深度学习在汽车制造中的应用【追溯系统篇】-现代物流杂志官网

// 前言

///

NOCITCE

汽车工业在国家的经济发展中，起着举足轻重的作用。它反映了一个国家的工业水平和经济水平。汽车工业是工业机器人应用最早，也是最为广泛的领域，汽车制造的高度自动化使得机器人越来越多。然而这些还是远远不够的。

进入到工业4.0时代之后，工厂开始从制造向“智造”转变，数字化和智能化车间，已经成为汽车智能制造的重要载体。近年来更是出现了“无人化”车间，弧焊、点焊、装配、搬运、喷漆、检测、码垛、研磨抛光和激光加工等复杂作业全部交由工业机器人来完成，上百台不同类型的机器人分工明确、林立在生产线两边，只需很短的时间，一辆完整的汽车就在机器人的“有条不紊”中“诞生”了。

首先要明确的一点是，工业4.0的核心是数据。随着智能装备和智能终端的普及，以及各种传感器的应用，汽车工业中的生产数据、产品数据都将会得到采集。这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期。因而作为汽车行业追溯系统的基石，必须保证这些数据的准确性。

机器视觉技术在汽车制造业中的应用,大大提高了工艺运行质量和生产效率,降低了劳动强度,已在不少国内大企业得到成功的应用。但随着工业数据采集需求越来越多，场景越来越复杂，在某些应用场景上，传统机器视觉已经力不从心。

对于传统视觉算法来说，大致可以分为以下5个步骤：特征感知，图像预处理，特征提取，特征筛选，推理预测与识别。但在工业应用场景中，往往会出现以下问题，导致读取率和稳定性上无法满足用户的需求。

背景干扰多

对比度低且字符不规则

对焦不清晰

深度学习最大的不同之处在于，它不再通过精心编程的算法来搜索特定特征，而是训练深度学习系统内的神经网络。随着深度学习系统提供的计算能力的增强，计算机将能够识别并对它所看到的一切做出反应。所以，深度学习的识别方式将不再对以上这些复杂场景有特定的要求。

发动机和压缩机OCR字符识别

车窗和安全扣OCR字符识别

车架和轮胎OCR字符识别

优势亮点

通过深度学习视觉技术，字符识别准确率和产品的追溯都不再是难题！

End

Ebox-Q100 OCR识别系统是阿丘科技专为工厂自动化设计开发的一套基于AI技术的系统解决方案，该方案将深度学习与嵌入式技术结合，可以帮客户轻松解决对于传统机器视觉来说场景复杂、部署困难、且具有挑战的OCR应用场景。

该方案包含工业相机、嵌入式控制器、识别软件（包含嵌入式推理软件、流程调试软件、AI模型训练软件）及配套硬件等，对于不同行业、不同场景的字符利用AI训练软件单独进行模型训练，再将训练模型嵌入到控制器中进行推理识别，整个过程无须编程，有效降低使用难度，可快速部署应用。