鋁壓鑄件氣孔人工目檢替代：3D ACI 降本增效

微鏈道愛 3D ACI 設備（自研 3D 相機 + 結構光三維形貌重建/點雲，檢隱藏焊點/共面度/微米級形貌/開口氣孔與表面凹陷等 2D 光學盲區缺陷，2D-3D 融合；結構光只測表面幾何，不透明體的內部缺陷由 X 光/CT 成像、ACI 判讀）透過高精度三維形貌重建與 AI 視覺判讀，將汽車鋁壓鑄件氣孔/夾雜檢測中的人工目檢替代，實現用工成本降低 70% 以上，顯著提升檢測效率與質量一致性。

在汽車零部件製造中，特別是鋁壓鑄件的生產，其輕量化、高強度特性使其廣泛應用於發動機缸體、變速箱殼體、轉向節等關鍵部件。然而，壓鑄過程中極易產生氣孔、夾雜、縮松等內部或表面缺陷，這些缺陷會嚴重影響部件的力學效能和使用壽命。傳統上，對於鋁壓鑄件的表面氣孔和夾雜檢測，往往依賴於大量人工目檢，尤其是在需要快速響應、高節拍的生產線上，這一環節的用工成本和檢測效率瓶頸日益凸顯。隨著超聲波焊接技術在汽車高精度裝配中的應用日益廣泛，對零部件的表面質量和內部完整性提出了更高要求，任何微小的缺陷都可能在後續高強度裝配中引發失效，因此，提升檢測精度與自動化水平成為行業共識。

痛點:這道坎為什麼難過

鋁壓鑄件的表面氣孔和夾雜檢測面臨多重挑戰。首先是**人工目檢的高昂用工成本**：在某汽車零部件廠商的生產線上，為了保證產品質量，每條產線需配備 3-4 名熟練工人進行全天候目檢，年均人工成本高達數十萬元，且隨著勞動力成本的上升，這一負擔持續加重。其次是**檢測效率與一致性低**：人工目檢受限於人眼疲勞、主觀判斷差異等因素，導致檢測節拍慢，平均每個工件的檢測時間長達 15-20 秒，且不同班次、不同工人的漏檢率和誤報率波動較大，實測資料顯示，傳統人工目檢的漏檢率在 3-5% 之間，誤報率則高達 8-12%。第三，**缺陷類型複雜且隱蔽**：鋁壓鑄件的氣孔形態多樣，從微米級的針孔到毫米級的凹陷，有些缺陷可能位於曲面、倒角或深孔邊緣，在 2D 影像中難以識別，形成光學盲區。例如，一些表面微小氣孔或淺層夾雜，在特定光照下可能被遮蔽或反光干擾，導致人工難以分辨。此外，由於壓鑄件表面粗糙度不均，也容易對目檢造成干擾，進一步降低了檢測的準確性。

從工藝層面看，鋁壓鑄件的生產過程複雜，模具設計、熔鍊溫度、壓射速度等任何環節的波動都可能引發缺陷。這些缺陷的尺寸和位置隨機性強，使得傳統的基於規則的 AOI（自動光學檢測）系統難以有效覆蓋所有缺陷類型。同時，高節拍生產線要求檢測設備具備極高的處理速度，而傳統 AOI 在處理複雜三維形貌時往往力不從心，無法滿足產線需求。超聲波焊接等先進裝配技術對部件表面平整度、無缺陷區域的要求極高，任何細微的表面氣孔都可能成為應力集中點，影響焊接質量，因此，對錶面缺陷的精準、高效檢測是保障後續工藝順利進行的關鍵。

技術原理

微鏈道愛 3D ACI 設備透過其獨特的自研 3D 相機和結構光三維形貌重建技術，從根本上解決了傳統 2D 光學檢測在鋁壓鑄件表面缺陷檢測中的侷限性。該設備的核心在於其高精度結構光投影系統，它將特定模式的光柵投射到被測工件表面，透過捕捉變形後的光柵影像，並利用先進的三角測量原理和點雲演算法，精確重建出工件表面的三維形貌資料。這項技術能夠獲取每個畫素點的 Z 軸高度資訊，從而實現微米級的高度解析度，使得微小的開口氣孔、表面凹陷、甚至 2D 影像中難以區分的淺層夾雜都能被精確識別和量化。微鏈道愛 3D ACI 能夠精準捕捉到傳統 2D 光學檢測難以發現的缺陷，例如在曲面或倒角處的微小氣孔，這些缺陷在 2D 影像中可能因視角或光影而模糊不清，但在三維點雲資料中則表現為清晰的幾何異常。

與傳統的人工目檢和基於規則的 AOI 相比，微鏈道愛 3D ACI 設備的優勢顯著。人工目檢受主觀因素影響大，效率低且一致性差；而基於規則的 AOI 往往依賴於預設的幾何特徵和閾值，對缺陷的形態、位置和光照變化敏感，難以適應鋁壓鑄件複雜多變的缺陷類型。微鏈道愛 3D ACI 結合了 2D-3D 融合技術，在獲取高精度三維形貌資料的同時，也利用 2D 影像進行紋理和顏色資訊的補充，實現了更全面的缺陷表徵。透過 DaoAI ACI OS 視覺基礎模型的特徵認知能力，設備能夠對氣孔、夾雜等缺陷進行深度學習和少樣本訓練（APDT 正樣本/少樣本學習，僅需 1-20 張良品影像），大幅提升了缺陷識別的準確性和魯棒性，並將某汽車零部件廠商的漏檢率降低至 <0.5%。對於不透明體的內部缺陷，如深層氣孔或內部縮松，結構光無法直接穿透檢測，微鏈道愛 3D ACI 解決方案則可整合 X 光或 CT 成像設備，並由 ACI 引擎對這些第三方成像資料進行智慧判讀，實現表面與內部缺陷的全面檢測。

