AI AOI 软件系统解决装配缺漏错装问题

当下，AI 技术在芯片设计中的应用逐渐拓展至工业视觉质检领域。微链道爱的 AI AOI 软件系统在消费品/通用行业的装配缺漏件/错装检测中发挥着重要作用。

用户场景：某头部消费品厂商，其产线的装配工序中，产品涉及多种零部件的组装，检测对象为各类装配后的成品。在生产过程中，需要确保每个产品的零部件无缺漏、无错装，以保证产品的质量和性能。

痛点：在传统的装配检测中，人力检测效率低下，且漏检率高达 4%，误报率达 30%。随着 AI 技术在芯片设计等领域的成功应用，工业视觉质检对智能检测的需求日益增长。同时，该厂商在产品换型时需要耗费大量时间重新编程和调试，换型时间长达 3 小时，严重影响生产效率，且难以满足合规要求。

技术原理

AI AOI 软件系统采用视觉基础模型进行特征认知。其核心在于通过先进的算法对图像中的特征进行提取和分析。在装配缺漏件/错装检测中，系统利用 APDT 正样本/少样本学习算法，只需要 1-20 张良品图像作为样本，就能快速学习到产品的正常特征模式。

• 对于特征认知，系统基于深度学习网络，能够自动识别不同零部件的形状、位置和颜色等特征。例如，通过对良品图像的学习，系统记住了某个螺丝的标准形状和安装位置，当检测到的图像中螺丝形状异常或安装位置不对时，就能及时识别出来。
• 语义误报过滤算法可以有效减少误报。在检测过程中，系统会根据语义信息对检测结果进行进一步判断。比如，当检测到一个疑似缺陷的区域，但该区域的语义信息与正常产品特征相符时，系统会过滤掉这个误报。
• 0 代码自动编程功能使得系统能够在 5 分钟内基于一块良品完成编程。这大大缩短了编程时间，提高了换型效率。其原理是系统自动分析良品图像的特征，并将其转化为检测规则，无需人工编写复杂的代码。

微链道爱解决方案与产品介绍

微链道爱的 AI AOI 软件系统是解决装配缺漏件/错装问题的核心产品。该系统具有视觉基础模型的特征认知能力，能快速准确地识别产品的正常和异常特征。通过 APDT 正样本/少样本学习，仅需少量良品样本就能完成模型训练，大大减少了样本收集和标注的工作量。

AI AOI 软件系统以其高效的编程和学习能力，为工业质检带来了新的解决方案。

系统的语义误报过滤功能有效降低了误报率，提高了检测的准确性。同时，支持 SDK/API/Docker 100% 本地私有化部署，数据不出厂，保障了数据的安全性和隐私性。在实际应用中，可与 DaoAI 2D / 3D AI AOI 设备配合使用，利用其自研 3D 相机和三维形貌重建技术，对产品进行更全面的检测。

量化成效：使用 AI AOI 软件系统后，该厂商的检出率提升至 99.2%，漏检率降低至 <0.8%，误报率降低了 -70%，换型时间从 3 小时缩短至 5min，大大提高了生产效率和产品质量。