行业方案 · INDUSTRY
微链道爱 DaoAI 的汽车 / 零部件：100% 在线全检、0 断胶漏涂、99%+ 抓取成功。面向汽车电子与零部件制造:我们的 AI 视觉覆盖装配缺漏、尺寸测量、焊缝与表面缺陷的在线 100% 全检,1–20 张样本快速上线、微米级精度。
汽车 / 零部件行业的物理 AI 应用横跨微链道爱(DaoAI)的两条线:ACI 认知检测负责焊缝、涂装、冲压件外观;机器人视觉负责拧紧、涂胶、无序抓取的三维引导。两者共用 DaoAI World 底座。与单点视觉方案的边界是「一个底座跨任务复用」,而不是每个工位一套算法。
方案详解 · SOLUTION
汽车产线上的视觉任务分两类：一类是"看得准"，冲压面的 0.3mm 级划伤凹陷、白车身数百条焊缝的形态判定；另一类是"抓得稳、走得对"，涂胶路径要跟着工件实际位置走，散乱堆叠的零件要能从料箱里一件件取出来。前者难在缺陷形态高度可变，规则写不全；后者难在工件位置本来就不固定，预编程轨迹一遇到位置偏差就断胶、错位、抓空。
两类任务此前常被拆成两套系统：AOI 管检测，机器人管动作，中间靠人工或固定治具补位。治具越多，换型越慢；而漏检一旦流到客户端，代价按整车算。
看：ACI 做表面与焊缝缺陷判定，覆盖裂纹、未焊满、划伤、凹陷等多类缺陷，判据来自模型而不是逐条规则。
抓：3D 机器人视觉做 6D 位姿估计，对无固定特征点、表面反光的零件同样可用，不依赖专用治具。
走：涂胶等轨迹类作业改成边涂边测边纠——相机实时给出工件实际位置，机器人按实测轨迹走，而不是按预编程轨迹"盲打"。
产线对接：检测结果与缺陷坐标回传 MES / SPC，与拧紧、焊接工艺数据对齐；样板与检测图像留在厂内，不出厂。
微链道爱用同一个 DaoAI World 视觉底座同时支撑检测与引导，是这套方案在汽车场景里最省事的地方：相机、标定、模型训练与部署都在一个平台上完成，检测工位与机器人工位不必各建一套。
| 工位类型 | 推荐配置 | 解决的主要问题 |
|---|---|---|
| 涂胶 / 密封在线引导 | 3D 机器人视觉 + 自研 3D 相机 | 工件位置偏差导致的断胶、缩颈、错位 |
| 无序料箱上料 | 3D 机器人视觉（6D 位姿） | 散乱堆叠、反光、无特征点零件的抓取 |
| 焊缝 / 冲压面检测 | ACI 表面缺陷检测 | 裂纹、未焊满、划伤、凹陷的一致性判定 |
| 总成装配防错 | 2D ACI + 平台模板 | 缺件、错装、尺寸与位置偏差在线全检 |
微链道爱的落地路径是四步：① 需求评估——按工位拆任务：哪些是检测、哪些是引导，节拍与允差先说清；② 方案选型——定相机、机型与安装方式（随行 / 固定），给出报价与交付计划；③ 现场部署——手眼标定与模板建立，操作员约 30 分钟上手；④ 反馈优化——复检与返修结果回流，模型分钟级更新。
检测工位看综合检出率、误报率与最小可检尺寸；引导工位看定位精度、抓取成功率与单件节拍。微链道爱已落地的汽车 / 零部件场景里，典型表现是——涂胶定位 ±0.5mm、100% 在线全检、漏涂断胶趋近于零；无序抓取识别率 99%+、单次 4–8 秒；焊缝与冲压面综合检出率 97%、误报 0.2%、最小检出 0.3mm。
以上为匿名行业场景下我们方案的典型可达范围，具体数值随工件、工位与节拍而变，以现场实测为准。
应用场景 · SCENARIOS
发动机总成装配涉及螺栓、垫片、传感器等数十个要素，任何缺漏都可能造成售后风险。
连接器与端子的接触可靠性直接关系整车电气系统的稳定性。
车身喷涂面的质量不仅关乎外观，流挂、橘皮等缺陷还会降低漆面防护性能。
