文/Christian Petersohn，Michael Ungers；Scansonic MI公司

一切都始于一家美國汽車制造商在德國工廠的設(shè)計(jì)要求。在之前的中產(chǎn)階級(jí)車型中，車身側(cè)壁和車頂通過一些焊接點(diǎn)連接，然后由裝飾條覆蓋。但是在新車型的設(shè)計(jì)中，將不再使用裝飾條。此外，生產(chǎn)團(tuán)隊(duì)計(jì)劃將重點(diǎn)放在流程數(shù)字化上。如果省去裝飾條，側(cè)壁和車頂之間的焊縫將是可見的，因此它必須滿足可見焊縫的高質(zhì)量標(biāo)準(zhǔn)。

對(duì)焊縫質(zhì)量的高要求，使得該團(tuán)隊(duì)采用了激光焊接方式，更準(zhǔn)確地說是激光釬焊。他們尋求在技術(shù)上最先進(jìn)的解決方案，最終找到了德國Scansonic公司，該公司提供其ALO4觸覺引導(dǎo)的激光光學(xué)系統(tǒng)以及用于焊縫過程監(jiān)測的相機(jī)系統(tǒng)。它允許對(duì)焊縫過程進(jìn)行評(píng)估，并且可以使用人工智能（AI）進(jìn)行評(píng)估（見圖1）。

圖1：自適應(yīng)激光光學(xué)系統(tǒng)遵循3D輪廓進(jìn)行加工。系統(tǒng)中的相機(jī)將實(shí)時(shí)圖像發(fā)送到神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)檢測激光釬焊過程中的缺陷。

集成AI的激光加工頭

在過去的二十年間，Scansonic作為面向汽車應(yīng)用市場的激光光學(xué)器件供應(yīng)商，享譽(yù)業(yè)界。該公司目前在激光焊接、切割和涂層工藝領(lǐng)域擁有7000多個(gè)激光光學(xué)器件。它通過使用填充線進(jìn)行觸覺焊縫跟蹤，這為焊接過程設(shè)定了新標(biāo)準(zhǔn)。如今，憑借ALO4，Scansonic的第四代此類激光光學(xué)器件再次受到各大汽車制造商的歡迎。

自2017年以來，Scansonic在其激光加工頭中引入了機(jī)器視覺系統(tǒng)SCeye。SCeye系統(tǒng)包括一個(gè)完全集成的照明模塊和相機(jī)，以及一個(gè)控制模塊（見圖2）。這套集成了過程控制系統(tǒng)的高性能光學(xué)方案，吸引了制造商對(duì)Scansonic的廣泛青睞；利用邊緣計(jì)算，Scansonic系統(tǒng)能做的不僅僅只是實(shí)現(xiàn)過程的可視化。

圖2：ALO4激光頭集成了SCeye機(jī)器視覺過程監(jiān)測系統(tǒng)。

與機(jī)器人在生產(chǎn)中接管體力勞動(dòng)類似，邊緣計(jì)算機(jī)中的AI在過程控制中接管了人類的任務(wù)。事實(shí)上，Scansonic團(tuán)隊(duì)開發(fā)了一套AI系統(tǒng)，可以識(shí)別SCeye系統(tǒng)捕獲的激光釬焊過程視頻中的飛濺物或孔隙等缺陷。一旦在視頻中識(shí)別出缺陷，操作員就要找到缺陷。因此，它能夠提供問題照片，以便操作員決定修復(fù)缺陷。

項(xiàng)目中的學(xué)習(xí)曲線

過程控制技術(shù)在汽車制造商現(xiàn)場的整個(gè)適應(yīng)過程，花了18個(gè)月。為了立即進(jìn)行質(zhì)量控制，Scansonic團(tuán)隊(duì)建議使用他們新的AI系統(tǒng)。這產(chǎn)生了大量數(shù)據(jù)，并且需要對(duì)這些數(shù)據(jù)進(jìn)行高效管理。首先，他們需要就數(shù)據(jù)處理標(biāo)準(zhǔn)做出決定，以確保在工廠和Scansonic進(jìn)行高效的數(shù)據(jù)處理。然后，他們開發(fā)了一個(gè)儀表盤，將數(shù)據(jù)可視化給操作員。有了數(shù)據(jù)管理，該項(xiàng)目團(tuán)隊(duì)呈現(xiàn)出了一個(gè)陡峭的學(xué)習(xí)曲線。

