2D AI AOI 裝置助力機身 logo 絲印缺陷檢測

隨著工業母機步入‘計算化時刻’，工業 AI 在工業視覺質檢領域的應用日益重要。微鏈道愛的 2D AI AOI 裝置憑藉其先進技術，為消費品行業的機身 logo 和絲印印刷檢測帶來了新的突破。

在當今快速發展的製造業中，工業母機正迎來‘計算化時刻’，這一轉變使得工業自動化和智慧化水平不斷提升。在消費品行業，產品的外觀質量是吸引消費者的重要因素之一，尤其是機身 logo 和絲印的印刷質量。某頭部消費品廠商的生產線上，在完成機身 logo/絲印印刷工序後，需要對產品的 logo 和絲印進行全面的質量檢測。該廠商的產品種類豐富，涵蓋各類消費電子產品、日用品等。檢測物件主要是產品表面的 logo 圖案、文字絲印等平面元素，這些元素的質量直接影響到產品的整體形象和品牌聲譽。

痛點：為什麼難

傳統的檢測方式在工業母機‘計算化時刻’面臨重重困境。從效率維度來看，人工檢測效率極其低下，每小時僅能檢測約 200 件產品。這是因為人工檢測需要檢測人員長時間集中精力觀察產品的細微之處，容易產生視覺疲勞，從而導致檢測速度緩慢。而且人工檢測受限於人的生理和心理因素，無法持續保持高效的工作狀態。

在漏檢率方面，傳統檢測方式的漏檢率高達 3%。這是因為人工檢測難以精準識別微小缺陷，對於一些尺寸極小的劃痕、字元殘缺等缺陷，檢測人員可能會因為視覺誤差或疏忽而漏判。同時，當產品數量眾多、檢測任務繁重時，檢測人員的注意力會分散，進一步增加了漏檢的可能性。

誤報率也是傳統檢測方式的一大痛點，其誤報率達到 15%。這主要是由於影象噪聲、光照不均等環境因素的影響，使得檢測人員難以準確判斷圖案的正常與否。一旦出現誤報，大量產品就需要進行復檢，這不僅增加了人力成本，還延長了檢測時間，嚴重影響了生產效率。此外，當產品換型時，傳統檢測裝置需要重新除錯，除錯時間長達 30 分鐘。這是因為傳統裝置的檢測引數和標準是固定的，針對不同的產品需要手動調整，過程繁瑣且容易出錯，嚴重影響了生產節拍。

技術原理

微鏈道愛的 2D AI AOI 裝置採用了先進的高分辨 2D 成像技術。其硬體配備了高精度的工業相機，這些相機具有極高的解析度，能夠實現微米級的影象採集。透過這種高精度的影象採集，裝置可以清晰捕捉 logo 和絲印的細微特徵，確保細小缺陷清晰可見。與傳統成像技術相比，高分辨 2D 成像技術不受影象噪聲和光照不均的影響，能夠提供更加清晰、準確的影象資訊。

在演算法方面，該裝置運用了深度學習二次判圖技術。透過對大量正樣本的學習，系統能夠構建出準確的缺陷識別模型。深度學習演算法具有強大的特徵提取和分類能力，它可以自動從影象中提取出關鍵特徵，並將正常圖案和缺陷圖案准確區分開來。這與傳統的基於規則的檢測演算法不同，傳統演算法需要人工設定複雜的規則，難以適應多樣化的缺陷型別和複雜的影象環境。而深度學習演算法能夠自動學習和適應不同的情況，有效避免了因影象噪聲、光照不均等因素導致的誤判。

此外，裝置還具備語義誤報過濾功能。該功能基於對缺陷語義的理解，透過分析影象中的缺陷特徵和上下文資訊，剔除那些不符合實際缺陷特徵的誤報資訊。例如，一些由於影象採集過程中的偶然因素產生的虛假訊號，會被語義誤報過濾功能識別並排除，從而進一步提高了檢測的準確性。

