2同行回答
我国汽车年产量早已超过 2500 万辆，由此形成了一个庞大的汽车零部件市场。基于视觉算法技术优势，可以解决整车与零部件外观检测的问题。
在整车装配生产过程中，车身漆面、零部件识别以及各外观零部件的配合间隙是汽车行业普遍存在的质量难题。由于缺陷种类多、尺寸小、肉眼易疲劳等因素，人工检测存在耗时长、效率低、疲劳后易产生漏检等缺点。通过 AI 视觉检测技术可以实现整车外观式样检测，含前脸、尾箱、车门、 Logo 等外形轮廓、外观颜色识别和尺寸检测以及轮胎轮毂样式、尺寸、颜色、 OCR 等检测内容。可以实现外观式样 100% 检出率以及 85% 以上的人工替代率，帮助企业有效把控质量并降低成本。
此外，针对量大的通用零配件可提供 AOI 检测设备，实现产品的自动上料、自动检测、自动踢料等功能，例如橡胶气门嘴、橡胶密封圈等橡胶材质表面的气泡、杂质、毛刺等缺陷以及尺寸的检测。通过 AI+CV 的有效结合，可以实现缺陷的检出率＞ 99.9% ，误检率＜ 0.1% 。
工厂质量控制体系就是为满足产品的质量要求，而实时进行的质量测量和监督检查系统。特别是在汽车零部件、3C 产品零部件与外壳、芯片、纺织品、光伏等行业，外观质量检测是非常重要的一个环节，极大影响着产出产品的质量和 产品产出速度，受限于大量的质检人员个体差异和生理限制，测量工具不能将结果及时数字化和智能化等，经常导致了 生产质量事故频发，管理人员难以准确的判断质量管控运行状态。
5G+AI 工业视觉充分发挥先进技术有优势，被引入到 零部件出厂检、入场检、安装检、在线检、抽检和出厂检等各个环节，解决传统管理上的难点和痛点，助力企业质量提升。
5G+AI 的外观质量检查方案，依托 AI 深度视觉检测技术和 5G 通信技术进行融合，可在复杂纹理图像分类和背景干 扰的情况下大幅度减少漏检误检，缺陷阀精确可控，同步实现检测结果数据实时同步，实现数据模型高效快速迭代闭环， 不断提升现场模型准确率。
案例：
某汽车主机厂总装车间，汽车生产的最后一道工序，还是需要依靠大量的人力对车身进行装配，针对车灯检测的场 景，由于混线生产检测，检测人员完全依赖经验对车型的车型进行检测，此外由于总装线上的灯光干扰严重，检测人员 也需要避免外界光源对车灯检测的干扰，并且检测节拍较短，对于检测人员的检测速度上也是有很高的要求。现有检查 方案如下图所示 ;
目前传统人工质检面临质量、特殊场景应对和信息集成的问题:
1、质量:人工质检中需要有经验的质检人员基于 20+ 种类型的车清楚知道什么零部件配什么车型，对人的经验要求 高，新员工不熟悉车型会存在漏检问题;
2、长时间在强光源场景下，需要做相关的人因防护，避免眼睛长时间接触光源。
3、信息集成:目前无法做到无法做到车型和车灯物料匹配，物料偏差后不可追溯。
解决方案：
5G+AI 的质量检查方案，依托 AI 深度视觉检测技术和 5G 通信技术进行融合，基于 MES 系统型号 BOM 数据自动 识别不同车型同一款车型支持不同配置， 8s 内自动完成检测，检测准确率 99%+ ，同时存储相应的过程数据可以基于车 型号可追溯。