蓋世汽車訊 每年都有大量廢舊零件進入廢料場進行回收。然而，再制造交流發(fā)電機、起動機等再回收方法的資源效率要更高，不僅可以減少浪費，還可降低二氧化碳排放量并延長產(chǎn)品的使用壽命。在EIBA項目中，德國弗勞恩霍夫協(xié)會生產(chǎn)設(shè)備和設(shè)計技術(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)，以基于圖像半自動識別廢舊零部件，而無需二維碼或條形碼。該系統(tǒng)可幫助工人進行分類，以便可以將更多使用過的組件分揀進行再制造。

圖片來源：弗勞恩霍夫協(xié)會

四眼原則降低錯誤率

清楚地識別和評估車輛部件是再制造過程中的一項關(guān)鍵挑戰(zhàn)。許多產(chǎn)品帶有很多污垢，且磨損嚴重，幾乎難以識別。截至目前，這項任務(wù)一直由專家手動完成，承受著巨大的時間壓力。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別和評估有缺陷的易損件，例如起動機、空調(diào)壓縮機和交流發(fā)電機。

圖片來源：弗勞恩霍夫協(xié)會

人機合作

Fraunhofer IPK的科學家Marian Schlüter表示：“在汽車行業(yè)，一旦使用過的部件被移除，分揀中心就會根據(jù)某些標準對其進行評估，以確定它是否可以重復使用。然而零件號是唯一視覺上可靠的特征，一旦該號碼不清晰易讀，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)零件的外觀識別使用過的零件，而不考慮零件編號，并進行回收更新。識別特征包括重量、體積、形狀、尺寸和顏色等，但評估還包括客戶和交付數(shù)據(jù)。當然工人可以發(fā)現(xiàn)松動組件或燒毀部件，這一點AI系統(tǒng)的圖像處理功能尚無法做到。”

所以這個過程究竟需要什么？首先，對使用過的部件進行基于圖像的處理，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)，識別的搜索范圍從1:120,000減少到1:5000。然后用3D立體攝像機對使用過的部件進行稱重和記錄。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)能可靠地識別零件。信息會由兩個人工智能系統(tǒng)同時處理。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別使用過的零件。

圖片來源：弗勞恩霍夫協(xié)會

Marian Schlüter表示：“我們項目的任務(wù)是訓練兩個人工智能系統(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。這些是機器學習領(lǐng)域的算法，專門從圖像數(shù)據(jù)中提取特征。識別結(jié)果會顯示給員工，員工則會收到一份帶有預覽圖像和零件編號的建議列表，從而保持完全控制。人工智能被納入正在進行的操作中，工作過程也不會中斷。我們的人工智能系統(tǒng)可在傳統(tǒng)的臺式電腦上運行。公司的所有站點都可以通過云聯(lián)網(wǎng)，這意味著一位員工的實踐知識可以使其他站點的工人受益。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)的識別準確率達98.9%。如與之前的方法相比，基于AI的識別可從廢棄的70,000個廢舊零件多識別出67,200個。

關(guān)鍵詞： 人工智能