Automation NTH是位于美國田納西州納什維爾的自動化集成商。因其客戶群體的跨行業(yè)特性及技術(shù)需求的差異，Automation NTH需始終保持高度的靈活適應(yīng)性，以應(yīng)對各類棘手視覺應(yīng)用：客戶可能期望在不損害精密部件的前提下，實現(xiàn)精密設(shè)備組裝過程的自動化升級，或是確保組裝部件中各個元件位置的精準驗證。而無論應(yīng)用場景如何變化，機器視覺技術(shù)往往是滿足這些多樣化需求的關(guān)鍵。

本期案例深入剖析了Automation NTH如何幫助一個汽車行業(yè)客戶提升生產(chǎn)效率并加強缺陷檢測能力。介紹其如何借助康耐視的深度學習技術(shù)，成功克服一系列汽車行業(yè)中的自動化挑戰(zhàn)。

挑戰(zhàn)

在汽車制造瑕疵檢測中

克干擾、保精準、降誤檢

在汽車制造這一精密復雜的工業(yè)場景中，表面瑕疵檢測面臨著油漬、水分、油漆殘留、灰塵及反光等多重外部因素的嚴峻挑戰(zhàn)。這些干擾因素不僅增加了誤檢率，還導致了不必要的非質(zhì)量成本支出。尤為關(guān)鍵的是，汽車部件對表面瑕疵與功能缺陷的容忍度各異，要求機器視覺系統(tǒng)必須具備高度的靈活性與精準性，以適應(yīng)多樣化的檢測標準：? 精確檢測發(fā)動機缸體中線夾的位置，同時克服油、水、油漆和反光表面等成像難題? 避免將新供應(yīng)商引入的元件幾何形狀變化誤判為缺陷，確保解決方案能夠適應(yīng)未來的變化。

康耐視"In-Sight D900視覺系統(tǒng)+VisionPro深度學習軟件"組合方案，成為此次合作的制勝法寶。In-Sight D900以其卓越的圖像采集能力為基礎(chǔ)，而VisionPro深度學習軟件則依托人工智能的強大算力，僅需少量樣本即可快速構(gòu)建并優(yōu)化檢測模型，實現(xiàn)對細微且多變?nèi)毕莸木珳什蹲?。該方案不僅簡化了檢測流程，降低了對光源與光照條件的嚴苛要求，更極大地減少了人工復核的需求，提升了檢測效率與可靠性。

In-Sight D900與VisionPro深度學習軟件的投入使用，不僅成功區(qū)分了表面瑕疵與功能缺陷，顯著降低了廢品率，還通過自動化檢測大幅提升了生產(chǎn)效率與成本效益。同時，該方案提供的數(shù)據(jù)分析與反饋機制，為企業(yè)優(yōu)化生產(chǎn)流程、提升產(chǎn)品質(zhì)量提供了有力支持。這一解決方案的成效顯著：

? 降低廢品率：有效區(qū)分表面瑕疵與功能缺陷，顯著降低了產(chǎn)品報廢率

? 提升產(chǎn)量與降低成本：通過機器視覺實現(xiàn)自動化檢測，提高了生產(chǎn)效率，并降低了人力和物力成本

? 優(yōu)化生產(chǎn)過程：康耐視機器視覺系統(tǒng)提供的詳細數(shù)據(jù)分析和反饋，幫助企業(yè)優(yōu)化生產(chǎn)流程，從源頭提高產(chǎn)品質(zhì)量和生產(chǎn)效率