利用深度学习实现全面监控

严格的电气连接质量检查要求

Bosch Car Multimédia 作为汽车行业众多客户的电气元件供应商，对其生产的汽车传感器有着严格的质量要求。为确保满足这一高标准，必须快速可靠地检测出缺陷。本案例中的任务是检查金属弹簧的缺陷。这些弹簧构成了主电路板与传感器盖子上铜套之间的电气连接。这项工艺采用手工加工，因此在生产中，金属弹簧可能会出现不同的缺陷。

利用机器视觉优化质量检查

Bosch 之前已经采纳自动检查流程，但希望进一步优化。目的是提高检查的整体质量，保证新解决方案的经济高效，并减少应用的维护工作。Bosch 选择了位于慕尼黑的 MVTec Software GmbH 开发的 MERLIC 机器视觉软件。 MVTec MERLIC 是一款易于使用的机器视觉软件，即使是没有编程技能的用户，也能解决常见的机器视觉应用。

深度学习助力缺陷检测

Bosch 应用中的机器视觉是这样的：一台 500 万像素相机从上方捕捉每个元件的图像。使用全局上下文异常值检测，检查捕捉到的金属弹簧图像。深度学习技术有两个神经网络。“局部”网络负责检查小型缺陷，如划痕、裂缝或灰尘。“全局”网络则更进一步，检查逻辑缺陷，如支架弯曲或缺失。通过这两个网络的交互影响，全局上下文异常值检测会确定一个异常得分。然后将这个值与事先定义的异常阈值进行比较。如果异常得分高于阈值，说明元件有缺陷，必须剔除。检查结束后，可以在 MERLIC 前端对每张图像进行审查。特别有用的是，可以通过热图无障碍地追踪图像中触发异常值检测的部分。

此前，检查流程一直是使用基于规则的机器视觉方法进行。然而，这种方法有一个缺点，必须使用“不合格图像”提取出所有可能的缺陷类型。相比之下，MERLIC 的深度学习方法只需使用完整零件的“合格图像”训练即可。这些图像非常容易获得，因此能够节省时间和金钱。

将机器视觉软件集成到客户特定的机器控制系统中

将机器视觉软件集成到现有生产工艺中，对于 Bosch 来说具有特殊意义，因为生产工艺和集成的质量检查都无需改动。因此，重点是将机器视觉软件集成到机器控制系统中。软件必须直接连接到机器上，因为工厂没有可编程逻辑控制器 (PLC)。MERLIC 中集成的 MQTT 协议提供了必要的机器间通信，因此机器视觉软件可以通过标准的物联网通信协议轻松集成到工艺中。方便易用的软件可以加快机器视觉系统标定程序的开发速度。

计划实施更多机器视觉项目

“我们已于 2022 年底成功完成概念验证。在此过程中，我们实现了检出率、系统维护要求和成本方面的所有目标。因此，我们将于 2023 年中期进行一条新生产线的调试。随后就会规划在其他现有生产线上推广，”葡萄牙 Bosch Automotive Electronics 光学和机械部门能力中心测试专家 João Paulo Silva 介绍道。基于软件能力，Bosch 计划在未来利用深度学习实现更多汽车电子器件工厂的自动化。