行业首创：基于深度学习视觉平台的AI驱动轮胎检测自动化

导读

全球领先的轮胎制造商 NEXEN TIRE 在其轮胎生产检测过程中使用了基于友思特伙伴Neurocle开发的AI深度学习视觉平台，实现缺陷检测率高达99.96%，是该行业首个使用AI平台技术推动缺陷检测自动化流程的企业。

将AI应用从轮胎开发扩展到制造过程

2024年10月，在韩国首尔，全球领先的轮胎制造商 NEXEN TIRE（耐克森轮胎） 宣布开发和实施其基于AI的自动化轮胎产品检测系统。作为轮胎行业的首例，该系统以平台形式开发，可轻松应用于新工厂或设备。随着该自动化产品检测系统的推出，一直在轮胎开发过程中扩展AI应用的 NEXEN TIRE 现在已将AI的使用范围扩展到制造过程。

由于轮胎的特性，要求在极端驾驶条件下也必须确保驾驶员的安全，因此只有在生产后的检测过程中通过数百项测试的产品才会出售。基于这一原因，制造商在检测过程中投入了最大的努力，以确保检测出肉眼难以辨别的微小缺陷，从而防止有缺陷的产品进入市场。

NEXEN TIRE 的基于AI的自动化产品检测系统应用于使用机器视觉技术的无损检测设备。这包括用于检测结构缺陷的“X 射线检测设备”和用于检测气泡的“激光干涉检测设备（Shearography）”。AI协助解释以前依赖于人工视觉评估的检测图像。

该系统的突出特征在于：缺陷检测准确率高达 99.96%。它可以检测到人类可能忽略的微小缺陷，从而有助于提高成品的质量。

图1. NEXEN TIRE 进行轮胎检测

轮胎检测AI系统的实用性提升

在提升缺陷检测准确率的基础上，NEXEN TIRE 通过自动化整个AI训练和应用过程，提高了系统的实用性。为了确保系统的实用性，NEXEN TIRE 从设计阶段开始就与以其 AutoML（机器学习自动化）解决方案而闻名的 Neurocle 公司（友思特合作伙伴），和专门从事轮胎设计、分析和数据处理的 PDS Solution 公司合作。除了简单的机器学习自动化之外，NEXEN TIRE 还应用了机器学习运营 (MLOps) 技术，该技术可优化和自动化AI模型的整个生命周期（包括AI训练的选择性数据收集、AI模型训练、模型验证、实际应用和部署后监控），并成功实施了基于平台的系统，这是轮胎行业首次采用此类应用。

这种方法将创建深度学习模型所需的时间从6-12个月缩短到仅需短短两天。基于平台的AI深度学习视觉系统还可以立即应用于新工厂或新设备。事实上，使用实施自动检测系统的工厂的数据训练的AI有助于其他工厂引入的系统的早期稳定。

“通过引入AI技术，我们显著提高了轮胎检测过程的精度和效率，”NEXEN TIRE 的一位代表表示，“我们将继续将AI技术的应用扩展到包括无损检测的整个开发和制造过程。”

图2. 利用 AI 增强轮胎检测效果图

友思特 AI深度学习视觉平台

Neuro-R

快速部署实时推理API，将Neuro-T创建的模型部署进视觉检测自动化设备的运行库，集成了各种API，能够快速融合和预处理图像，使对目标的推理速度满足实际生产需求。三个步骤即可快速部署：替换例程模型路径、接入相机图像流、可视化检测结果和二次处理。

Neuro-T

用于深度学习视觉检测项目的自动深度学习训练平台，提供了便捷的工具和友好的图形化界面。平台集成自动深度学习算法，结合智能标注功能，一键生成高性能视觉检测模型，无需AI领域专业知识即可创建深度学习视觉检测模型，可用于进行：项目规划—>图像预处理—>图像标注—>模型训练—>模型评估等一系列任务。

了解更多？欢迎访问官网，探索丰富案例：https://viewsitec.com/neurocle/

审核编辑 黄宇