Deere求助于AI来解决焊接孔隙率问题

焊接是重型设备制造业不可或缺的一部分，技术人员在焊接过程中面临的挑战之一是孔隙率——焊缝金属中存在空洞。

这些空腔削弱了焊接强度，需要返工甚至报废整个有缺陷的零件。

这可能是昂贵且耗时的。虽然训练有素的焊接工程师可以通过听觉和视觉检测来检测孔隙，但这些工程师可能很难找到。他们也可能很难在嘈杂和烟雾缭绕的工厂环境中听到或看到缺陷。

现有的自动化监控系统经常会出现很高的误报率，这会降低生产速度并增加成本。

制造农业、建筑和林业机械的约翰迪尔与英特尔合作，为这个问题构建了一个基于人工智能 (AI) 的解决方案。

长期以来，机器视觉解决方案一直难以为焊接应用创建，因为烟雾和火花的极端恶劣环境会给相机放置带来困难。

为了克服这些挑战，我们与 John Deere 和我们的合作伙伴合作创建了一个 AI 解决方案，其中摄像头放置在焊缝的近距离范围内，提供超出人眼能力的洞察力。

该解决方案利用英特尔OpenVINO（视觉推理和神经网络优化）工具包，逐帧检查流视频，寻找缺陷。

当 AI 模型识别出缺陷时，该解决方案会立即关闭焊接机器人，以便技术人员可以安全地进行干预。过去整个行业在焊接过程中处理焊接孔隙问题的尝试并不总是成功。如果在制造过程的后期发现这些缺陷，则需要返工甚至报废整个组件，这可能具有破坏性且成本高昂。

基于我们与Deere的试点，该解决方案可以以高达97.14% 的准确率检测孔隙缺陷——为制造商节省了大量成本和生产力。独立解决方案不依赖任何第三方电源或焊接机器人模型，使其真正具有可扩展性。

端到端的集成系统还使制造商能够连接新的和现有的焊接设备，捕获多个计算密集型图像数据流，并将机器学习模型部署到边缘设备。

焊接质量挑战当然不是约翰迪尔独有的。独特的是Deere的方法。该公司的工程师倾向于使用人工智能和机器视觉来自动化质量检查，使他们能够在问题发生时发现问题，从而推动工厂车间的快速决策，自动化QA流程以提高质量、降低成本和增加工厂吞吐量。

在与Deere合作时，我们的重点是确保解决方案的使用寿命，以支持公司未来可能具有的其他质量或效率需求。

对于希望为现有制造设备、流程和管理增加智能的公司来说，这是一个很大的收获。与解决方案提供商合作至关重要，他们可以帮助解决当今的挑战，同时确保互操作性和可扩展性，以实现未来的灵活性和易用性。

“焊接很复杂。这种人工智能解决方案有可能帮助我们比以前更高效地生产我们的……机器，”迪尔建筑和林业部门的质量总监Andy Benko说。