導讀

全球領先的輪胎制造商 NEXEN TIRE 在其輪胎生產檢測過程中使用了基于友思特伙伴Neurocle開發的AI深度學習視覺平臺，實現缺陷檢測率高達99.96%，是該行業首個使用AI平臺技術推動缺陷檢測自動化流程的企業。

將AI應用從輪胎開發擴展到制造過程

2024年10月，在韓國首爾，全球領先的輪胎制造商 NEXEN TIRE（耐克森輪胎） 宣布開發和實施其基于AI的自動化輪胎產品檢測系統。作為輪胎行業的首例，該系統以平臺形式開發，可輕松應用于新工廠或設備。隨著該自動化產品檢測系統的推出，一直在輪胎開發過程中擴展AI應用的 NEXEN TIRE 現在已將AI的使用范圍擴展到制造過程。

由于輪胎的特性，要求在極端駕駛條件下也必須確保駕駛員的安全，因此只有在生產后的檢測過程中通過數百項測試的產品才會出售。基于這一原因，制造商在檢測過程中投入了最大的努力，以確保檢測出肉眼難以辨別的微小缺陷，從而防止有缺陷的產品進入市場。

NEXEN TIRE 的基于AI的自動化產品檢測系統應用于使用機器視覺技術的無損檢測設備。這包括用于檢測結構缺陷的“X 射線檢測設備”和用于檢測氣泡的“激光干涉檢測設備（Shearography）”。AI協助解釋以前依賴于人工視覺評估的檢測圖像。

該系統的突出特征在于：缺陷檢測準確率高達 99.96%。它可以檢測到人類可能忽略的微小缺陷，從而有助于提高成品的質量。

圖1. NEXEN TIRE 進行輪胎檢測

輪胎檢測AI系統的實用性提升

在提升缺陷檢測準確率的基礎上，NEXEN TIRE 通過自動化整個AI訓練和應用過程，提高了系統的實用性。為了確保系統的實用性，NEXEN TIRE 從設計階段開始就與以其 AutoML（機器學習自動化）解決方案而聞名的 Neurocle 公司（友思特合作伙伴），和專門從事輪胎設計、分析和數據處理的 PDS Solution 公司合作。除了簡單的機器學習自動化之外，NEXEN TIRE 還應用了機器學習運營 (MLOps) 技術，該技術可優化和自動化AI模型的整個生命周期（包括AI訓練的選擇性數據收集、AI模型訓練、模型驗證、實際應用和部署后監控），并成功實施了基于平臺的系統，這是輪胎行業首次采用此類應用。

這種方法將創建深度學習模型所需的時間從6-12個月縮短到僅需短短兩天。基于平臺的AI深度學習視覺系統還可以立即應用于新工廠或新設備。事實上，使用實施自動檢測系統的工廠的數據訓練的AI有助于其他工廠引入的系統的早期穩定。

“通過引入AI技術，我們顯著提高了輪胎檢測過程的精度和效率，”NEXEN TIRE 的一位代表表示，“我們將繼續將AI技術的應用擴展到包括無損檢測的整個開發和制造過程。”

圖2. 利用 AI 增強輪胎檢測效果圖

友思特 AI深度學習視覺平臺

Neuro-R

快速部署實時推理API，將Neuro-T創建的模型部署進視覺檢測自動化設備的運行庫，集成了各種API，能夠快速融合和預處理圖像，使對目標的推理速度滿足實際生產需求。三個步驟即可快速部署：替換例程模型路徑、接入相機圖像流、可視化檢測結果和二次處理。

Neuro-T

用于深度學習視覺檢測項目的自動深度學習訓練平臺，提供了便捷的工具和友好的圖形化界面。平臺集成自動深度學習算法，結合智能標注功能，一鍵生成高性能視覺檢測模型，無需AI領域專業知識即可創建深度學習視覺檢測模型，可用于進行：項目規劃—>圖像預處理—>圖像標注—>模型訓練—>模型評估等一系列任務。

了解更多？歡迎訪問官網，探索豐富案例：https://viewsitec.com/neurocle/

審核編輯 黃宇