芯耀
43
斑马技术大中华区技术总监 程宁
在人工智能（AI）快速演进、全球产业结构加速重塑的背景下，备受瞩目的“十五五”规划建议为制造业与数字化转型勾勒了清晰路径。规划建议中提出的“深入推进数字中国建设”、“促进实体经济和数字经济深度融合”以及“全面实施‘人工智能+’”等，都体现出中国推动数智技术更深层次融入产业发展的明确方向。
而汽车产业作为中国实体经济的重要组成部分，正处于加速智能化转型的关键阶段。随着AI技术重塑从研发、生产到质量检测在内的多个环节，不同汽车制造商在应用深度上也呈现出明显差异。尽管部分企业已经走在前列，但整个行业仍在寻求更优质的建议、解决方案与合作伙伴，以便将AI投入真正转化为业务价值——而设备制造商和系统集成商正成为他们寻求答案的关键力量，通过智能化和互联化技术帮助车企提升可见性、质量与效率，推动汽车制造在全流程中实现更高标准的精益运营。而这也呼应了斑马技术近期焕新的全新品牌理念“Better Every Day（每天都更好）”。此理念推崇通过优化工作流程、利用实时数据以及释放自动化与 AI 的潜能，帮助客户在持续的提升与改善中日益精进，从而不断提升运营效率。
2D＋3D数据共塑AI
随着 AI 应用在燃油车和电动车制造中的加速落地，运营技术、工程和质量部门的负责人急需专业支持，也更迫切地想利用生产数据。然而，大量数据被“锁”在了一线，各自分散在设备、系统、厂区、流程这些等环节，无法互联。这些数据恰恰是为AI 模型测试和训练提供了潜力，尤其是能自我学习、自我调整的深度学习模型——即智能自动化。
然而，若无法实时可视并追溯缺陷，再丰富的数据也难以转化为质量改进。《斑马技术2024全球制造愿景研究报告》显示，当今重要的质量管理问题在于实时可见性（全球为33%，亚太地区为40%）、跟上新的标准和法规（全球为29%，亚太地区为30%）、集成数据（全球为27%，亚太地区为31%）以及保持可追溯性（全球和亚太地区均为27%）。对于汽车制造商来说，要解决这些质量难题，归根结底是要用合适的扫描、相机和 3D 传感硬件＋软件，把数据采集、共享、分析打通。目前，机器视觉专家正用新一代智能相机和传感器，构建自动化的视觉解决方案：高速采集更优质的 2D/3D 数据，供深度学习模型训练、测试，并部署到产线端或 PC 端，用于缺陷与异常检测。
汽车业的成功应用案例
- 车门 3D 检测
车门部件的构造极其复杂，小零件可多达80余个，这对质量把控提出了极高的要求。对此，机器视觉系统集成商采用了一种基于双摄像头、单激光3D传感器硬件与人工智能软件集成的解决方案。3D传感器能捕获数千个数据点，并将这些数据点转化为非常详细的点云和深度图，以便让AI软件检测出缺陷。在该解决方案的助力下，汽车制造商OEM能够把复杂部件的缺陷率降低10%-15%。同时，他们还通过利用新系统简化了生产线，降低了维护成本和系统复杂度。该解决方案还可拓展至制药、食品等行业。
- 电池盖帽视觉检测
另一个案例来自于表面处理技术供应商与机器视觉系统集成商的合作，它们联合开发了解决方案用于提升全球汽车制造商生产的电池帽质量。汽车电池帽是一款覆盖在电池顶端的保护组件，能够保护高压电池不受外部因素影响。
该电池帽检测方案采用一款视觉引导机器人，配备了无代码、流程图示机器视觉软件与深度学习功能。在实际检测过程中，视觉引导机器人通过机械臂操纵电池帽进行多方位检测，以排查可能影响质量和性能的细微缺陷。
机器视觉系统集成商表示该解决方案的软件在需要同步分析多个大型图像文件时起到了重要作用，这离不开软件的开发速度和执行效率，以及软件通过深度学习模型实现制造流程持续优化的能力。这得益于利用大规模标注数据集进行深度训练，从而能够通过图像识别并分类特定缺陷类型。
- 针对电动车生产的更多应用
随着汽车制造商OEM开始朝电动汽车制造转型，机器视觉、3D扫描和AI支持汽车制造支持其他一线运营环节的例子屡见不鲜。例如，检测电池单元的缺陷，评估接片和连接器的尺寸及完整性——这些检测因金属表面常见的反光问题而颇具挑战。而使用3D传感器可以通过精确扫描表面来发现缺陷，有效解决对比度不足的问题。
此外，3D轮廓仪和传感器还可以微米级的精度测焊接与密封区域，测量焊缝厚度、尺寸及位置。密封件和焊缝虽属成像困难区域，但借助3D传感器和前沿的成像软件，用户可以捕获每块电池单元的所有维度数据，确保潜在缺陷无一遗漏，从而保障模块组装的准确性。
正是通过这些在质量检测、缺陷识别、电池组件检测等车辆生产各个关键节点中的落地实践，可以看到汽车制造商正以新兴技术实现更高的精度、可见性和生产效率。而这些应用也充分印证了斑马技术全新品牌理念“Better Every Day（每天都更好）”的核心主张：通过智能化、数据化和自动化工具的持续深化，经过日复一日的实践与精进，最终实现运营智能化和效率提升。
