几秒钟之内，Atlas检测系统就可以发现移动车辆上任何地方的直径小于0.5毫米的外部缺陷。

关于人工智能（AI）的许多问题。非用户中常见的一个是：人工制造的东西真的可以产生现实世界的收益吗？汽车行业的制造商越来越多地准备并能够提供肯定的答案中国机械网okmao.com。

沃尔沃汽车（Volvo Cars）是这样的公司之一，该公司最近开始使用UVeye的基于AI的Atlas检测系统。自2020年2月以来，沃尔沃已与UVeye合作，并在其位于瑞典Torslanda的制造工厂中实施了Atlas。在那里，几个系统摄像机在装配线的末端快速对每个刚装配的车辆执行360度扫描，以检测划痕和凹痕等外观缺陷。

UVeye首席战略官David Oren指出：“事实证明，该系统比手动检查过程更有效，更准确。” “系统会立即拾取所有外部缺陷，并在大屏幕上显示给与会的技术人员。”

在2020年1月的消费电子展上，另一家汽车OEM本田宣布与UVeye建立合作关系，作为本田Xcelerator计划的一部分，以投资于创新技术。

“从数字信息的角度来看，视觉技术始终基于AI，” Oren说。“这是因为AI赋予了视觉系统捕获的像素以意义，并且自1990年代以来一直有效，而与视觉系统使用的算法无关。”

其他汽车制造商也以有限的方式使用Atlas，包括丰田，斯柯达和戴姆勒。但是，Oren说，该系统有潜力在不久的将来显着改变汽车制造商，其供应商，经销商和主要车队运营商的车辆检查方式。

检测微小的外部缺陷只是第一步。接下来，Oren认为，全球OEM商将使用该系统自动检查车辆底盘，悬架系统，钣金和轮胎是否缺少零件，生产后损坏和其他与质量相关的问题。

毫无疑问，UVeye的AI引擎是一项关键技术，可说明Atlas系统的众多功能。但是，还有其他方面，包括公司专有的算法，云架构，传感器融合和机器学习。

Atlas系统如何成为一个有趣的故事，可以追溯到6.5年前。2014年夏天，Amir Hever目睹了对以色列车辆的手动检查，以检查是否存在安全威胁。那里的传统方法是让保安人员在车辆下方盘旋，长杆末端带有镜子，以试图发现武器或爆炸物。

考虑到该测试已过时，不可靠，并且最重要的是威胁生命，Hever决定与他的兄弟Ohad一起创立UVeye。他们的公司名称在车辆视线下简称。

到2016年秋季，UVeye已开发了固定和移动版本的检查系统Helios，该系统可自动检测任何车辆底盘上的视觉异常。固定单元版本最适合具有永久入口的设施，而移动版本则特别为必须轻松扫描过往车辆的执法机构，安全公司和情报机构而设计。

2017年，UVeye在以色列的Smart Mobility和EcoMotion贸易展览会上展出，并引起了汽车制造商对Helios的浓厚兴趣。UVeye开始与这些公司合作，以确定其产品的生存能力。原始设备制造商表示，他们需要一种能够检测车辆外表面以及底盘系统异常情况的系统。

Oren指出：“我们能够从软件角度采用Helios技术，并为车辆外部构造硬件以检测异常。” “这些可能包括凹痕，划痕，冰雹损坏和对准问题。”

进一步的工作导致了Atlas检测系统在2017年8月的开发。两个德国OEM的试点项目于2018年和2019年进行，并且UVeye在2018年4月的一次贸易展览会上对该系统进行了现场演示。在日本，欧洲和北美的汽车制造商中。

“两家德国制造商都发现，Atlas发现的异常现象比人工检查过程中发现的异常现象多10％到40％，” Oren说。“这些问题是尺寸为0.2至0.3毫米的油漆碎片和微刮擦。”

良好的隧道视野

使用Atlas系统进行车辆检查的速度非常快。根据Oren的说法，典型的循环时间为5到20秒，具体取决于汽车的尺寸。

该系统的主要组成部分是车辆通过的铝质隧道，通常在终端输送机上。该隧道长2米，高3.5至4米，宽4.5米。

“内置于此隧道框架中的是多个传感器，多个照明灯和20多个工业视觉摄像机，” Oren解释说。“当车辆进入隧道时，其灯会亮起，并且传感器会触发附近的数据库的打开，该数据库通过VIN号来识别汽车，包括其品牌，型号，年份以及诸如颜色和尺寸的关键特征。”

