本月，我们将讨论机器人和机器视觉的出现以及人工智能视觉系统的发展所引起的汽车制造环境的技术和文化转变。我们还深入探讨了变革的驱动因素以及增强现实将如何塑造汽车生产制造技术的未来。

制造业中的机器人

制造业中的机器人已经使用了 60 多年，一批商用机器人在 20 世纪 60 年代用于大规模生产 - 这些机器人是拥有大型、笨重的气动臂的庞然大物，但它们为 1970 年代的未来铺平了道路。目前，据估计美国有 200 台此类机器人[1]用于制造业；到 1980 年，这一数字已达到 4,000 台，而现在估计有超过 300 万台机器人在运行 [2]。在此期间，机器视觉行业不断发展，为机器人提供了“眼睛”。机器视觉使用相机传感器技术从环境中捕获图像进行分析以确认位置（当涉及机器人反馈时）、质量评估（从存在验证到测量检查）或仅用于捕获照片以提供保修保护。

汽车行业是大规模生产机器人和视觉系统的大量用户。这主要是由于单元（即制造的汽车）的整体尺寸，以及由于可接受的百万分之一故障率（极低！）而用于质量确认的视觉系统。机器人让重复性、精密的装配任务每次都能准确完成，减少了对体力劳动的需求，为制造提供了更快的速度。

使用工业机器人实现自动化是降低汽车制造成本的有效方法之一。工厂机器人有助于减少劳动力、材料和公用事业费用。机器人自动化减少了人类对制造的参与，降低了工资、福利和工伤索赔。

人工智能机器视觉系统

工业机器视觉背景下的深度学习教导机器人和机器做人类自然会做的事情，即通过实例学习。新的多层“仿生”深度神经网络使新的机器视觉解决方案能够模仿人类大脑在学习任务时的活动，从而使视觉系统能够识别图像、感知趋势并理解代表缺陷的图像的细微变化。 [3]

机器视觉在定量测量具有一致的相机分辨率、光学和照明的高度结构化场景方面表现良好。深度学习可以处理需要了解与控制介质的可容忍偏差的缺陷变化，例如图像中纹理、照明、阴影或失真的变化。深度学习视觉系统可用于表面检测、物体识别、部件检测和零件识别。人工智能深度学习有助于解决传统机器视觉可能遇到困难的情况，例如由于生产和工艺限制而导致尺寸、形状、对比度和亮度变化的零件。

生产环境中的增强现实

在工业制造中，机器视觉主要关注质量控制，即对组件、产品或子组件进行自动视觉识别，以确保其正确。这可以指测量、物体的存在、读取代码或验证打印。将增强混合现实与自动化机器视觉操作相结合，创建了一个提高效率的平台。人们正在转向利用人工智能机器视觉系统（如果适用！）来提高视觉系统中某些质量控制检查的可靠性。然后，将该评估与操作员结合起来。

假设一名操作员或装配工人坐在工作站前，佩戴 HoloLens 或 Apple Vision Pro（增强现实耳机）等可穿戴技术。操作员可以将多个部件组装成一个复杂的单元。他们可以看到周围的有形物体，包括组件和组件。他们仍然可以与数字内容交互，例如实时更新到云的共享文档或汇编指令。这本质上就是混合现实的承诺。

混合现实设备使用动画提示、3D 投影和说明来指导操作员完成整个过程。机器视觉摄像机位于操作员上方，提供下方场景的视图。当每个步骤完成并组装零件时，视觉系统会自动检查产品。通过和失败标准可以自动投射到混合现实环境中操作员的视野中，使他们能够在知道零件已被检查的同时继续构建。如果零件被拒收，操作员会收到“传送”到投影中的新序列，其中包含有关如何继续处理失败组件以及将其放置在何处的说明。当与机器视觉检测集成时，混合现实已成为生产过程的标准方面。来自机器视觉系统的数据、统计数据和重要的质量信息实时显示在操作员的视野中。

机器人、人工智能视觉系统和增强现实

让我们快进几年，看看未来会是什么样子。嗯，它是所有这些技术的结合，因为它们不断发展和成熟。因此，安装在协作机器人上的人工智能视觉系统有助于手动组装，而操作员则佩戴增强现实耳机来指导和指导非熟练工人的整个过程。在对所有任务进行质量评估和确认的同时，对工人进行跟踪，同时存储数据以实现可追溯性和保修保护。

在直接汽车制造中，随着大型人工智能深度学习数据集更容易用于特定的质量控制任务，视觉系统将变得更容易使用。随着越来越多的汽车和一级和二级供应商使用人工智能视觉来监控其生产，这些数据集将继续发展，从而允许在整个工厂车间进行更快的部署和高精度的质量控制评估。