基于AI機器視覺的汽車軸承檢測案例
引言：思謀科技以“致力持續創新，創造卓越價值”為使命，旨在引領制造產業優化、機器視覺等前沿技術研究，持續打造更具拓展性和普惠價值的智能工業和數智創新平臺，推動探索數字化轉型和智能化升級的創新未來。
2019年國家提出人工智能為制造業轉型提升賦能的方針計劃，同時汽車行業的質量要求越來越高，人員的穩定性已經大大影響了企業的質量把控，基于這些因素的影響，思謀結合自身在人工智能技術領域的積累以及對于軸承行業的認知，推出了基于AI機器視覺的汽車軸承智能檢測方案。
ViMo智能工業平臺為國內外超過100家汽車主機廠及零部件企業提供AI檢測能力，涵蓋了發動機系統，底盤系統，車身系統，電子電氣系統多部件全方位的檢測。
思謀已經在汽車行業落地了多個外觀檢測項目，覆蓋動力總成系統、車身系統、底盤系統、電控系統等，包括平面推理軸承/滾動軸承外觀檢測、剎車卡鉗缺陷檢測、轉向節精磨面缺陷檢測，以及儀表盤外觀終檢等，均為客戶實現了降本、增效、提質的顯著效果。思謀未來將把智能工業平臺 ViMo應用在更全面的汽車制造場景，助力汽車行業實現智能制造全面升級。
項目
概況
1.
項目背景
軸承是汽車的關鍵基礎零部件，直接決定著汽車的性能、質量和可靠性，一直被譽為汽車的“心臟”部件。德國舍弗勒是全球范圍內提供滾動軸承和滑動軸承解決方案、直線和直接驅動技術的領導企業，也是汽車行業發動機、變速箱和底盤應用領域高精密產品與系統的知名供應商。在生產過程中，該企業的汽車軸承產品型號多，尺寸范圍大，缺陷種類超過20種，包括壓傷、劃傷、異色、生銹、滲碳等。更棘手的是，90%的汽車零部件表面都涂有流動的防銹油，避免潮濕天氣使其生銹或刮傷，汽車軸承也不例外。這就導致軸承表面會產生高反光，也可能摻入雜質，增加了缺陷檢測的難度。此前，企業采用傳統視覺技術+人工的方式檢測，但遇到了較高的產品質量風險。原因在于，傳統視覺技術無法對所有缺陷實現100%的外觀檢測。此外，質檢工人的檢測水平不穩定，頻繁發生客訴，再加上人員流動性高，用人成本不斷提升。因此，現有的檢測方式已經無法滿足企業對于產品質量越來越高的要求。
在舍弗勒全球推動智能化的要求下，舍弗勒大中華區的團隊與思謀進行合作，利用思謀的AI技術幫助他們解決軸承質量檢測問題。
2. 項目簡介
針對
行業和
企業痛點，思謀根據軸承行業的生產特性，提供了基于AI的汽車軸承智能檢測與數據分析解決方案，依托ViMo智能工業平臺，同時針對性設計光學&核心機械機構方案，并搭配工業大數據商業智能平臺BI，實現了產品的100%自動化智能全檢與檢測數據的智能分析。
項目目標
（
1
）
實現汽車軸承智能檢測代替人工檢測
；
（
2
）
建立算法、軟件、設備的一體化檢測系統。
（
3
）
AI全檢，為企業節省人力成本約80%
。
（
4
）處理速度小于0.2秒每片，檢出率大于9
5
%，過檢率小于5%，處理速度小于0.2秒每片。
二、項目實施概況
源于對軸承生產工藝的深入理解，思謀自研視覺融合方案，依托
思謀
ViMo 智能工業平臺，將OCR字符識別、檢測、分割等定制化AI算法進行融合，形成了一個專門適用于汽車軸承行業檢測的算法庫，攻克了兩大行業難題——對生銹缺陷的精準識別，以及對臟污、壓傷缺陷的精準區分，實現了視覺技術在軸承檢測應用的新突破。方案兼容超過20種產品型號，可一次識別23種缺陷，檢出≥99．59％，過檢率≤5％，檢測水平領先行業。
1. 項目總體架構和主要內容
基于思謀的人工智能技術，結合軸承缺陷檢測的要求，思謀設計了全流程解決方案，涵蓋算法、軟件、硬件等。
整體解決方案架構如圖1所示。
圖1 整體解決方案
設備由相機、機器人、電氣等組成一個自動化設備，自動化設備采集的數據通過集成在工業電腦中的思謀人工智能算法進行軸承缺陷的檢測，為軸承提供量測、質檢、定位、OCR等技術的應用，同時將數據檢測過程的數據直接上傳到服務器中，為生產、管理層提供數據可視化和數據追蹤。
項目的實施過程經歷了需求分析、打光測試、方案設計、設備制造、模型訓練、軟件交付等6個階段。
圖2實施過程
2. 算法方案
