2D AI AOI 裝置實現烘焙品外觀缺陷高速全檢

在當今智慧製造的大趨勢下，AI-AOI 技術在電子產品製造中的應用備受關注。這一技術對產品質量把控起到了重要作用，而其在食品行業同樣具有巨大潛力。微鏈道愛的 2D AI AOI 裝置，為烘焙品外觀檢測帶來了高效解決方案。

使用者場景：某頭部烘焙食品廠商，在其烘焙品的包裝前工序產線上，主要產品為各類麵包、蛋糕等烘焙食品。檢測物件為烘焙品的外觀，包括表面的色澤均勻度、是否有裂紋、印刷圖案的完整性以及裝配缺漏（如裝飾件缺失）等平面缺陷。

痛點：傳統的人工檢測方式存在諸多量化困境。漏檢率較高，約為 3%，導致部分有缺陷的產品流入市場，影響品牌形象。誤報率也達到了 20%，這使得大量合格產品被誤判，增加了複檢成本和人力投入。同時，人工檢測速度慢，難以滿足高速生產線的節拍要求，且人力成本逐年上升。此外，隨著市場需求的變化，烘焙品的款式更新頻繁，換型時間長，約需 30 分鐘，影響生產效率。在合規方面，人工檢測難以保證檢測標準的一致性，無法滿足日益嚴格的食品安全法規要求。結合今日熱點方向，如同電子產品製造需要高精度的質量把控一樣，烘焙品行業也急需先進的檢測技術來提升產品質量和生產效率。

技術原理

微鏈道愛的 2D AI AOI 裝置採用高分辨 2D 成像技術和深度學習二次判圖演算法。其高分辨 2D 成像硬體能夠捕捉烘焙品表面的微小細節，為後續的缺陷檢測提供清晰準確的影象資料。深度學習二次判圖演算法則是基於大量的正樣本資料進行訓練，首先透過視覺基礎模型對影象進行特徵認知，識別出可能存在的缺陷區域。然後進行二次判圖，利用語義誤報過濾技術，對初步判斷的缺陷進行進一步分析，去除因光照、背景等因素導致的誤報。這種演算法的有效性在於它能夠學習烘焙品外觀的特徵和缺陷模式，並且隨著資料的不斷積累，檢測的準確性和穩定性會不斷提高。

• 高分辨 2D 成像：能夠實現微米級的影象採集，清晰呈現烘焙品表面的微小缺陷。
• 深度學習訓練：透過 APDT 正樣本/少樣本學習（僅需 1-20 張良品），快速建立準確的檢測模型。
• 語義誤報過濾：根據缺陷的語義資訊，準確區分真實缺陷和誤報，提高檢測的可靠性。

微鏈道愛解決方案與產品

以 2D AI AOI 裝置為核心，微鏈道愛提供了一套完整的烘焙品外觀檢測解決方案。該裝置具備高速線上全檢能力，能夠在不影響生產線速度的情況下，對每一個烘焙品進行全面檢測。其微米級的檢測精度可以確保檢測到微小的缺陷，如髮絲般的裂紋。在換型方面，由於採用了 DaoAI AI AOI 軟體系統，一塊良品 5 分鐘即可實現 0 程式碼自動程式設計，大大縮短了換型時間。同時，語義誤報過濾功能有效降低了誤報率，減少了複檢工作量。配套的 DaoAI World 世界模型作為統一底座，能夠實現語義理解、跨場景泛化，並從產線反饋持續學習，進一步提升檢測效果和裝置的適應性。

2D AI AOI 裝置為烘焙品外觀檢測帶來高精度、高效率的解決方案。

量化成效：使用微鏈道愛的 2D AI AOI 裝置後，烘焙品外觀缺陷的檢出率提高到了 98%，漏檢率降低至 < 2%。誤報率顯著降低，減少了 -70%，大大減少了複檢工作量和人力成本。換型時間從原來的 30 分鐘縮短至 5 分鐘，有效提高了生產效率，適應了市場需求的快速變化。

本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。