行業方案 · INDUSTRY
微鏈道愛 DaoAI 的汽車 / 零部件：100% 線上全檢、0 斷膠漏塗、99%+ 抓取成功。面向汽車電子與零部件製造:我們的 AI 視覺覆蓋裝配缺漏、尺寸測量、焊縫與表面缺陷的線上 100% 全檢,1–20 張樣本快速上線、微米級精度。
汽車 / 零部件行業的物理 AI 應用橫跨微鏈道愛(DaoAI)的兩條線:ACI 認知檢測負責焊縫、塗裝、衝壓件外觀;機器人視覺負責擰緊、塗膠、無序抓取的三維引導。兩者共用 DaoAI World 底座。與單點視覺方案的邊界是「一個底座跨任務複用」,而不是每個工位一套演算法。
方案詳解 · SOLUTION
汽車產線上的視覺任務分兩類：一類是"看得準"，衝壓面的 0.3mm 級劃傷凹陷、白車身數百條焊縫的形態判定；另一類是"抓得穩、走得對"，塗膠路徑要跟著工件實際位置走，散亂堆疊的零件要能從料箱裡一件件取出來。前者難在缺陷形態高度可變，規則寫不全；後者難在工件位置本來就不固定，預編程軌跡一遇到位置偏差就斷膠、錯位、抓空。
兩類任務此前常被拆成兩套系統：AOI 管檢測，機器人管動作，中間靠人工或固定治具補位。治具越多，換型越慢；而漏檢一旦流到客戶端，代價按整車算。
看：ACI 做表面與焊縫缺陷判定，覆蓋裂紋、未焊滿、劃傷、凹陷等多類缺陷，判據來自模型而不是逐條規則。
抓：3D 機器人視覺做 6D 位姿估計，對無固定特徵點、表面反光的零件同樣可用，不依賴專用治具。
走：塗膠等軌跡類作業改成邊塗邊測邊糾——相機實時給出工件實際位置，機器人按實測軌跡走，而不是按預編程軌跡"盲打"。
產線對接：檢測結果與缺陷座標回傳 MES / SPC，與擰緊、焊接工藝資料對齊；生產資料留在廠內，不出廠。
微鏈道愛用同一個 DaoAI World 視覺底座同時支撐檢測與引導，是這套方案在汽車場景裡最省事的地方：相機、標定、模型訓練與部署都在一個平臺上完成，檢測工位與機器人工位不必各建一套。
| 工位類型 | 推薦配置 | 解決的主要問題 |
|---|---|---|
| 塗膠 / 密封線上引導 | 3D 機器人視覺 + 自研 3D 相機 | 工件位置偏差導致的斷膠、縮頸、錯位 |
| 無序料箱上料 | 3D 機器人視覺（6D 位姿） | 散亂堆疊、反光、無特徵點零件的抓取 |
| 焊縫 / 衝壓面檢測 | ACI 表面缺陷檢測 | 裂紋、未焊滿、劃傷、凹陷的一致性判定 |
| 總成裝配防錯 | 2D ACI + 平臺模板 | 缺件、錯裝、尺寸與位置偏差線上全檢 |
微鏈道愛的落地路徑是四步：① 需求評估——按工位拆任務：哪些是檢測、哪些是引導，節拍與允差先說清；② 方案選型——定相機、機型與安裝方式（隨行 / 固定），給出報價與交付計劃；③ 現場部署——手眼標定與模板建立，操作員約 30 分鐘上手；④ 反饋最佳化——複檢與返修結果迴流，模型分鐘級更新。
檢測工位看綜合檢出率、誤報率與最小可檢尺寸；引導工位看定位精度、抓取成功率與單件節拍。微鏈道愛已落地的汽車 / 零部件場景裡，典型表現是——塗膠定位 ±0.5mm、100% 線上全檢、漏塗斷膠趨近於零；無序抓取識別率 99%+、單次 4–8 秒；焊縫與衝壓面綜合檢出率 97%、誤報 0.2%、最小檢出 0.3mm。
以上為匿名行業場景下我們方案的典型可達範圍，具體數值隨工件、工位與節拍而變，以現場實測為準。
應用場景 · SCENARIOS
發動機總成裝配涉及螺栓、墊片、感測器等數十個要素，任何缺漏都可能造成售後風險。
連接器與端子的接觸可靠性直接關係整車電氣系統的穩定性。
車身噴塗面的質量不僅關乎外觀，流掛、橘皮等缺陷還會降低漆面防護效能。
