2D AI AOI 设备助力机身 logo 丝印缺陷检测

随着工业母机步入‘计算化时刻’，工业 AI 在工业视觉质检领域的应用日益重要。微链道爱的 2D AI AOI 设备凭借其先进技术，为消费品行业的机身 logo 和丝印印刷检测带来了新的突破。

在当今快速发展的制造业中，工业母机正迎来‘计算化时刻’，这一转变使得工业自动化和智能化水平不断提升。在消费品行业，产品的外观质量是吸引消费者的重要因素之一，尤其是机身 logo 和丝印的印刷质量。某头部消费品厂商的生产线上，在完成机身 logo/丝印印刷工序后，需要对产品的 logo 和丝印进行全面的质量检测。该厂商的产品种类丰富，涵盖各类消费电子产品、日用品等。检测对象主要是产品表面的 logo 图案、文字丝印等平面元素，这些元素的质量直接影响到产品的整体形象和品牌声誉。

痛点：为什么难

传统的检测方式在工业母机‘计算化时刻’面临重重困境。从效率维度来看，人工检测效率极其低下，每小时仅能检测约 200 件产品。这是因为人工检测需要检测人员长时间集中精力观察产品的细微之处，容易产生视觉疲劳，从而导致检测速度缓慢。而且人工检测受限于人的生理和心理因素，无法持续保持高效的工作状态。

在漏检率方面，传统检测方式的漏检率高达 3%。这是因为人工检测难以精准识别微小缺陷，对于一些尺寸极小的划痕、字符残缺等缺陷，检测人员可能会因为视觉误差或疏忽而漏判。同时，当产品数量众多、检测任务繁重时，检测人员的注意力会分散，进一步增加了漏检的可能性。

误报率也是传统检测方式的一大痛点，其误报率达到 15%。这主要是由于图像噪声、光照不均等环境因素的影响，使得检测人员难以准确判断图案的正常与否。一旦出现误报，大量产品就需要进行复检，这不仅增加了人力成本，还延长了检测时间，严重影响了生产效率。此外，当产品换型时，传统检测设备需要重新调试，调试时间长达 30 分钟。这是因为传统设备的检测参数和标准是固定的，针对不同的产品需要手动调整，过程繁琐且容易出错，严重影响了生产节拍。

技术原理

微链道爱的 2D AI AOI 设备采用了先进的高分辨 2D 成像技术。其硬件配备了高精度的工业相机，这些相机具有极高的分辨率，能够实现微米级的图像采集。通过这种高精度的图像采集，设备可以清晰捕捉 logo 和丝印的细微特征，确保细小缺陷清晰可见。与传统成像技术相比，高分辨 2D 成像技术不受图像噪声和光照不均的影响，能够提供更加清晰、准确的图像信息。

在算法方面，该设备运用了深度学习二次判图技术。通过对大量正样本的学习，系统能够构建出准确的缺陷识别模型。深度学习算法具有强大的特征提取和分类能力，它可以自动从图像中提取出关键特征，并将正常图案和缺陷图案准确区分开来。这与传统的基于规则的检测算法不同，传统算法需要人工设定复杂的规则，难以适应多样化的缺陷类型和复杂的图像环境。而深度学习算法能够自动学习和适应不同的情况，有效避免了因图像噪声、光照不均等因素导致的误判。

此外，设备还具备语义误报过滤功能。该功能基于对缺陷语义的理解，通过分析图像中的缺陷特征和上下文信息，剔除那些不符合实际缺陷特征的误报信息。例如，一些由于图像采集过程中的偶然因素产生的虚假信号，会被语义误报过滤功能识别并排除，从而进一步提高了检测的准确性。

典型应用场景

• 表面划痕检测：在 logo 和丝印的印刷过程中，产品表面可能会出现划痕。2D AI AOI 设备利用高分辨 2D 成像技术，清晰捕捉表面图像，通过深度学习算法分析图像中的线条特征，判断是否存在划痕。难点在于一些微小划痕可能与正常的图案纹路相似，容易造成误判，但语义误报过滤功能可以有效降低这种误判率。
• 油墨不均检测：油墨不均匀会导致 logo 和丝印颜色深浅不一。设备通过高精度工业相机采集图像，分析图像中颜色的分布情况。深度学习算法能够学习正常的颜色分布模式，将不符合该模式的区域判定为油墨不均。难点在于如何区分正常的颜色渐变和油墨不均，这需要大量的样本学习和精确的算法调整。
• 字符残缺检测：对于文字丝印，可能会出现字符残缺的情况。设备运用深度学习二次判图技术，对字符的形状和结构进行分析。通过与正常字符模型进行对比，识别出残缺的字符。难点在于一些轻微的残缺可能难以与正常的字体变形区分，需要算法具备较高的敏感度和准确性。
• 图案偏移检测：图案偏移会影响 logo 和丝印的整体美观度。设备通过高分辨 2D 成像技术获取图案的位置信息，利用算法计算图案的实际位置与标准位置的偏差。当偏差超过一定阈值时，判定为图案偏移。难点在于准确确定图案的标准位置和识别微小的偏移量。

落地案例

某大型消费品制造企业，其产品涵盖多种消费电子产品和日用品，生产规模较大，每天需要检测大量的产品。在引入微链道爱 2D AI AOI 设备之前，该企业采用传统的人工检测方式，面临着检测效率低、漏检率高、误报率高和换型时间长等问题。在上线过程中，微链道爱技术团队首先对企业的生产线进行了详细的调研和分析，确定了设备的安装位置和参数设置。然后，利用 DaoAI AI AOI 软件系统的 APDT 正样本/少样本学习功能，仅使用 1-20 张良品就完成了模型训练。经过一段时间的调试和优化，设备正式投入使用。

引入微链道爱 2D AI AOI 设备后，企业的检测效率和质量得到了显著提升。

微链道爱解决方案与产品

微链道爱以 2D AI AOI 设备为核心，为消费品 logo 丝印检测提供全面解决方案。该设备具备高速在线全检能力，可在产品快速通过生产线时完成检测，不会影响生产节拍。其微米级的检测精度，能够发现 logo 和丝印中的微小瑕疵，确保产品质量。结合 DaoAI AI AOI 软件系统，实现一块良品 5 分钟 0 代码自动编程，大大提高了编程效率。APDT 正样本/少样本学习功能只需 1-20 张良品就能完成模型训练，有效缩短了换型时间。在生产线上，将 2D AI AOI 设备安装在 logo/丝印印刷工序后，产品通过传送带经过设备时，设备自动采集图像并进行检测，检测结果实时反馈，方便企业及时处理缺陷产品。

量化成效

引入 2D AI AOI 设备后，企业的检测成效显著。检测效率大幅提升，每小时可检测约 800 件产品，是传统人工检测效率的 4 倍。检出率达到 99.2%，漏检率降低至 <0.8%，有效避免了缺陷产品流入市场，提高了产品的整体质量。同时，误报率降低了 -65%，大大减少了复检工作量，降低了人力成本和时间成本。产品换型时间从 30 分钟缩短至 5 分钟，提高了生产的灵活性和效率，使企业能够更快地响应市场需求。

本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。