发动机及变速箱智能检测系统
基于计算机视觉与深度学习算法，打造产线自动化智能检测解决方案，实现发动机、变速箱全流程智能检测与防差错管控。
项目背景与痛点
人力投入大
传统人工肉眼质检需要大量专职检验人员，人力成本高企。
检测效率低
人工目视检测速度慢，难以满足产线节拍要求。
人工疲劳易漏检错检
长时间重复作业导致注意力下降，错检漏检率上升，质量风险高。
一、项目业务方案
系统部署于产线检测工位，搭载高清工业相机、自动栏杆、声光报警器等端侧硬件，配合 AGV 小车流转作业：AGV 驶入检测区域后栏杆自动落下，设备自动采集工件图像，依托视觉检测模型/深度学习模型完成零部件缺失、外观缺陷智能识别；同时通过 AI 视觉读取缸体号，对接上游生产系统获取零件号、流水号数据，自动匹配零件型号映射关系完成防差错校验。
1. 智能防差错管控
型号匹配 · 拦截告警
自动比对缸体号与生产系统零件信息，型号匹配通过则栏杆抬升放行，信息不符、AGV 工位缺件时立即拦截告警，支持合规流水号人工修正，杜绝错装、漏装问题。
2. 全维度 AI 缺陷检测
零部件缺失 · 外观缺陷
覆盖多款发动机和变速箱，针对零部件缺失、缸体碎裂、管路变形、条码破损等缺陷自动识别，实时展示缺陷图片与异常类型，不合格工件拦截人工复检。
3. 可视化数据统计分析
多维检索 · 报表导出
首页实时展示当日检测总量、合格/不合格数量、合格率等核心指标并配套图表可视化；区分发动机 TOP8、变速箱 TOP4 高频缺陷自动统计，支持按日期、设备型号、流水号、缺陷类型多维度历史数据检索，检测报表、缺陷明细一键导出归档。
4. 模型迭代长效优化
数据沉淀 · 算法优化
全量存储检测原图与检测结果，数据同步至 AI 平台用于模型持续训练迭代，持续拓宽检测项目、提升识别精度，形成产线检测 - 数据沉淀 - 算法优化的闭环体系。
二、核心技术能力
系统采用云-边-端一体化架构：
端侧
数据采集
负责图像采集、栏杆与报警硬件联动，搭载高清工业相机、自动栏杆、声光报警器。
边缘端
实时推理
承载 AI 实时推理、本地数据存储与产线系统对接，完成缺陷识别与防差错校验。
云端 AI 平台
模型训练
提供模型训练、版本管理、数据管理、算法迭代全生命周期能力。
三、核心性能指标
项目核心价值
降本增效
以 AI 视觉自动化检测替代人工肉眼质检，大幅削减专职检验人员人力成本，消除人工疲劳带来的检测误差。
品控升级
标准化 AI 识别逻辑稳定可靠，数十项检测指标全覆盖，实时拦截错配、缺件、破损工件，从源头规避不合格品流入生产线。
数字化管控
全流程检测数据、缺陷图像永久留存，支持追溯查询与报表导出，实现质检过程数字化、可追溯管理。
长效技术储备
搭建企业自研 AI 视觉应用底座，模型可迭代扩展检测品类，为后续物流、整车零部件多场景机器视觉落地提供技术支撑，全面提升企业智能制造与物流数字化核心竞争力。
系统界面