基于軸承行業的了解，結合思謀AI機器視覺技術，采用多任務模式將AI OCR、檢測、分割等定制化算法進行融合，形成了一個專門適用于軸承行業檢測的算法庫。軸承材質都是金屬，不同型號的工藝類似，缺陷種類相同，隨著缺陷數據量的持續增加，基于思謀AI算法強大的適配性，能夠更好的適應不同軸承的檢測要求，做到快速適配。
圖3 軸承檢測算法方案
在軸承項目中，思謀使用了分割算法，由于項目中的缺陷形態多樣，缺陷的面積差異很大，因此我們使用了多分辨率結合的分割模型，在模型中保持一個高分辨率的分支，并且將其與不同低分辨率分支的特征進行融合與交互，來適配項目中不同的缺陷種類，從而達到最優的精度。項目采用了思謀自研的SMAP訓練框架，框架集成了常見的分類、分割、檢測、關鍵點等任務，可以方便的調用蒸餾、NAS、HPO等工具來提升效果，打通了從模型到SDK的鏈路，實現更高效的模型落地。
在訓練過程中，綜合考慮模型的訓練速度和精度，如果使用全精度模型，會導致訓練速度慢、顯存占用高等問題，但是使用半精度模型，會大大降低模型精度，因此在訓練過程中思謀使用了半精度和全精度結合的混合精度方案，即大部分模型使用半精度，但是對于一些敏感的部分使用全精度，這種兩種精度相結合的混合精度訓練方式，可以將速度和精度的平衡達到最優。在系統部署時，思謀全部使用了半精度模型，來達到最快的運行速度，并且相比較與之前的混合精度模型，不會有精度損失。算法精度方案如圖4所示。
圖4 算法精度方案
3. 數字化管理架構
數字化管理架構旨在采集現場的實時檢測數據，通過思謀的ViMo平臺以及ViMo平臺數據服務器進行數字化的管理，提升生產的管理。
數字化管理架構如圖5所示
圖5 數字化管理架構
產線設備在生產過程種通過Vimo應用程序，配合現場的相機、光源、PLC等對實時生產的產品進行質量檢測，檢測的相關數據（圖片、檢測結果、缺陷類型等）上傳到SMore Vimo，進行AI模型訓練，處理后的數據通過ViMo數據服務器進行數字化看板展示。基于不同的缺陷，思謀的AI技術進行數據獨立存儲管理，一方面可以更有效的真的某種缺陷進行數字增量強化，又可以更好的為管理層提供高效的管理決策依據，優化生產。
4. 軸承檢測設備及多樣性的適配方案
不同的產品線對于設備有不同的要求，目前思謀根據不同的需求，已經推出了三款通用化的軸承檢測設備（如圖6），可以充分適配客戶對于自動化的要求，從20個/分鐘到80個/每分鐘都可以完美適配，自動化方案雖然有差異性，但是算法可以完美適配，做到設備萬變但算法始終獨立。
圖6 多樣化汽車軸承檢測設備
圖7 思謀汽車軸承智能檢測一體機
思謀開發的汽車軸承智能檢測一體機（圖7 ）具有顯著的性能優勢：與產線無縫對接，可以完美適配目前的裝配線，顯現自動化檢測；可以按照檢測需求對缺陷檢測參數進行自動化配置；可實現整個產品3個面外觀檢測，內壁缺陷檢測，實現產品無死角的高精度外觀檢測；采用機器視覺技術，分類、分割、檢測、智能OCR四大算法的綜合集成方案，實現多種特定要求的完美適配，實現異性OCR完全識別檢測；檢測速度可達1200pcs/h。
5. 安全及可靠性
思謀基于AI機器視覺的汽車軸承檢測案例的技術方案從算法，軟件開發，機械設計等完全由思謀自主研發（如圖8）。
算法層面：思謀基于AI機器學習自研的三大算法AI OCR,分割，檢測，針對軸承行業的特性進行了專業化的優化和開發，能夠適配同類軸承所有的檢測需求，實現完全自主開發。
軟件開發：從最底層的相機集成，到完成的軟件處理邏輯以及AI算法模型的封裝調用完全由思謀團隊自主開發，可以做到真的不同項目需求靈活適配的定制化開發，不受外部影響。
機械設計：思謀基于AI技術的要求以及軸承行業生產的獨特要求，設計了三款運行方式完全不一樣的自動化設備，滿足不同生產工藝的要求，完全由思謀自主設計，自主生產，擁有百分百地核心方案技術。
圖8 技術及配件來源確保安全可靠
6. 整體方案效果
思謀基于AI機器視覺的汽車軸承檢測案例區別于其他競品的地方在于從最開始的光學方案到整體機械方案再到算法開發完全行程閉環，在閉環的同時又在各個環節充分體現了創新性以及專業性，真正地做到了能夠百分之百獨立完成項目落地。
圖9 整體方案效果
7.