总成装配环节的螺栓错装、漏装是常见质量风险，人工检测与传统视觉方案对这类问题的拦截能力有限。
零部件制造中的上料工序看似简单，但对散乱堆叠、表面光滑无特征的零件，传统自动化方案往往难以奏效。
紧固件拧紧工序既要保证高节拍生产，又要满足全数检验要求，传统方案难以兼顾效率与精度。
涂胶密封质量直接影响整车防水防尘性能，胶路断裂、溢胶、缺胶等缺陷传统检测手段难以做到 100% 在线覆盖。
冲压钣金覆盖件表面质量直接影响整车外观与用户第一印象。
发动机缸体、变速箱壳体等关键部件的紧固件拧紧状态直接关系整车安全性。
白车身数百条焊缝的质量直接决定整车结构强度与碰撞安全性。
客户案例 · CASE STUDIES
从涂胶引导、无序抓取到焊缝、冲压面缺陷 —— 3D 机器人视觉 + ACI，把传统视觉做不了的活接下来。
场景 · 涂胶 / 密封在线引导
挑战涂胶机器人按预编程轨迹「盲打」，工件位置一变就断胶、缩颈、错位。
方案3D 机器人视觉边涂边测边纠（脑·眼·体闭环）+ 自研 3D 相机，亚毫米手眼协调。
场景 · 无序料箱抓取
挑战一箱随机堆叠、无固定特征点、表面反光的零件，传统视觉根本抓不了。
方案3D 机器人视觉做 6D 位姿估计，无特征点定位 + 脑眼体闭环引导抓取。
场景 · 焊缝 / 冲压面缺陷
挑战焊缝形态高度可变、冲压面 0.3mm 级划伤凹陷，人眼判读不一致、客户端漏检高。
方案ACI 表面缺陷检测 + 世界模型，覆盖裂纹、未焊满、划伤、凹陷等多类缺陷。
案例为匿名行业场景，指标为我们方案的典型可达范围。
深度案例 · IN-DEPTH
逐一拆解真实场景下的落地路径 —— 行业背景、痛点、我们的方案与成效。
某 Tier-1 供应商门盖密封胶线长期受断胶、漏涂困扰，下游漏水返工高发。DaoAI 3D 机器人视觉以脑·眼·体闭环实现 100% 在线检测与机器人路径实时纠偏，断胶/漏涂全拦，胶宽精度控制在 ±0.5mm。
阅读全文
某零部件厂金属件长期靠人工从料箱挑拣上料，姿态杂乱、零件无明显特征点，自动化屡屡受阻。DaoAI 3D 机器人视觉以 6D 位姿估计实现无序抓取，成功率稳定在 99%+，节拍 4–8 秒/件，真正打通上料无人化。
阅读全文
某车身件厂白车身焊缝依赖人工目视，裂纹、未焊满等微缺陷易被忽略，且标准因人而异。DaoAI ACI 引入深度学习焊缝检测，对裂纹、未焊满、咬边等缺陷高准确率识别，判定标准统一，质量数据可追溯。
阅读全文
某零部件厂铝压铸件内部气孔、夹杂等缺陷需 X-ray 检测，但人工读片慢、标准主观、易疲劳。DaoAI 深度学习 ACI 对 X-ray 图像自动判废，单图推理 <2 秒，可直接部署于产线节拍，实现 100% 内部缺陷在线筛查。
阅读全文
某车身件厂冲压钣金件的划伤、凹陷等表面缺陷尺度小、对比度低，人工目视漏检率高达 2.8%。DaoAI ACI 实现 0.3mm 级表面缺陷检测，准确率达 97%，客户漏检率降至 0.2%，外观件质量稳定可控。
阅读全文常见问题 · FAQ
覆盖冲压钣金表面缺陷、焊缝质量、密封胶涂布连续性、铝压铸 X 光气孔，以及来料分拣的 6D 位姿识别。DaoAI 兼顾金属反光与复杂曲面场景。
DaoAI 结合多角度光照与基于特征认知的深度模型，抑制反光干扰，在高光与低对比表面上稳定检出划伤、凹陷等缺陷。
可以。DaoAI 2D / 3D ACI 在节拍内对焊缝成形与密封胶连续性逐件在线全检，替代抽检，及时拦截断胶、漏焊。
DaoAI 机器人视觉提供 6D 位姿与无序抓取（bin picking）能力，引导机械臂对散乱零件精准抓取与上下料，提升自动化节拍。
