面缺陷，质检数据难以有效量化和存储，不利于企业数据资源收集、质量问题分析与追溯。

AI 解决方案：基于机器视觉的冲压件缺陷智能检测，立足生产线现有条件，通过图像实时采集与智能分析，快速识别冲压件表面缺陷。构建大数据平台，实现对工厂冲压车间的设备、模具、材料、制造过程数据、质检数据的集成、存储与统一管控。借助数据挖掘机器学习算法，建立冲压工艺智能预测模型，准确预测冲压件开裂风险。提升企业新车型冲压件加工参数设计效率，减少试制次数和试制成本。

2． AI 助力及时维护

冶金设备故障诊断及预测性维护

问题与挑战：钢包是钢铁冶炼过程的关键设备，长期与高温钢水接触，内衬易产生不易察觉的细微裂痕，形成安全隐患。根据分析，其中18%的故障可以利用传统方法预防。82%的故障是随机发生的，很难预先发现，现在利用人工智能技术是否能对这82%的故障也实现预防？

AI 解决方案：采用热红外成像技术配合机器视觉技术，实现钢包失效故障的及时预警及维护提醒。将红外热像仪置于坚固的壳体内，安装在固定位置，当钢包在龙门吊上经过时，热像仪捕捉钢包图像。对钢包图像进行机器学习，对疑似裂纹点进行标注，停车检修时进行实物比对。对钢包寿命进行预测，有裂纹出现时及时发出警报。

3． AI 助力有效管理

AI技术实现全时安全监控，提升管理效率

问题与挑战：目前工厂主要是通过例行检查、教育培训和定期评估的方式进行安全生产管理，因人员懈怠或疏忽导致的安全生产事故时有发生。如何利用智能AI辅助精准监管技术提升工厂的安全生产管理效率和精细化管理水平，提供预测预警，以及预防安全生产事故的发生？

AI 解决方案：通过采用深度学习和人工智能技术，智能安监系统可以做到通过网络摄像机传输的画面完成实时智能分析。实现仪表识别、人员行为分析、安全着装规范等一系列基础检测，一经发现视频画面中的人和物隐患和危险行为便会实时报警。所有的分析行为均由机器学习后自主发生，无需人工干预。为企业及时监控不规范生产行为、为避免生产事故提供了**价值的实时监控及预警能力。