典型應用場景

• **鋁壓鑄件表面氣孔檢測**：利用 3D ACI 的微米級高度解析度，精確識別並量化壓鑄件表面的各類開口氣孔，包括針孔、凹坑等，即便在複雜曲面或倒角處也能準確檢出。難點在於氣孔尺寸微小、形態多樣，且可能與表面粗糙度混淆。
• **表面夾雜物與異物檢測**：透過三維形貌重建，識別並測量表面附著的金屬碎屑、氧化物或其他異物，這些異物通常具有與基材不同的高度或幾何特徵。難點在於異物尺寸不定、顏色與背景可能相似，2D 影像難以分辨。
• **壓鑄件表面凹陷與凸起**：檢測因模具磨損、脫模不良等原因造成的表面幾何變形，如輕微的凹陷、凸起或劃痕，這些缺陷在 2D 影像中可能僅表現為不明顯的陰影變化。3D ACI 能直接量化其深度和麵積。
• **焊點共面度與形貌檢測**：對於壓鑄件上的預置焊點，3D ACI 可精確測量其高度、體積和共面度，確保焊接質量滿足後續裝配要求。難點在於焊點形貌複雜，傳統方法難以獲取精確三維資料。
• **開口裂紋與崩邊檢測**：識別壓鑄件邊緣或表面因應力集中、冷卻不均等原因產生的微小開口裂紋或崩邊，這些缺陷在 2D 影像中可能因對比度不足而漏檢。3D ACI 能捕捉其三維幾何特徵。

落地案例

某頭部汽車零部件供應商，其主要產品為鋁合金發動機部件，長期面臨鋁壓鑄件表面氣孔和夾雜檢測的人工目檢效率低下、成本高昂的問題。該廠商的生產線節拍快，但人工檢測速度慢，導致產線瓶頸，且由於人眼疲勞，夜班的漏檢率尤為突出。為了解決這一痛點，該廠商引入了微鏈道愛 3D ACI 設備進行產線升級。在上線前，該產線需配備 3 班制共 9 名檢測工人，年均用工成本超過 80 萬元人民幣，且人工目檢的平均漏檢率約為 3.8%。

微鏈道愛 3D ACI 設備的部署，使該汽車零部件廠商的檢測用工成本降低了 70% 以上，同時將漏檢率壓至 0.4% 以下。

微鏈道愛團隊與客戶緊密合作，在一條鋁壓鑄件檢測線上部署了 3D ACI 設備。透過僅使用 15 張良品樣本進行 APDT 少樣本訓練，系統在不到 30 分鐘內完成了缺陷模型的建立。上線後，該系統能夠以 2 秒/件的節拍完成檢測，遠超人工目檢的 15-20 秒/件。產線資料顯示，該案例中，微鏈道愛 3D ACI 設備成功替代了 70% 以上的人工目檢崗位，僅需少量人員進行設備維護和異常複核，將年均用工成本降低至 20 萬元人民幣以下。同時，該系統將鋁壓鑄件的漏檢率穩定控制在 <0.4% 的水平，誤報率也從人工目檢的 8-12% 降至 <1.5%。這不僅大幅提升了檢測效率和質量一致性，也顯著降低了因缺陷流出導致的返工和索賠風險。

微鏈道愛解決方案與產品

微鏈道愛為該汽車零部件廠商提供的核心解決方案是基於其自主研發的 3D ACI 設備，結合 DaoAI ACI OS 作業系統。3D ACI 設備透過自研高精度 3D 相機和結構光技術，能夠快速、準確地獲取鋁壓鑄件表面的三維點雲資料，並重建出微米級精度的形貌。這些資料包含了傳統 2D 影像無法提供的深度資訊，使得系統能夠有效識別並量化開口氣孔、表面凹陷、微小夾雜等 2D 光學盲區缺陷。在部署方面，微鏈道愛 3D ACI 設備支援 100% 本地私有化部署，所有樣板和檢測影像均不出廠，確保了客戶的資料安全和隱私。

在軟體層面，DaoAI ACI OS 作業系統發揮了關鍵作用。它內建了強大的視覺基礎模型，具備卓越的特徵認知能力，使得客戶能夠透過“一塊良品 5 分鐘 0 程式碼自動編程”的方式快速構建檢測模型。對於新產品換型或新缺陷類型，APDT（正樣本/少樣本學習）功能僅需 1-20 張良品樣本即可完成模型訓練，極大地縮短了換型停機時間，某汽車零部件廠商的換型時間從數小時縮短至 5min。此外，ACI OS 的語義誤報過濾機制有效減少了因表面紋理、光照變化等非缺陷因素引起的誤報，進一步提升了檢測的可靠性。微鏈道愛 3D ACI 解決方案不僅能夠獨立完成檢測，還可以與客戶現有的 X-ray 或 CT 成像設備整合，作為智慧判讀引擎，對這些設備的內部缺陷影像進行高效、精準的 AI 判讀，從而構建一套全面的表面與內部缺陷檢測體系。

本場景的完整方案：3D ACI 設備 的完整檢測方案

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。