典型應用場景

• 表面劃痕檢測：在 logo 和絲印的印刷過程中，產品表面可能會出現劃痕。2D AI AOI 裝置利用高分辨 2D 成像技術，清晰捕捉表面影象，透過深度學習演算法分析影象中的線條特徵，判斷是否存在劃痕。難點在於一些微小劃痕可能與正常的圖案紋路相似，容易造成誤判，但語義誤報過濾功能可以有效降低這種誤判率。
• 油墨不均檢測：油墨不均勻會導致 logo 和絲印顏色深淺不一。裝置透過高精度工業相機採集影象，分析影象中顏色的分佈情況。深度學習演算法能夠學習正常的顏色分佈模式，將不符合該模式的區域判定為油墨不均。難點在於如何區分正常的顏色漸變和油墨不均，這需要大量的樣本學習和精確的演算法調整。
• 字元殘缺檢測：對於文字絲印，可能會出現字元殘缺的情況。裝置運用深度學習二次判圖技術，對字元的形狀和結構進行分析。透過與正常字元模型進行對比，識別出殘缺的字元。難點在於一些輕微的殘缺可能難以與正常的字型變形區分，需要演算法具備較高的敏感度和準確性。
• 圖案偏移檢測：圖案偏移會影響 logo 和絲印的整體美觀度。裝置透過高分辨 2D 成像技術獲取圖案的位置資訊，利用演算法計算圖案的實際位置與標準位置的偏差。當偏差超過一定閾值時，判定為圖案偏移。難點在於準確確定圖案的標準位置和識別微小的偏移量。

落地案例

某大型消費品製造企業，其產品涵蓋多種消費電子產品和日用品，生產規模較大，每天需要檢測大量的產品。在引入微鏈道愛 2D AI AOI 裝置之前，該企業採用傳統的人工檢測方式，面臨著檢測效率低、漏檢率高、誤報率高和換型時間長等問題。在上線過程中，微鏈道愛技術團隊首先對企業的生產線進行了詳細的調研和分析，確定了裝置的安裝位置和引數設定。然後，利用 DaoAI AI AOI 軟體系統的 APDT 正樣本/少樣本學習功能，僅使用 1-20 張良品就完成了模型訓練。經過一段時間的除錯和最佳化，裝置正式投入使用。

引入微鏈道愛 2D AI AOI 裝置後，企業的檢測效率和質量得到了顯著提升。

微鏈道愛解決方案與產品

微鏈道愛以 2D AI AOI 裝置為核心，為消費品 logo 絲印檢測提供全面解決方案。該裝置具備高速線上全檢能力，可在產品快速透過生產線時完成檢測，不會影響生產節拍。其微米級的檢測精度，能夠發現 logo 和絲印中的微小瑕疵，確保產品質量。結合 DaoAI AI AOI 軟體系統，實現一塊良品 5 分鐘 0 程式碼自動程式設計，大大提高了程式設計效率。APDT 正樣本/少樣本學習功能只需 1-20 張良品就能完成模型訓練，有效縮短了換型時間。在生產線上，將 2D AI AOI 裝置安裝在 logo/絲印印刷工序後，產品透過傳送帶經過裝置時，裝置自動採集影象並進行檢測，檢測結果實時反饋，方便企業及時處理缺陷產品。

量化成效

引入 2D AI AOI 裝置後，企業的檢測成效顯著。檢測效率大幅提升，每小時可檢測約 800 件產品，是傳統人工檢測效率的 4 倍。檢出率達到 99.2%，漏檢率降低至 <0.8%，有效避免了缺陷產品流入市場，提高了產品的整體質量。同時，誤報率降低了 -65%，大大減少了複檢工作量，降低了人力成本和時間成本。產品換型時間從 30 分鐘縮短至 5 分鐘，提高了生產的靈活性和效率，使企業能夠更快地響應市場需求。

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。