AI AOI 軟體系統提升家電面板外觀檢測成效

微鏈道愛先進的 AI AOI 軟體系統，憑藉獨特技術和高效方案，為家電面板外觀檢測帶來變革，解決傳統檢測難題。

在消費品行業中，家電產品佔據著重要的地位。家電面板作為家電產品的重要組成部分，其外觀質量直接影響著產品的整體形象和使用者體驗。某頭部家電製造商，在其家電面板生產線上，主要生產各類家電的操作面板。這些面板廣泛應用於冰箱、洗衣機、空調等常見家電產品中。檢測物件為家電面板的外觀，包括表面劃痕、汙漬、印刷瑕疵等缺陷。隨著消費者對家電產品外觀質量要求的不斷提高，對家電面板外觀檢測的精度和效率也提出了更高的要求。

痛點：為什麼難

在傳統的檢測方式下，該製造商面臨著諸多困境。從量化指標來看，漏檢率較高，約為 3%，這意味著部分有缺陷的產品會流入市場。以每年生產 100 萬臺家電面板為例，就會有 3 萬臺有缺陷的產品進入市場，這無疑會影響品牌聲譽。誤報率也達到了 20%，大量合格產品需要進行復檢，增加了人力和時間成本。假設每條生產線每天檢測 1000 塊面板，那麼就會有 200 塊合格面板需要複檢，這會消耗大量的人力和時間資源。同時，在換型生產不同型號的家電面板時，需要花費大量時間重新程式設計和除錯，換型時間長達 30 分鐘。如果一天進行 5 次換型，就會浪費 150 分鐘的生產時間。

造成這些問題的根因在於傳統檢測方式的侷限性。傳統檢測主要依靠人工肉眼識別，人的視覺容易疲勞，而且對於微小的缺陷很難準確識別。同時，人工檢測的標準難以統一，不同檢測人員的判斷結果可能存在差異。另外，傳統的程式設計和除錯方式複雜，需要專業的技術人員進行操作，這不僅增加了人力成本，還導致換型時間長，生產效率低下。

技術原理

微鏈道愛 AI AOI 軟體系統採用了先進的視覺基礎模型進行特徵認知。該模型透過大量的影象資料進行訓練，能夠準確識別家電面板外觀的各種特徵。在檢測過程中，系統利用 APDT 正樣本/少樣本學習演算法，僅需 1-20 張良品作為樣本，就能快速學習到正常面板的特徵。這是因為該演算法能夠從少量樣本中提取出關鍵的特徵資訊，並以此為基準進行檢測。與傳統方法相比，傳統方法需要大量的樣本進行訓練，而且對於新的缺陷型別可能無法及時識別。而 APDT 正樣本/少樣本學習演算法減少了對大量樣本的依賴，提高了系統的適應性和靈活性。

同時，語義誤報過濾技術可以根據缺陷的語義資訊，如劃痕的長度、寬度等，對誤報進行有效過濾，提高檢測的準確性。視覺基礎模型能夠對複雜的外觀特徵進行深度分析，即使是微小的缺陷也能被準確識別。傳統方法往往只能識別明顯的缺陷，對於微小的缺陷容易漏檢。而微鏈道愛 AI AOI 軟體系統透過語義誤報過濾技術和視覺基礎模型，能夠更準確地檢測出各種缺陷，避免了因環境因素或微小干擾導致的誤報。

典型應用場景

• 表面劃痕檢測：在檢測表面劃痕時，系統利用視覺基礎模型對面板表面進行掃描，識別劃痕的特徵。難點在於微小劃痕的識別，傳統方法很難檢測到微米級的劃痕，而微鏈道愛 AI AOI 軟體系統透過先進的演算法和模型，能夠準確識別微小劃痕。
• 汙漬檢測：對於汙漬檢測，系統透過分析影象的顏色和紋理特徵，判斷是否存在汙漬。難點在於汙漬的顏色和形狀可能多種多樣，而且有些汙漬可能與面板本身的顏色相近，容易造成誤判。微鏈道愛 AI AOI 軟體系統透過語義誤報過濾技術，能夠有效過濾掉因顏色相近等因素導致的誤報。
• 印刷瑕疵檢測：在檢測印刷瑕疵時，系統會對比正常面板的印刷圖案和待檢測面板的印刷圖案，識別是否存在圖案缺失、模糊等問題。難點在於印刷圖案的細節較多，傳統方法很難準確識別微小的印刷瑕疵。微鏈道愛 AI AOI 軟體系統透過視覺基礎模型對印刷圖案進行深度分析，能夠準確識別各種印刷瑕疵。
• 邊角缺陷檢測：檢測邊角缺陷時，系統會對面板的邊角進行重點掃描，識別是否存在破損、變形等問題。難點在於邊角的形狀和結構比較複雜，傳統方法容易漏檢。微鏈道愛 AI AOI 軟體系統透過先進的成像技術和演算法，能夠更準確地檢測邊角缺陷。

落地案例

某大型家電製造商，擁有多條家電面板生產線，每天生產大量的家電面板。該製造商在引入微鏈道愛 AI AOI 軟體系統之前，面臨著漏檢率高、誤報率高和換型時間長等問題。在上線過程中，微鏈道愛技術團隊對該製造商的生產線進行了詳細的調研和分析，根據生產線的實際情況進行了系統的定製化部署。經過一段時間的除錯和最佳化，系統正式上線執行。

微鏈道愛 AI AOI 軟體系統為家電面板外觀檢測帶來了顯著的改善，提高了檢測效率和準確性，降低了生產成本。

微鏈道愛解決方案與產品

以 AI AOI 軟體系統為核心，微鏈道愛提供了一套完整的解決方案。微鏈道愛軟體系統具有 0 程式碼自動程式設計的能力，僅需一塊良品，5 分鐘內即可完成程式設計，大大縮短了換型時間。同時，微鏈道愛系統支援 SDK/API/Docker 部署，可實現 100% 本地私有化，確保資料不出廠，滿足企業的資料安全需求。在配套方面，可結合 DaoAI 2D / 3D AI AOI 裝置，利用其自研 3D 相機和三維形貌重建技術，對面板的隱藏缺陷進行檢測。

量化成效：透過使用微鏈道愛 AI AOI 軟體系統，該製造商的檢測成效顯著提升。檢出率提高到了 99%，漏檢率降低到了 <1%，有效避免了有缺陷的產品流入市場。誤報率降低了 -60%，減少了大量的複檢工作，提高了檢測效率。換型時間從 30 分鐘縮短至 5 分鐘，大大提高了生產的靈活性和響應速度。

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。