主要任務(wù)是將新技術(shù)引入生產(chǎn)系統(tǒng)；今天，來自激光傳感器的數(shù)據(jù)被集成在一起。通過這種方式，缺陷數(shù)據(jù)被分配給一輛特定的汽車。如果檢測到缺陷，操作員會(huì)從AI系統(tǒng)中得到一個(gè)提示，然后可以檢查儀表盤或工件上的相關(guān)圖像。這使得企業(yè)能夠快速?zèng)Q定下一步該如何處理這輛特定的汽車——維修或研磨，或者將其留在生產(chǎn)線中執(zhí)行下一步計(jì)劃。

除了缺陷的自動(dòng)檢測，該團(tuán)隊(duì)還收獲了另一個(gè)直接好處。在第一個(gè)階段成功之后，客戶希望檢測更小的特征；缺陷尺寸從0.5mm到0.2mm，這樣微小的缺陷肉眼幾乎看不到。顯然，如此小的缺陷在生產(chǎn)過程中很難被人發(fā)現(xiàn)。在這一點(diǎn)上，機(jī)器視覺比人眼具有更好的分辨率，并提供了更高的可靠性。

通過機(jī)器視覺實(shí)現(xiàn)的早期警告，節(jié)省了生產(chǎn)中的時(shí)間和金錢：如果故障是由于過程中的偏差造成的，則可以糾正設(shè)置，以免浪費(fèi)更多材料。

生產(chǎn)中的AI

在這家現(xiàn)代化的工廠里，每天有600輛汽車從生產(chǎn)線上下線。在生產(chǎn)過程中，一臺(tái)機(jī)器人將車頂放置在車身上，然后另一臺(tái)機(jī)器人沿著焊縫移動(dòng)ALO4激光釬焊頭，以將車頂和車身焊接在一起。由于ALO4的光學(xué)設(shè)計(jì)及其通過進(jìn)給的釬焊焊絲“感知”過程的能力，激光束和焊絲總能處于焊縫中的正確位置，從而實(shí)現(xiàn)了具有光滑表面的高質(zhì)量釬焊焊縫。

通過觀察激光單元內(nèi)的監(jiān)控相機(jī)，操作員只能看到監(jiān)視器上的閃光；但是可以在激光釬焊過程結(jié)束后，將相機(jī)的視野切換到可以看到焊縫的地方。AI跟蹤所有這些微小的細(xì)節(jié)，并識(shí)別每一個(gè)偏差。通過自動(dòng)故障檢測，可以實(shí)時(shí)將任何點(diǎn)或模糊分類為孔隙、孔洞或良好的焊縫。當(dāng)零件焊接完成后，激光單元移開，車身移動(dòng)到下一個(gè)工位（見圖3）。

圖3：激光釬焊過程完全自動(dòng)化；激光單元內(nèi)裝有監(jiān)控相機(jī)，操作員可以在監(jiān)視器上跟蹤釬焊過程。同時(shí)，激光光學(xué)系統(tǒng)內(nèi)的相機(jī)會(huì)跟蹤焊縫，所有數(shù)據(jù)都會(huì)關(guān)聯(lián)到這輛特定的汽車上。

為了進(jìn)行長期質(zhì)量控制，所有具有缺陷的SCeye視頻都與每輛車的數(shù)據(jù)、材料和工具設(shè)置一起存儲(chǔ)。這樣，可以跟蹤流程和當(dāng)前問題，甚至與幾周前出現(xiàn)類似問題的汽車相比較。對(duì)于用戶來說，新技術(shù)也非常適合他們實(shí)現(xiàn)完全數(shù)字化的工作流程。所有數(shù)據(jù)都是可追蹤的，并且可以優(yōu)化流程。它還有助于理解后續(xù)過程中的問題，如研磨。

