|
斑馬技術(shù)大中華區(qū)技術(shù)總監(jiān) 程寧 近年來，電動汽車已隨處可見，燃油汽車向新能源汽車轉(zhuǎn)型也備受關(guān)注。此外，數(shù)字化和智能化則是汽車行業(yè)迎來的另一個重大轉(zhuǎn)型，且這一趨勢還在不斷發(fā)展。 隨著技術(shù)的發(fā)展，汽車行業(yè)的新變革可能已經(jīng)開始。雖然現(xiàn)階段還無法確定生成式AI將如何改變未來長期內(nèi)駕駛員、汽車和周圍環(huán)境的互動方式，但未來的各種可能性令人充滿期待。例如，個性化的AI助手將可以幫助駕駛員規(guī)劃行程，設(shè)置提醒，尋找停車位，共享行程，提供實時路線更新和建議，甚至還能在駕駛員到達汽車餐廳之前預(yù)定餐飲。 從工廠到汽車，汽車制造領(lǐng)域的AI滲透率顯著提升 將生成式AI引入汽車，標志著AI作為價值驅(qū)動因素將為消費者帶來更多價值。然而獲益的不僅僅是消費者，還有汽車制造工程師和工人等。汽車制造商正在通過大量的AI應(yīng)用來滿足現(xiàn)代汽車制造的質(zhì)量和合規(guī)性要求，既滿足了消費者的駕駛需求，也提升了工廠工人的工作體驗。能夠模仿人類大腦的神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)便是其中一種先進的AI技術(shù)。 學(xué)術(shù)研究人員和技術(shù)公司正將目光轉(zhuǎn)向深度學(xué)習(xí)，并將其視為一種有效工具，幫助汽車制造商滿足傳統(tǒng)工具難以處理的各種視覺檢測要求。傳統(tǒng)的機器視覺系統(tǒng)主要用于質(zhì)量檢測、生產(chǎn)線末端檢測、零部件追溯、測量評估、存在性檢查、計量和氣孔檢測等。然而，這些工具在使用過程中長期存在一些問題，如員工培訓(xùn)時間長、成本高、互操作性差、維護困難以及處理復(fù)雜用例能力不足等。 但這一情況正迎來轉(zhuǎn)機。高工機器人產(chǎn)業(yè)研究所（GGII）指出，新能源汽車的高速發(fā)展為機器視覺在汽車行業(yè)的應(yīng)用釋放出了大量需求，預(yù)計至2027年，機器視覺在中國汽車行業(yè)中的市場規(guī)模將接近60億元。可見機器視覺在中國的應(yīng)用前景一片廣闊。 深度學(xué)習(xí)機器視覺技術(shù)號稱“AI之眼”，能夠?qū)崿F(xiàn)更高的準確度、質(zhì)量和合規(guī)性水平，并且能夠通過新的深度學(xué)習(xí)工具將工程師、程序員和數(shù)據(jù)科學(xué)家匯集在一起，共同推動現(xiàn)代汽車生產(chǎn)。 深度學(xué)習(xí)機器視覺技術(shù)也可用于要求極高的半導(dǎo)體生產(chǎn)，包括晶圓檢測、圖案對準、裸片分揀、晶圓切割、錫膏質(zhì)量檢測、計量和3D檢測等流程。高標準比以往任何時候都更加重要，以驅(qū)動從汽車到生成式AI，再到具備生成式AI性能的汽車的發(fā)展。深度學(xué)習(xí)機器視覺也能為電動汽車電池制造過程帶來益處，增強對節(jié)點和陰極涂層、電極片位置、堆疊對齊、序列號/代碼檢查和組裝驗證等環(huán)節(jié)的檢測，隨著汽車行業(yè)推進電氣化進程，這些技術(shù)尤為關(guān)鍵。 當(dāng)汽車制造商面臨招聘和留任技術(shù)工人的挑戰(zhàn)時，現(xiàn)成的深度學(xué)習(xí)工具將帶來深刻的影響。深度學(xué)習(xí)光學(xué)字符識別（OCR）工具可以配備使用數(shù)千種不同圖像樣本預(yù)訓(xùn)練的即用型神經(jīng)網(wǎng)絡(luò)，即使處理非常復(fù)雜的用例，也能提供開箱即用的高精度。用戶可以通過幾個簡單的步驟創(chuàng)建強大的OCR應(yīng)用，而無需具備機器視覺方面的專業(yè)知識。這正是先進的AI工具如何采用低代碼/無代碼的一個示例，從而使AI變得民主化并易于更多工人輕松使用。 AI（無論是深度學(xué)習(xí)還是生成式AI）對于消費者和制造業(yè)一線工程師等人群都是價值驅(qū)動因素。AI正在創(chuàng)造資產(chǎn)可視化的新水平，讓工人能夠掌握更多信息，擁有更精良的生產(chǎn)裝備，并在實現(xiàn)重復(fù)性復(fù)雜任務(wù)的自動化方面開拓更多可能性。有價值、有技能的工程團隊可以實現(xiàn)高水平的人機協(xié)作，同時將更多時間用于優(yōu)化制造戰(zhàn)略和運營，以推動實現(xiàn)下一步轉(zhuǎn)型。 |