總成裝配環節的螺栓錯裝、漏裝是常見質量風險，人工檢測與傳統視覺方案對這類問題的攔截能力有限。
零部件製造中的上料工序看似簡單，但對散亂堆疊、表面光滑無特徵的零件，傳統自動化方案往往難以奏效。
緊韌體擰緊工序既要保證高節拍生產，又要滿足全數檢驗要求，傳統方案難以兼顧效率與精度。
塗膠密封質量直接影響整車防水防塵效能，膠路斷裂、溢膠、缺膠等缺陷傳統檢測手段難以做到 100% 線上覆蓋。
衝壓鈑金覆蓋件表面質量直接影響整車外觀與使用者第一印象。
發動機缸體、變速箱殼體等關鍵部件的緊韌體擰緊狀態直接關係整車安全性。
白車身數百條焊縫的質量直接決定整車結構強度與碰撞安全性。
客戶案例 · CASE STUDIES
從塗膠引導、無序抓取到焊縫、衝壓面缺陷 —— 3D 機器人視覺 + ACI，把傳統視覺做不了的活接下來。
場景 · 塗膠 / 密封線上引導
挑戰塗膠機器人按預編程軌跡「盲打」，工件位置一變就斷膠、縮頸、錯位。
方案3D 機器人視覺邊塗邊測邊糾（腦·眼·體閉環）+ 自研 3D 相機，亞毫米手眼協調。
場景 · 無序料箱抓取
挑戰一箱隨機堆疊、無固定特徵點、表面反光的零件，傳統視覺根本抓不了。
方案3D 機器人視覺做 6D 位姿估計，無特徵點定位 + 腦眼體閉環引導抓取。
場景 · 焊縫 / 衝壓面缺陷
挑戰焊縫形態高度可變、衝壓面 0.3mm 級劃傷凹陷，人眼判讀不一致、客戶端漏檢高。
方案ACI 表面缺陷檢測 + 世界模型，覆蓋裂紋、未焊滿、劃傷、凹陷等多類缺陷。
案例為匿名行業場景，指標為我們方案的典型可達範圍。
深度案例 · IN-DEPTH
逐一拆解真實場景下的落地路徑 —— 行業背景、痛點、我們的方案與成效。
某 Tier-1 供應商門蓋密封膠線長期受斷膠、漏塗困擾，下游漏水返工高發。DaoAI 3D 機器人視覺以腦·眼·體閉環實現 100% 線上檢測與機器人路徑實時糾偏，斷膠/漏塗全攔，膠寬精度控制在 ±0.5mm。
閱讀全文
某零部件廠金屬件長期靠人工從料箱挑揀上料，姿態雜亂、零件無明顯特徵點，自動化屢屢受阻。DaoAI 3D 機器人視覺以 6D 位姿估計實現無序抓取，成功率穩定在 99%+，節拍 4–8 秒/件，真正打通上料無人化。
閱讀全文
某車身件廠白車身焊縫依賴人工目視，裂紋、未焊滿等微缺陷易被忽略，且標準因人而異。DaoAI ACI 引入深度學習焊縫檢測，對裂紋、未焊滿、咬邊等缺陷高準確率識別，判定標準統一，質量資料可追溯。
閱讀全文
某零部件廠鋁壓鑄件內部氣孔、夾雜等缺陷需 X-ray 檢測，但人工讀片慢、標準主觀、易疲勞。DaoAI 深度學習 ACI 對 X-ray 影像自動判廢，單圖推理 <2 秒，可直接部署於產線節拍，實現 100% 內部缺陷線上篩查。
閱讀全文
某車身件廠衝壓鈑金件的劃傷、凹陷等表面缺陷尺度小、對比度低，人工目視漏檢率高達 2.8%。DaoAI ACI 實現 0.3mm 級表面缺陷檢測，準確率達 97%，客戶漏檢率降至 0.2%，外觀件質量穩定可控。
閱讀全文常見問題 · FAQ
覆蓋衝壓鈑金表面缺陷、焊縫質量、密封膠塗布連續性、鋁壓鑄 X 光氣孔，以及來料分揀的 6D 位姿識別。DaoAI 兼顧金屬反光與複雜曲面場景。
DaoAI 結合多角度光照與基於特徵認知的深度模型，抑制反光干擾，在高光與低對比表面上穩定檢出劃傷、凹陷等缺陷。
可以。DaoAI 2D / 3D ACI 在節拍內對焊縫成形與密封膠連續性逐件線上全檢，替代抽檢，及時攔截斷膠、漏焊。
DaoAI 機器人視覺提供 6D 位姿與無序抓取（bin picking）能力，引導機械臂對散亂零件精準抓取與上下料，提升自動化節拍。