SCeye系統(tǒng)的另一個(gè)好處是過程穩(wěn)定：過程數(shù)字化的不斷發(fā)展縮短了設(shè)置時(shí)間。團(tuán)隊(duì)需要較少的破壞性測試，并且能夠更好地了解整個(gè)過程。建立這一過程花了大約18個(gè)月的時(shí)間；考慮到學(xué)習(xí)曲線，預(yù)計(jì)未來這一階段所需的時(shí)間會(huì)減少。同時(shí)，安裝了使用相同數(shù)據(jù)進(jìn)行訓(xùn)練的四套系統(tǒng)。

這些系統(tǒng)的工作原理相似，但每個(gè)操作員都會(huì)對(duì)過程進(jìn)行一些微調(diào)，這可能會(huì)影響對(duì)缺陷的感知。單個(gè)設(shè)置，如照明、角度或激光設(shè)置，通常因地制宜，因此圖像中存在微小差異。盡管如此，也并不需要太多的適應(yīng)工作，而且每次遷移都比以前更快。

激光過程控制中的AI細(xì)節(jié)

從本質(zhì)上講，新的過程控制系統(tǒng)遵循人類的經(jīng)驗(yàn)。就像人類從好零件和壞零件的樣本中學(xué)習(xí)一樣，開發(fā)人員將現(xiàn)有缺陷的數(shù)據(jù)及其分類輸入到神經(jīng)網(wǎng)絡(luò)中。這種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練被稱為機(jī)器學(xué)習(xí)。對(duì)于過程控制，神經(jīng)網(wǎng)絡(luò)從焊接或釬焊焊縫中獲取圖像，并找出圖像中的圖案是否包含飛濺物或孔隙。這種對(duì)輸入圖像的分析過程稱為推理。如果發(fā)現(xiàn)了某種類型的飛濺物或孔隙，神經(jīng)網(wǎng)絡(luò)會(huì)為操作員做好標(biāo)記。

這樣的卷積神經(jīng)網(wǎng)絡(luò)（CNN）是如何工作的？在一幅簡化圖中，CNN由幾個(gè)層組成，其中輸入數(shù)據(jù)（這里指的是從焊接或釬焊過程中捕獲的圖像）與某些數(shù)字（權(quán)重）相乘。數(shù)據(jù)發(fā)送給幾個(gè)這樣的層，并將結(jié)果與訓(xùn)練數(shù)據(jù)的分類進(jìn)行比較（見圖4）。如果結(jié)果與分類匹配，則權(quán)重是好的；如果不匹配，權(quán)重會(huì)發(fā)生變化，直到結(jié)果與給定的分類匹配。通過這種方式，機(jī)器學(xué)會(huì)將缺陷與特定圖案（與某種故障類別相匹配，如孔隙或飛濺）聯(lián)系起來。

圖4：神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)數(shù)據(jù)包括孔隙（頂部）、飛濺物（中心）和良好的焊縫（底部）。

經(jīng)過這樣的學(xué)習(xí)過程，CNN可以獲得前所未有的數(shù)據(jù)。在一定的概率下，它將提供正確的分類；同樣，可以優(yōu)化權(quán)重。這是一個(gè)驗(yàn)證階段，開發(fā)人員在該階段檢查經(jīng)過訓(xùn)練的參數(shù)在驗(yàn)證數(shù)據(jù)上的工作情況。當(dāng)驗(yàn)證錯(cuò)誤最小化時(shí)，訓(xùn)練結(jié)束。

下一步，可以用全新的數(shù)據(jù)對(duì)CNN的性能進(jìn)行測試，即所謂的測試階段。圖5顯示了一組檢測到的缺陷。需要注意的是，CNN已經(jīng)針對(duì)“氣孔”和“飛濺物”這兩類缺陷進(jìn)行了訓(xùn)練。它也可以被訓(xùn)練識(shí)別任何其他類別的缺陷。在未來的版本中，Scansonic可能會(huì)考慮對(duì)每類缺陷使用單獨(dú)的神經(jīng)網(wǎng)絡(luò)，這有望進(jìn)一步提高檢測率。目前，“氣孔”和“飛濺物”這兩類缺陷類別是由一個(gè)CNN實(shí)時(shí)識(shí)別的。

