縱觀整個機器視覺市場，近幾年來機器視覺技術在汽車制造領域中的全面應用發(fā)展非常迅速。與此同時，應用范圍也越來越廣泛且普及。隨著機器視覺技術在工業(yè)領域中的重要性日益凸顯，其在汽車制造領域中的應用則將成為未來幾年時間內市場的最大推動力。

　　在汽車制造過程中，根據(jù)不同標準的分類，機器視覺技術在其中發(fā)揮著許多不同的作用。上期深度學習專題我們主要講到康耐視產(chǎn)品在汽車裝配過程中，用于電池裝備檢測的解決方案，今天我們繼續(xù)來了解機器視覺在其他板塊的應用。

01、電池光學字符識別——深度學習OCR工具在棘手的條件下讀取電池上的字符

　　常見問題
　　制造商必須能夠快速、準確地定位并讀取電池底部印刷的字母數(shù)字代碼。鏡面光和眩光會導致機器視覺系統(tǒng)難以定位和識別字符，尤其是在字符變形的情況下。檢測系統(tǒng)必須能夠承受這些挑戰(zhàn)才能成功讀取字符。

　　解決方案
　　康耐視深度學習解決方案提供裝配驗證和OCR工具，能夠輕松定位和讀取變形字符。裝配驗證工具可以定位感興趣區(qū)域(ROI)，在這種情況下，感興趣區(qū)域為每個圓柱形電池的頂部，上面標有字母數(shù)字代碼。即使被眩光遮蓋或者對比度低下，OCR工具經(jīng)過預先訓練的全字體功能也能夠識別字符。

　　為了對軟件進行訓練，工程師可在圖像上定義感興趣區(qū)域，該圖像包含一組具有代表性的代碼字符。在訓練和驗證過程中，技術人員僅需重新標記遺漏的字符，直到軟件模型正確識別所有字符為止。這種基于深度學習的OCR方法可減少過多的標記，從而節(jié)省了訓練和開發(fā)過程中所需的時間，并確保準確的讀取。

02、熱界面材料檢測——使用深度學習解決方案確保正確運用熱界面材料

　　常見問題
　　電池會產(chǎn)生大量熱量，這些熱量必須被清除，以防止電池損壞或性能過早下降。熱界面材料(TIM)用于將熱量從電池中傳導出去。許多熱界面材料同時還發(fā)揮著同樣重要的電絕緣功能。

　　熱界面材料必須精確地運用，并且基板之間應當緊密接觸。各種各樣的缺陷(包括氣泡、附著力差和夾雜物) 都可能會使得導熱性和電絕緣性降低。視覺檢測系統(tǒng)必須識別安裝和運用中可能存在的各種缺陷，通常涉及顏色對比度差的材料。在電池裝配件移至下一步后，熱界面材料將被永久性隱藏起來，無法再進行進一步的檢測。此階段發(fā)生的錯誤可能導致生產(chǎn)線下游出現(xiàn)難以診斷的問題。

　　解決方案
　　雖然基于規(guī)則的機器視覺可以準確地檢測出預期的問題，比如：珠子、間隙、安裝寬度及其他常見的特征，但康耐視深度學習解決方案可以進行學習，以檢測各種類型的熱界面材料中存在的更廣泛的安裝問題。如果電池在日后使用時發(fā)生故障，則可以基于所存儲的熱界面材料的特定圖像來識別故障模式，并且您還可以進一步改進深度學習訓練模型，以檢測這些新的錯誤。

03、電容器焊接檢測——使用深度學習解決方案檢測焊接缺陷

　　常見問題
　　電容器是焊接到電動車(EV)逆變器、充電器及其他電路中的至關重要的電子元件。它們也可以互連到超級電容器。這些焊接電氣連接的低電阻和高載流能力對于電動車的操作至關重要。如果與電容器的連接較弱并且導電不良，則會影響車輛的效率。如果關鍵連接完全斷開，則可能導致嚴重的故障。如果斷開的連接位于輔助電池等位置，則車輛可能會完全報廢，需要維修。

　　通過焊接產(chǎn)生的連接在外觀上可能存在顯著變化，但并不影響功能，而不合格的連接在外觀上可能類似于功能正常的連接。鑒于連接問題可能產(chǎn)生的嚴重后果，必須經(jīng)常拉出存在可疑缺陷的焊接元件，并進行X射線檢查，以確認其連接是否正常，這會產(chǎn)生各種成本，并導致生產(chǎn)延誤。

　　解決方案
　　康耐視深度學習解決方案提供缺陷檢測和分類工具，這些工具基于一組包含各種合格和有缺陷的焊料連接變化的圖像集進行了訓練和學習，能夠準確地分類和區(qū)分功能性缺陷與可接受的外觀變化。使用基于示例的方法代替基于規(guī)則的傳統(tǒng)機器視覺可以縮短應用開發(fā)時間。

　　機器視覺系統(tǒng)不僅僅為生產(chǎn)制造提高了自動化效率和產(chǎn)品質量，同時能夠不斷減少人工成本的投入，極大地減輕企業(yè)負荷。多年來，康耐視機器視覺設備不斷實現(xiàn)汽車行業(yè)生產(chǎn)制造的高質量檢測，為汽車品牌的品質建立了保證，大大提高了企業(yè)的效益。未來康耐視將繼續(xù)砥礪前行，為更多行業(yè)生產(chǎn)制造提供不間斷的服務支持。

（轉載）