四名在读研究生用昇腾AI探索软件定义的未来制造

在过去的几年里，“柔性化”成为了各大主机厂商口中的热门词汇。这一理念倡导的是千人千面的柔性生产，意味着工厂开始根据客户的个性化需求进行订单制生产。如今，同一条生产线可以灵活调整，适应生产SUV、MPV、轿车等不同车型的需求。

在柔性生产的浪潮中，制造环节仍然面临着一些老问题。其中，汽车焊接工艺中的不确定性尤为突出。客户的需求多变，使得生产线需要不断调整工艺过程和参数。焊接过程中存在的漏焊、虚焊等缺陷，也是一大挑战。这些问题一直困扰着汽车制造业，寻求有效的解决方案迫在眉睫。

在不久前结束的昇腾AI创新大赛2023上，一支由山东大学组成的团队引起了广泛关注。这支团队由一名博士生和三名研究生组成，他们凭借出色的创新成果，成功斩获了昇腾AI创新大赛2023开发者套件创新赛道全国总决赛金奖。这支团队巧妙地将汽车制造模拟产线和昇腾AI基础软硬件平台相结合，为困扰汽车制造行业多年的焊接工艺问题提供了新的解决方案。

他们的创新之处在于引入了云边协同的理念，这一理念为制造场景的智能化提供了新的动力。云边协同，即将云计算与边缘计算相结合，使数据在云端和边缘设备之间高效流转。这样一来，不仅可以在云端进行高效的数据处理和智能决策，还能在边缘端进行实时的设备控制。这种云边协同的模式，为汽车焊接工艺中的需求不确定性和过程不确定性问题提供了有效的解决途径。

具体来说，通过引入AI技术，团队开发的系统可以实时识别焊接过程中的缺陷，如漏焊、虚焊等。一旦发现缺陷，系统会立即进行补焊，从而大大提高了焊接的精度和效率。系统还可以根据客户的需求，自动调整生产线的工艺过程和参数，实现真正的个性化定制。这一创新成果不仅提高了生产效率，还为汽车制造业的智能化发展开辟了新的道路。

一种传统的质量检测方法是依赖工人的肉眼观察，质检员会仔细搜寻漏焊、虚焊等问题，然后指示焊接工人进行补焊。虽然这种方法能够完成任务，但其效率之低、成本之高让人难以接受。更令人困扰的是，随着年轻一代对工作环境的期待不断提高，即便提供高薪，也难以吸引熟练的蓝领人才。

另一种方法则是对生产线进行智能化改造。通常，这种方法通过终端收集实时数据，将数据上传到云端进行智能识别，再将计算结果发送回终端，控制焊接机器人等自动化设备进行作业。虽然这种方法在某种程度上替代了人力，但仍然存在问题，如高时延和稳定性不足等。

“山东大学大山坡汽车焊工技术服务队”深入上汽通用等企业的生产车间，根据实际工作环境，提出了一种创新的云-边-端架构设计。

在云端，他们部署了领域建模工具和流程工厂工具。前者能够深入理解需求，通过CAD图纸文件、功能规格说明等，将需求结构化后构建场景模型；后者则对生成的模型进行代码的编排和组合，实现了场景代码的构造。这样，云端不仅是数据处理的核心，也成为了面向用户的操作端，通过远程服务调度、低代码等技术，实现对产线的远程控制。

边端的主力是Atlas 200I DK，它担当了代码生成、在线推理、智能决策等多重角色。在焊接过程中，摄像头捕捉的图像数据可以在边端进行实时解码处理，自动识别漏焊、虚焊等缺陷，并立即向焊接机器人发出补焊指令。这意味着原本需要在云端进行的决策和调度任务，现在可以在边端快速完成。

终端模拟真实的产线环境，还原了汽车焊接制造的全过程，包括车型识别视觉套件、焊点识别视觉套件、机械臂、传送带、缓存区轨道、底层通信模块等。在补焊场景中，从实时感知、在线推理、智能决策到指令下发，整个过程仅需1秒。这种高效、准确的工作方式，不仅提高了生产效率，也降低了人力成本，满足了年轻人对工作环境的高要求。相比市面上的传统方案，“山东大学大山坡汽车焊工技术服务队”的创新实践令人瞩目。他们巧妙运用云边协同的思路，将原本需要在云端处理的工作下沉到边端进行实时处理，为智能化转型提供了全新的解决方案。这种创新不仅解决了智能控制精度和时延的难题，实现了边端实时处理，而且打破了以往必须多产线应对个性化需求的限制，使得一条产线即可实现混线生产。尽管当前应用场景相对简单，但这一实践在很大程度上验证了云边协同的可行性。

这支团队在参加昇腾AI创新大赛2023之前，成员们仅有软件开发经验。在短短不到四个月的时间里，他们完成了一场从0到1的华丽转变。一开始，团队成员对软硬结合有所抵触，但实际操作后却发现，软硬件结合能极大地开阔他们的视野和思路。

