基于深度學習的汽車裝配在線檢測案例
1 項目背景
簡易科技定位為智能制造服務、系統與解決方案供應商，為持續提升效益提供信息化手段、工具、平臺和服務，達到為客戶提升效益和質量的目標。
項目解決的痛點：1、企業檢測成本高，部分或全部取代人工檢測；2、產品實時在線全檢代替離線抽樣檢測，提高產品檢測效率。3、產品質量檢測的自動化、智能化。
2 項目實施
1）總體實施思路與架構（300字以內）
預期目標：
-完成汽車零部件產品質量在線檢測系統開和設計；
實施思路：
吸收國外先進的科學理論和技術，借鑒行業發展的最新成果。發揮企業技術人員的攻關能力，針對企業 的需求和痛點，展開技術攻關，通過大量的分析和研究不斷升級迭代，完善了解決方案，形成了本公司的專利技術。
實施架構
第一階段：
組織與計劃：完成項目的立項、項目組織的建設、項目啟動等工作。
系統規劃：主要完成需求調研，形成系統的業務藍圖。
第二階段：
系統研發：完成系統軟、硬件開發，系統的測試。
上線準備：主要完成上線前的各種準備工作。
第三階段：
系統上線：主要完成系統的正式運行，完善系統運行。
第四階段
在業內樹立良好的企業形象和信譽，形成自己的服務品牌，實現產業化。
2）應用場景與技術方案
領域：工業，主要針對汽車制造業
本項目重點圍繞質量檢測需要的數據采集、數據傳輸以及數據處理和比對等主要環節。采集生產線電壓、擠膠壓力、冷卻溫度、牽引速度、運轉速度等數據，數據流量約為1MB/s。通過千兆高速有線傳輸網絡，傳輸至大數據計算分析平臺。同時采用4部工業攝像機對生產線末端輸出機的成品進行圖像拍照，每部攝像機的數據流量最大為29.5M/s，四部攝像機的數據流量為118M/s，每天產生的圖像數據量約為3T ，也采用千兆有線網絡進行傳輸。經過在線質量實時判決系統分析對比，將對比分析結果數據傳輸至大數據計算分析平臺，結合生產線采集數據進行智能決策分析。隨著對存儲量不斷增加的數據進行挖掘分析，生成產品質量發展趨勢預測和生產線狀態預判，降低生產廢品率，縮短生產周期，提高企業的生產管理效率。
場景：
自動化沖壓產品檢測：級進模沖壓線異物掉入及料帶拱起智能監測
檢測指標：
異物的最小當量直徑為3mm；
料帶拱起的最小高度為20mm；
系統從監測到異物或拱料到機床停機最大時間為200ms；
系統每秒采集處理40張圖片，完全滿足級進模機床的最大沖壓頻率60沖次/min；
多產品數據智能分析，防止質量及安全事故發生。
膠管表面缺陷監測
檢測到的凸點
測到的劃縫
鋁箔標記
3 實施效果
項目實施對客戶的經濟效益提升較大，根據我們的客戶測算，為凌云工業提升的效益如下：
效率提升，設備全局效率由65%提升到70%；
質量提升，合格品率有原來的95%提升到98%；
檢測方式，有原來的抽檢改為全檢，對產品質量的全面把控；
減少了檢測人員，每條線減少2個人日，合計減少10人年；
成本降低：人員成本和管理成本降低，廢品數降低；
由于建立了監測平臺，有助于優化生產和管理。
AII微信公眾號
AII頭條號