02 .

类型检测

挑战

汽车制造过程中，轮毂是否正确装配影响生产效率，而轮毂种类繁多，目前许多汽车企业采取人工目测的方法对轮毂类型进行识别和检测，但识别效率低、准确率低。

方案案例

方案选用海康机器人MV-CA050-10GM高分辨率相机，配合大面积中孔面光源，利用深度学习分类工具，对产线轮毂的类型进行识别（约200种），实现轮毂分类。初始模型的训练每类样本收集80-100张，综合识别率可达99%以上，通过现场的迭代，最终识别准确率达99.99%以上。深度学习分类算法利用卷积神经网络和大数据样本优势，提升了识别率和识别容量。

图为500万高分辨率相机利用深度学习工具识别汽车轮毂类型

. 03

缺失检测

挑战

汽车的生产过程中零件众多，部件缺失会减少产品的使用寿命，人工检测方法效率低、检测错误率较高，产品存在安全质量风险。

方案案例

通过SC2016视觉传感器进行高速图像处理，产品植入了高精度定位与测量算法，利用模板匹配或Blob分析等工具模块，对档位传感器白色胶圈进行缺失检测，识别正确率达99.9%。与人工检测相比，提升了效率且减少了错误发生的概率，以提升产品安全质量并确保生产作业正常有序开展。

图为SC2016视觉传感器识别汽车部件-档位传感器胶圈有无