智能制造设备如何拥有最强大脑？机器视觉+AI

博世智能制造解决方案事业部（BMG-3CN）  几维

智能制造产线设备的发展正日益推动着工业领域的进步和创新。随着技术的不断演进，机器视觉和人工智能（AI）两个关键领域的结合，为智能制造设备构建了最强大脑。机器视觉通过传感器和相机等设备获取视觉信息，而AI则通过算法和模型分析这些信息并做出智能决策。博世智能制造解决方案事业部（BMG）致力于提供高性能的产线设备解决方案，已具有数十种结合前沿技术的落地实践，并始终聚焦于持续创新。

设备如何看见？

机器视觉模拟了人类的视觉系统，使用高分辨率相机和先进的成像方案设计，能够实时捕捉设备生产过程中的图像和视频数据。

设备如何思考？

获取大量数据后，人工智能会进行学习，提取模式、关联和规律，从而完成深入理解与智能决策，并执行特定的操作。

随着近些年深度学习能力的飞跃发展，BMG团队结合了大量最新AI技术到实际案例中。例如在汽车制造行业中，常见的应用场景有表面缺陷检测、视觉方案追溯性以及设备动作序列识别等。

01

表面缺陷检测 

表面缺陷检测作为机器视觉领域的经典应用，传统方案需要确认成像方案后，收集足够多的缺陷样本，并通过其形态学特征判定缺陷的检出。缺陷样本的长尾效应是各类学习算法的一大挑战，未知类型的新缺陷也是生产过程中的潜在风险。

而无监督AI方法仅使用易于收集的正常样本，通过在线持续性学习自动工作流，可以同时保持极低的逃逸率和误杀率，较短的推理时间且低维护成本等优点。

02

视觉无损追溯 

生产过程中，零件追溯性可以帮助追踪零件的来源、生产批次和工艺参数等信息，有助于发现和解决问题，提高产品质量。传统方案中零件的追溯性多通过物体表面激光或油墨打印DMC，或使用RFID读写器等。

而在引入基于AI的图像编码方案后，可以仅使用零件表面的图像在数据库中查询该零件的绑定信息，同时具有零件表面无损、没有零件尺寸要求、对环境干扰鲁棒性高等优点，可以实现准确识别，低直通率，并有效降低节拍时间。

03

动作关键点检查 

对于某些半自动化产线，设备的视频流信息可同时实现多种功能的检测。例如，操作员的手部动作、机构到位的时间周期、多个机构间协作异常的实时检测等。

在引入AI技术的检测及追踪后，可仅使用小体积、低功耗、帧率高、响应快的边缘设备进行本地运算，具有数据安全、响应快、成本低等优点。

博世智能制造解决方案事业部提供完善的工艺开发硬件系统和流程，具备高度自动化的机器视觉及人工智能技术。我们秉持本地化理念，通过博世全球资源的支持，确保项目成功实施，并提供专业的技术咨询、培训和售后支持，与客户建立长期合作伙伴关系，共同实现业务增长和成功。