接下来，摄像机从覆盖整个车辆360度的角度拍摄许多汽车图片。奥伦说，每个摄像头每秒拍摄数百张高分辨率图像，平均每辆车数千张。

“最令人印象深刻的是，该系统为每辆汽车编辑约10 GB的图像数据，” Oren说。“从角度来看，一部典型的2小时高清电影包含大约4 GB的数据。”

汽车经过隧道后，数据处理阶段便开始。所有图像数据同时发送到现场和非现场（云）服务器进行分析。后者可以是公共的也可以是私人的，例如由OEM经营的。

Oren说：“分析阶段发生得非常快，其中包括创建车辆的3D模型，以指示所有异常情况都在哪里。” “此模型有助于关联汽车的所有不同部分。”

在几秒钟内，结果就会在大屏幕上呈现给工作站操作员。他们了解是否存在缺陷，如果存在，则专门确定缺陷的位置。工厂的质量经理还可以根据需要从他的办公室计算机访问此信息。另外，所有数据都存储在系统中，以备将来参考和进一步分析，例如确定车辆某些区域（如门或侧面板）的异常趋势。

Oren说Atlas系统使用了多层技术，底部装有现成的传感器，摄像头和照明设备。上面是几层数据处理，可将大量视觉数据分成多个块。顶部是AI引擎，它使用深度学习来分析数据并提供不同分辨率级别的异常检测，精度为0.1毫米。

“制造商真的很喜欢Atlas能够实现数据数字化，从而消除了对手写数据的需求，因为手写数据更容易出错，” Oren解释说。“它还使OEM厂商可以自由地根据要检查的车辆类型来调整所需的检测水平；例如，高档豪华轿车与经济紧凑型轿车。”

局限与机会

尽管Atlas具有先进的AI功能，但该系统确实有一些值得注意的局限性。其中之一就是万无一失。“没有什么是万无一失的，” Oren承认。

另一个限制是只能在汽车外部使用。“原始设备制造商经常问我们该系统是否能够发现车辆内部的缺陷，”奥伦说。“我们必须诚实，不要告诉他们。”

Atlas确实给最终用户带来了一些挑战。首先，在进行车辆检查时，切勿在隧道内的任何地方出现工人。这样做可能会导致光学阻塞。Oren表示：“只有看到异常，摄像机才能检测到异常。”

OEM还需要将Atlas检测系统正确集成到其装配线的末端。尽管这样做不需要对工厂进行物理更改或增加节拍时间，但确实会影响以前执行手动检查的工人。

Oren说：“该公司很可能已经进行了很长时间的手动检查，但是现在该过程已经数字化，并且正在为工人提供新方法的培训。” 因此，这样的工人现在有更多时间在两次汽车检查之间执行其他任务。这种过渡可能具有挑战性，但是，由于每个公司的情况略有不同，因此最终用户没有简单的公式可以遵循。

到目前为止，每个OEM都一次实施了一次Atlas系统。这样，公司便可以在第二轮和第三轮班（如果适用）中使用系统之前找出系统中的缺陷。

几个用户已经建立了系统，以便在工厂立即修复所有异常情况。其他人则喜欢将车辆送到其他地方进行维修工作。此外，OEM可能会或可能不会为其工人标记异常。这都是优先事项。

根据Oren的说法，UVeye始终保持对所有系统组件的所有权。最终用户只需为检查的每辆车支付固定费用。

“假设原始设备制造商每年在装配线上检查6万辆汽车，”奥伦说。“如果Atlas系统发现的损坏仅比公司的手动检查过程多5％，则可能导致制造商节省数十万美元。”

为了优化系统正常运行时间，UVeye会主动并远程监控每个Atlas安装。Oren说，维护包括UVeye每年至少对工厂进行一次访问。OEM也可以自行进行额外的维护。

系统安装后，UVeye会立即培训将监督系统的工人。每个最终用户公司还可以获得详细的培训手册和维护指南。

“维护工作量最少，因为Atlas上没有活动部件，” Oren解释说。“只是将传感器，照明灯和摄像机安装在与计算机相连的机架上。但是，如果其中一个灯开始闪烁或相机停止工作，我们将立即知道，最终用户也会知道。”

UVeye具有Atlas系统的短期和长期目标。该公司当前的重点是汽车市场的增长和研发，包括使用Atlas来检查刚接收的零件以及刚建造的产品或子组件在传送带上移动时是否存在缺陷的一级供应商。未来，Oren希望该系统可用于所有出行领域，例如火车，地铁和航空。

“我们经常与汽车工程师一起工作，有时对他们来说，立即了解大众对质量的重要性并不十分了解，” Oren总结道。“发现新车上的任何划痕会改变客户对制造商的看法，并且会带来负面影响。”