队长李赢坦言，接触硬件让他们意识到软件与硬件结合的重要性。以硬件迭代为例，他们曾使用一款智能摄像头进行简单的数据处理和录制。但当他们开始使用昇腾AI技术时，由于对视频流的精度要求极高，他们不得不更换为工业摄像头。昇思MindSpore的易用性帮助他们快速更新算法，昇腾AI的在线推理能力使得摄像头可以实时抓取、在线解码和模型推理。最终，他们的检测精度提升了82%，单张照片处理时间仅需0.014秒。这一切都证明了软硬融合的巨大潜力。

这支团队的创新之旅不仅展现了软硬融合的力量，更释放了澎湃的创新力量。他们的实践为行业提供了一个宝贵的参考，证明了通过云边协同和软硬融合，可以实现更高效、更精准的智能化转型。这支团队的故事不仅令人感叹他们的创新能力，更激发了人们对未来智能化发展的无限期待。在科技浪潮的推动下，思维方式的转变正悄然发生，其显著体现在部署方式的革新上。过去，边端设备的功能相对单一，仅能做简单的计算，所有的代码项目都集中在云端。当需要修改代码时，过程却异常繁琐——需要在本地服务器与云端之间反复验证和部署。这不仅增加了不确定性，而且在真实生产环境中可能导致实时性和可靠性的显著下降。

李赢对此深感振奋。当代码项目部署在边缘端时，测试和部署变得前所未有的便捷。直接修改即可立即看到成效，无需担忧网络延时，从而实现了更快的数据传输和响应速度。推理和部署在同一节点上的优势，使得后续的维护和管理变得简单明了，对车间工厂等环境更为友好。

正是这看似“陌生”的软硬融合模式，让“山东大学大山坡汽车焊工技术服务队”采用云边协同的解决方案，将模拟生产工艺智能化、可视化、模块化。他们走在工业制造智能化创新的最前沿。

在昇腾AI创新大赛2023的舞台上，类似“山东大学大山坡汽车焊工技术服务队”的团队层出不穷。他们用AI解决航空发动机智能视觉缺陷检测问题，提出无人机光伏智能巡检解决方案，甚至探索深海AI声呐智能感知系统……软硬融合模式正不断深入各种场景，以新的思路、理念去解决既有难题，释放出澎湃的创新力量。

昇腾AI创新大赛的初心，正如其名字所暗示的，是点燃产业端的创新之火。大模型浪潮下，人工智能已融入生产生活的各个领域。而这场大赛正是为了鼓励全产业开发者打造软硬件解决方案、探索模型算法，加速AI与产业的深度融合。“钓胜于鱼”的理念在这里得到了完美体现——我们更关注过程中的创新与探索，而不仅仅是结果。

无论是用AI解决航空发动机的智能视觉缺陷检测，还是提出无人机的光伏智能巡检解决方案，或是探索深海的AI声呐智能感知系统，这些团队都在用实际行动诠释着创新的魅力。软硬融合的模式正在成为他们手中的利器，不断攻克难题，推动产业的智能化进程。或许仍有人对昇腾AI创新大赛与“AI和产业融合”之间的关系感到困惑。那么，“山东大学大山坡汽车焊工技术服务队”的经历，或许能为我们提供最佳答案。

智能制造虽非新话题，但传统纯软件的思路往往导致学术与实际之间存在鸿沟。这支团队看到了边缘计算的潜力，他们采用软硬结合、云边协同的新架构设计，不仅提升了效率和准确性，更让系统实际应用的可能性大增。

授人以鱼，不如授之以渔。比起具体的焊接工艺，更重要的是运用所学知识去解决实际问题的经验和方法论。团队成员李赢表示，参赛过程中，团队的统筹协调能力得到了锻炼。师兄弟四人共同讨论，无分高下，但项目的推进需要明确的分工和规划。

史浩然博士，负责理论学术和算法研究，他第一次参与到如此完整的、具有实际意义的系统中，从软件工具到硬件设备再到算法实现，如何协同多种技术来解决实际问题，让他收获颇丰。

傅显坤主要负责云边调度研究，他感受到之前的研究更多停留在学术层面，而这次的项目真正让技术落地，解决实际问题，让他收获满满。

陈嘉彬作为大四学生参与到项目当中，负责边缘开发和软件开发。他认为本科阶段学习的知识更偏向理论，缺乏实践机会。通过这个项目，他学会了如何在实际场景中应用这些知识。

可以看到，他们参赛的初衷非常简单，仅仅是为了将所学应用到实践中去。这种朴素的想法，如同创新的种子，在他们的心中悄然生根发芽。通过不懈的努力和汗水的浇灌，这粒种子已经开花结果，展现出蓬勃的生命力。我们有理由相信，焊接工艺缺陷只是他们攻克的第一道难关，等待他们的将是无限广阔的未来。

如果将视线再扩大一些，我们会发现，“山东大学大山坡汽车焊工技术服务队”的参赛经历，其实展现了AI与产业融合的新模式。当为开发者提供高质量、可靠的软硬件服务，以及鼓励他们发挥创新想法和探索精神的环境时，智能化之火就能在产业界熊熊燃烧。他们的努力，如同一道明亮的灯塔，照亮了AI技术与产业融合的道路，引领我们向着智能化、高效化的未来前进。