← 返回案例库指间云

公开案例 · 制造/汽车零部件

博世(Bosch,Hildesheim 工厂)

定子焊点视觉质检与生成式合成缺陷数据

项目做法

答案是生成式 AI 造合成数据(synthetic data),技术路线是 domain transfer(领域迁移):根据可用材料,用已有产品类型的图像做基础,经生成式模型迁移生成当前场景的缺陷图像。 Hildesheim 项目里,Bosch Research 数据科学家 Laura Beggel 的团队据此为新场景生成故障图像并训练检测模型;团队共为工厂生成约 15,000 张人工图像,每类故障基于两位数数量的真实图像。 检测环节:产线集成相机对定子所有部位拍 2D 和 3D 照片(一次共 12 次闪光),AI 基于真实与人工生成的图像学习合格与故障零件的特征,拿到新照片后在零点几秒内判定;判为故障的零件自动返回生产流程返工,唯一无法返工的情形是形成小熔核。 模型上线后仍需人工打磨:工程师 Timo Schwarz 在新产线上训练模型,处理"其实是合格焊缝却被当成故障"的误报——例如 AI 目前把弱焊缝标为故障,但从专家角度看足够好——他手动重训模型并细化"OK"分类规则,直到故障与合格零件识别同样可靠。人工生成的图像肉眼几乎无法与真实图像区分,这正是目标。

项目进展

结果(原文披露口径):借助生成式 AI,检测模型可以在更早阶段开始训练;工厂预计新方案比传统方法缩短项目周期 6 个月,带来每年六位数欧元区间(six-figure euro range)的生产力提升。 已披露的训练数据规模:约 15,000 张生成图像,每类故障基于两位数数量的真实图像。 推广节奏:第一条试点线 2023 年底在 Hildesheim 投产,第二条在原文发布当年年初(2024 年)跟进;方案计划推广到捷克 Jihlava 工厂和美国 Charleston 工厂;Stuttgart-Feuerbach 等其他博世工厂也在试点生成式 AI 制造应用。原文未披露项目投入总额。

联系张经理

咨询电话

拨打电话 · 153 1441 1115

微信咨询 · 点图放大

整理业务需求
可复制摘要,通过微信发给张经理。
张经理微信二维码大图

电脑端用微信扫码;手机端保存图片后,从微信扫一扫的相册中选择。

保存二维码