圖5：AI向操作員提供的檢測到的缺陷示例（左：氣孔，右：飛濺）。

學(xué)習(xí)過程的更多細(xì)節(jié)

對(duì)于高概率的正確缺陷識(shí)別，訓(xùn)練過程非常關(guān)鍵的。客戶為系統(tǒng)的第一次訓(xùn)練提供了大約5500張良好焊縫的圖像和2000張氣孔的圖像。Scansonic可以在其激光實(shí)驗(yàn)室證明，只需要幾張新圖像就可以將良好的模型遷移到其他過程。只需要幾百張圖像，釬焊過程中缺陷的識(shí)別率就可以達(dá)到95%以上，而且不同車型生產(chǎn)過程中的釬焊過程是略有不同的。具體的不同之處在于使用的材料和使用的工藝參數(shù)。然而，即使在將AI識(shí)別方法遷移到其他激光加工過程（如鋁的激光焊接）時(shí)，也僅需要使用少量圖像進(jìn)行重新訓(xùn)練，現(xiàn)有的CNN就可以針對(duì)新過程獲得非常好的缺陷識(shí)別效果。

減少為新的檢測任務(wù)訓(xùn)練系統(tǒng)所需的訓(xùn)練數(shù)據(jù)量，是該方法未來改進(jìn)的一大主題。

未來展望

對(duì)于這個(gè)客戶，Scansonic的專家首先在一條生產(chǎn)線上使用了神經(jīng)網(wǎng)絡(luò)，然后又將神經(jīng)網(wǎng)絡(luò)部署到了第二條生產(chǎn)線上。將神經(jīng)網(wǎng)絡(luò)從一臺(tái)機(jī)器遷移到另一臺(tái)機(jī)器時(shí)，存在一個(gè)學(xué)習(xí)曲線。

事實(shí)上，Scansonic有五個(gè)以上不同的客戶在測試AI系統(tǒng)（見圖6）。如今，每一個(gè)應(yīng)用程序都經(jīng)過了自己的訓(xùn)練。未來使AI更加強(qiáng)大的一種方法，可能是將不同應(yīng)用程序的訓(xùn)練數(shù)據(jù)結(jié)合起來。由于每個(gè)應(yīng)用程序?qū)⑻峁┎煌�的�?xùn)練數(shù)據(jù)作為輸入并添加新的問題案例，AI將使用不同的應(yīng)用程序進(jìn)行訓(xùn)練，以生成在所有應(yīng)用程序上表現(xiàn)最好的高度復(fù)雜的模型。在這種未來的方法中，每個(gè)愿意提交訓(xùn)練數(shù)據(jù)的客戶，都將受益于經(jīng)過最佳訓(xùn)練的AI系統(tǒng)。從長遠(yuǎn)來看，可以生成一個(gè)不再需要訓(xùn)練的數(shù)據(jù)庫。當(dāng)然，數(shù)據(jù)隱私應(yīng)該受到嚴(yán)格保護(hù)；如果客戶需要，所有數(shù)據(jù)都可以保存在實(shí)際生產(chǎn)現(xiàn)場。

圖6：新的焊縫跟蹤和識(shí)別技術(shù)，非常適合制造商建立數(shù)字化工作流程（工業(yè)4.0）。

另一個(gè)改進(jìn)將是擴(kuò)大AI方法；到目前為止，只是使用了圖像。未來，可以添加來自其他傳感器的數(shù)據(jù)，例如各種過程參數(shù)。這也將有助于更好地了解缺陷的起源。操作員將更容易獲得流程優(yōu)化，這為另一個(gè)戰(zhàn)略目標(biāo)打開了大門：一旦流程數(shù)據(jù)和缺陷發(fā)生的情況更加完整，另一個(gè)AI可以向操作員建議完美的流程設(shè)置，或者簡單地控制整個(gè)流程。