蓋世汽車訊 每年都有大量廢舊零件進(jìn)入廢料場(chǎng)進(jìn)行回收。然而，再制造交流發(fā)電機(jī)、起動(dòng)機(jī)等再回收方法的資源效率要更高，不僅可以減少浪費(fèi)，還可降低二氧化碳排放量并延長(zhǎng)產(chǎn)品的使用壽命。在EIBA項(xiàng)目中，德國(guó)弗勞恩霍夫協(xié)會(huì)生產(chǎn)設(shè)備和設(shè)計(jì)技術(shù)研究所（Fraunhofer Institute for Production Systems and Design Technology IPK）正在開發(fā)一種基于人工智能的輔助系統(tǒng)，以基于圖像半自動(dòng)識(shí)別廢舊零部件，而無需二維碼或條形碼。該系統(tǒng)可幫助工人進(jìn)行分類，以便可以將更多使用過的組件分揀進(jìn)行再制造。

圖片來源：弗勞恩霍夫協(xié)會(huì)

四眼原則降低錯(cuò)誤率

清楚地識(shí)別和評(píng)估車輛部件是再制造過程中的一項(xiàng)關(guān)鍵挑戰(zhàn)。許多產(chǎn)品帶有很多污垢，且磨損嚴(yán)重，幾乎難以識(shí)別。截至目前，這項(xiàng)任務(wù)一直由專家手動(dòng)完成，承受著巨大的時(shí)間壓力。而弗勞恩霍夫IPK基于人工智能的輔助系統(tǒng)可以幫助該過程，其系統(tǒng)將根據(jù)四眼原則幫助員工識(shí)別和評(píng)估有缺陷的易損件，例如起動(dòng)機(jī)、空調(diào)壓縮機(jī)和交流發(fā)電機(jī)。

圖片來源：弗勞恩霍夫協(xié)會(huì)

人機(jī)合作

Fraunhofer IPK的科學(xué)家Marian Schlüter表示：“在汽車行業(yè)，一旦使用過的部件被移除，分揀中心就會(huì)根據(jù)某些標(biāo)準(zhǔn)對(duì)其進(jìn)行評(píng)估，以確定它是否可以重復(fù)使用。然而零件號(hào)是唯一視覺上可靠的特征，一旦該號(hào)碼不清晰易讀，被劃傷、涂漆，或者銘牌可能已經(jīng)脫落，工人可能將其丟棄，而該零件就只能作為材料被回收。因此人工智能在此就發(fā)揮功效，可根據(jù)零件的外觀識(shí)別使用過的零件，而不考慮零件編號(hào)，并進(jìn)行回收更新。識(shí)別特征包括重量、體積、形狀、尺寸和顏色等，但評(píng)估還包括客戶和交付數(shù)據(jù)。當(dāng)然工人可以發(fā)現(xiàn)松動(dòng)組件或燒毀部件，這一點(diǎn)AI系統(tǒng)的圖像處理功能尚無法做到?！?/p>

所以這個(gè)過程究竟需要什么？首先，對(duì)使用過的部件進(jìn)行基于圖像的處理，如系統(tǒng)掃描包裝以收集有關(guān)產(chǎn)品組的信息。通過將此過程分解為子任務(wù)，識(shí)別的搜索范圍從1:120,000減少到1:5000。然后用3D立體攝像機(jī)對(duì)使用過的部件進(jìn)行稱重和記錄。將從基于圖像的處理階段獲得的結(jié)果與零件特定商業(yè)數(shù)據(jù)的分析相結(jié)合，例如來源、日期和位置，系統(tǒng)能可靠地識(shí)別零件。信息會(huì)由兩個(gè)人工智能系統(tǒng)同時(shí)處理。將基于圖像的處理階段的結(jié)果與特定零件商業(yè)數(shù)據(jù)的分析相結(jié)合，例如產(chǎn)地、日期和位置，系統(tǒng)能以可靠和全面的方式識(shí)別使用過的零件。

圖片來源：弗勞恩霍夫協(xié)會(huì)

Marian Schlüter表示：“我們項(xiàng)目的任務(wù)是訓(xùn)練兩個(gè)人工智能系統(tǒng)以分別用于圖像處理和商業(yè)數(shù)據(jù)。我們將卷積神經(jīng)網(wǎng)絡(luò)用于圖像處理AI方法。這些是機(jī)器學(xué)習(xí)領(lǐng)域的算法，專門從圖像數(shù)據(jù)中提取特征。識(shí)別結(jié)果會(huì)顯示給員工，員工則會(huì)收到一份帶有預(yù)覽圖像和零件編號(hào)的建議列表，從而保持完全控制。人工智能被納入正在進(jìn)行的操作中，工作過程也不會(huì)中斷。我們的人工智能系統(tǒng)可在傳統(tǒng)的臺(tái)式電腦上運(yùn)行。公司的所有站點(diǎn)都可以通過云聯(lián)網(wǎng)，這意味著一位員工的實(shí)踐知識(shí)可以使其他站點(diǎn)的工人受益。這種多功能技術(shù)可用于所有類型的尺寸穩(wěn)定組件?！?/p>

研究顯示，該系統(tǒng)的識(shí)別準(zhǔn)確率達(dá)98.9%。如與之前的方法相比，基于AI的識(shí)別可從廢棄的70,000個(gè)廢舊零件多識(shí)別出67,200個(gè)。

關(guān)鍵詞： 人工智能