其他亮點
（1）可拓展性
思謀針對軸承行業的算法，通過大量的項目驗證后，可以將模型抽離出來行程針對以特定金屬產品行業的通用算法庫，不僅僅可以檢測軸承，只要是跟軸承同樣類似材質的金屬均可以使用，這就更好的提升了AI行業的適用性以及適用性。
（2）避免產品二次不良
思謀基于AI機器視覺的汽車軸承檢測方案使用在軸承防銹處理以后，整個表面都存在一封防銹油，思謀設計的方案一方面可以無視防銹油的影響，提升了檢測效率，另一方面也避免了檢測過程中由于二次污染造成的二次不良。
（3）困難缺陷的技術突破
生銹是汽車軸承生產中非常重要的檢測項，但是輕微生銹由于表面只是輕微發黃，所以在之前的視覺檢測技術中一直無法很好的解決。思謀的AI技術針對于該種缺陷項，設計開發了特定的分割算法，不僅僅能將生銹完全檢出，還能根據生產的要求，根據生銹面積進行不同風險等級的提示報警。
三、下一步實施計劃
1. 計劃1--客戶企業內部擴大應用
在舍弗勒集團進行縱向推廣，覆蓋更多的軸承產線，同步將該技術推廣到舍弗勒全球其他工廠。
2. 計劃2--行業內推廣應用
利用思謀的AI算法框架，在國內其他軸承廠商進行橫向推廣，在不泄露或者復用其競爭對手數據的情況下，更好的為汽車軸承提供更優質的AI機器視覺軸承檢測方案。
3.
計劃3--全面推廣應用
汽車軸承AI質檢項目是基于思謀的ViMo智能工業平臺研發的，該平臺是一個全鏈路工具化智能平臺，打通了數據收集、模型訓練、模型部署、模型迭代全流程。因此基于該平臺，本項目的底層方法、技術可復制到汽車零部件的其他產品檢測中，例如零部件溢膠檢測、散熱器外觀檢測、汽車微小元器件字符檢測、機油濾清器缺陷檢測、安全閥缺陷檢測。同時，也可復制到消費電子、新能源電池、半導體、泛半導體、食品等行業的產品檢測中。
四、項目創新點和實施效果
1. 項目先進性及創新點
（1）攻克兩大行業難題
攻克了兩大行業難題——對生銹缺陷的精準識別，以及對臟污、壓傷缺陷的精準區分，實現了視覺技術在軸承檢測應用的新突破。方案兼容超過20種產品型號，可一次識別23種缺陷，檢出≥99.59%，過檢率≤5%，檢測水平領先行業。（2）實現百分百人力替代
思謀基于AI機器視覺的算法涵蓋了軸承生產過程中的發生的所有缺陷，做到真正意義上的百分百人力替代，產能可以根據客戶的需要提升1~4倍。尤其是在卷邊裂紋以及輕微生銹兩種缺陷上，思謀開創了新的檢測算法，能夠在復雜的背景下準確的識別檢測這兩種缺陷
（3）行業首創的光學整體方案
思謀行業首創獨特的光學整體方案采用站立式旋轉拍照，設計了主動+從動雙軸模式，既能解決軸承OD面平放成像時造成的像素失真、產品打滑問題，又能避免混入雜質造成二次污染，從而高精度100%呈現出缺陷大小、尺寸等真實信息，保證檢測的穩定性（圖10）。在機械設計方面，思謀自主設計了設備方案，適用于大、中、小型各種尺寸軸承的缺陷檢測，最快檢測速度達到120個/分鐘，比行業平均水平高出至少50%，可無縫對接客戶產線，并能快速適應產品切換需求。
圖10 獨特的光學整體方案和算法方案
2. 實施效果
圖11 實施效果示意圖
思謀汽車軸承智能檢測與數據分析方案應用到產線后，達到了超出客戶預期的成效：一天可完成8萬片軸承檢測，處理速度小于0.2秒每片，檢出率大于99%，過檢率小于5%，處理速度小于0.2秒每片，實現AI全檢，為企業節省人力成本約80%，實現每條產線節省6人/每天（圖11）。幫助企業真正意義上實現的自動化生產，解決掉了生產環節上最后一個人員密集型工位，降低了人力成本，提升了產品質量。目前，該方案已經復制到客戶的4條產線中，持續為客戶降低成本，提升效益。該企業生產部門負責人對思謀給予了高度評價：“思謀AI技術解決了一直困擾平臺的產品質量問題，流入市場的產品真正實現了零缺陷?！?/span>
聲明
本報告所載的材料和信息，包括但不限于文本、圖片、數據、觀點、建議，不構成法律建議，也不應替代律師意見。本報告所有材料或內容的知識產權歸工業互聯網產業聯盟所有（注明是引自其他方的內容除外），并受法律保護。如需轉載，需聯系本聯盟并獲得授權許可。未經授權許可，任何人不得將報告的全部或部分內容以發布、轉載、匯編、轉讓、出售等方式使用，不得將報告的全部或部分內容通過網絡方式傳播，不得在任何公開場合使用報告內相關描述及相關數據圖表。違反上述聲明者，本聯盟將追究其相關法律責任。
AII微信公眾號
AII頭條號