檢視 AI助力大连林德工程智能质检的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://p7.itc.cn/images01/20230815/d9376b0543934a049f26b53daa01ae80.png width="300"></center>
<small>[https://www.sohu.com/a/712045308_381658 来自 搜狐网 的图片]</small>
|}

'''AI助力大连林德工程智能质检'''林德集团是全球领先的气体和工程集团，是[[工业]]气体、工艺与特 种气体的全球领先供应商。大连林德是林德集团最早在中国建立的合 资公司，是林德集团在国内生产填料塔和气体分离设备最主要的公司。

==一、案例简介==

该项目所针对的特种气体装备的核心部件进行百分之百检测。检测[[工作]]包括气体分布管的宽度，两头斜面角度，下排孔的孔间距，下 排孔的孔径等，检测精度要求达到0.05mm。当前检测手段主要依赖人工手持卡尺，逐个孔、逐个面进行测量和记录，效率低下，一根气 体分布管平均检测时间2-3小时，在供货高峰期，检测人力并行投入 5-10人。针对该企业气体分布管质量检测工作中的需求，设计了一套 以5G数字传输和AI图像处理等技术为主的解决[[方案]]，该解决方案 实现了由传统的工人手工逐孔测量，提升为AI机器视觉全自动整件 检测。

==二、案例背景==

该项目所针对的特种气体装备的核心部件：气体分布管（料长 4-6米，铝合金材质），由于该部件对整体设备的质量由决定性影响， 原材料入场后需进行百分之百检测。目前分布管的质量检测工作，存 在检测耗时长、人工工时[[成本]]高、对员工责任心要求极高的短板，且 一旦有问题和缺陷遗留在产品内部，会对整体产品造成巨大的影响， 返工代价高昂。前期该企业在这两个质量检测环节不断地增大人力和 物力投入，用反复检测、相互审核的方式来保证产品质量的稳定性。 但是效果并不理想，相关投入与带来的质量提升收益不成正比，尤其 是个别人员专注度、责任心的问题总是成为[[质量]]管理中的脆弱点，从 而导致较多的返工成本。缺乏稳定有效的质量保证措施和成为该企业<ref>[https://www.sohu.com/a/127428832_379156 企业是什么？] ，搜狐，2017-02-28 </ref> 最为困扰的问题之一。

==三、案例介绍==

为了规避因人为技能稳定性、责任心等不确定因素导致产生的质 量风险，基于当前已经趋于成熟的[[人工智能]]<ref>[https://www.sohu.com/a/429466389_120797189 认识人工智能的九个方面]，搜狐，2020-11-04</ref>技术和工业互联网技术与 标准，构建一整套的智能化检测系统，针对该企业客户生产过程中的 质量检测需求，实现智能化检测和质量判断，提升质检效率、降低现 场工作人员劳动强度、优化质量管控工作流程、保证产品质量检测的 稳定性，从而降低质量管理成本和产品返工成本，提升整体生产效率和产品质量。

本项目方案主要针对分布管的生产环节进行质量检测手段的优 化和提升。主要涉及图像数据采集、图像和数据预处理、5G数据高 速传输网络、智能识别计算技术、华为ModelArts模型训练与深度学习、华为云[[大数据]]存储等技术。

该项目现场布防专用检测平台，采用专用大口径、高精度图像采 集设备进行多孔孔径、孔距、边距等信息的图像采集，图像处理技术 和高精度的运动控制技术相结合，采集到的设备图像信息通过现场工业[[计算机]]的预处理，经5G网络上传ModelArts系统进行识别和处理， 处理结果反馈到终端进行质量检测辅助决策，同时能够做到在云端数 据存储系统留存样本备查。

==四、典型经验提炼==

===（一）具体措施和成效===

====1 .具体实施技术方案====

现场部署专用检测[[信息]]采集平台，采用专用大口径、高精度图像

采集设备进行多孔孔径、孔距、边距等信息的图像采集，图像处理技术和高精度的运动控制技术相结合。

采集到的设备图像信息及数据通过现场工业[[计算机]]的预处理，经 5G网络提供的边云高速通道上传到华为公有云智能边缘平台，智能 边缘平台ModelArts系统，匹配视觉质检模型进行智能识别和质检处 理，处理结果反馈到终端进行质量检测辅助决策，同时在云端数据存 储系统留存样本备查。

==参考文献==
[[Category:500 社會科學類]]