AI AOI 軟件系統解決玻璃表面少樣本缺陷檢測

在化工材料行業，玻璃表面缺陷檢測至關重要。傳統檢測方法在少樣本情況下效果不佳，微鏈道愛 AI AOI 軟件系統為這一難題提供了有效解決方案。

用戶場景：某化工材料行業的頭部廠商，在其玻璃生產線上，主要產品為各類光學玻璃和建築玻璃。檢測對象為玻璃表面的微小劃痕、氣泡、雜質等缺陷。這些缺陷不僅影響玻璃的外觀質量，還可能對光學玻璃的光學性能產生嚴重影響。

痛點：在傳統的聲發射采集系統中，結合 AI 信號處理技術進行工業視覺質檢時，該廠商面臨着诸多困境。由於玻璃缺陷樣本數量較少，傳統算法難以準確學習缺陷特征，導致漏檢率高達 5%，誤報率達到 10%。過多的漏檢可能使不合格產品流入市場，增加企業售後成本；而大量的誤報則需要人工進行複檢，不僅耗費大量人力，而且降低了產線的檢測效率，換型時間長達 30min，嚴重影響了生產的連續性和效率。

技術原理

微鏈道愛 AI AOI 軟件系統采用先進的視覺基礎模型進行特征認知。該模型基於深度學習算法，能夠自動提取玻璃表面的紋理、形狀等特征信息。它利用 APDT 正樣本/少樣本學習算法，只需 1-20 張良品，就能快速學習到正常玻璃的特征分布。在遇到缺陷時，通過對比正常特征，能夠準確識別出異常。同時，語義誤報過濾技術可以根據缺陷的語義信息，如缺陷的大小、位置、形態等，對誤報進行有效過濾。這種過濾方式不僅能夠減少人工複檢的工作量，還能提高檢測的準確性。

• 視覺基礎模型能夠對玻璃表面的微觀特征進行高精度的識別和分析，即使是微小的缺陷也能被準確捕捉。
• APDT 正樣本/少樣本學習算法通過對少量良品的學習，能夠快速建立起正常樣本的特征模型，從而更好地識別缺陷。
• 語義誤報過濾技術結合了深度學習和語義分析，能夠根據缺陷的實際情況進行判斷，避免因噪聲等因素導致的誤報。
• 模型采用無監督學習和有監督學習相結合的方式，進一步提高了對未知缺陷的檢測能力。

微鏈道愛解決方案與產品

以 AI AOI 軟件系統為核心，該系統具備 5min 0 代碼自動編程能力，操作人員無需編寫複雜的代碼，只需簡單操作，就能快速完成編程，實現系統的快速換型。同時，系統支持 SDK/API/Docker 100% 本地私有化部署，數據不出廠，保障了企業數據的安全。在實際應用中，該系統可以與 DaoAI 2D/3D AI AOI 設備配合，對玻璃表面進行全方位的檢測。DaoAI 2D/3D AI AOI 設備的自研 3D 相機能夠實現三維形貌重建，檢測隱藏焊點、共面度、微米級形貌等，為 AI AOI 軟件系統提供更丰富的檢測數據。

AI AOI 軟件系統以其高效的少樣本學習能力和精準的缺陷檢測技術，為化工材料行業的玻璃檢測帶來新的突破。

量化成效：引入微鏈道愛 AI AOI 軟件系統後，該廠商的玻璃表面缺陷檢出率提高到 98%，漏檢率降低至 <2%，誤報率降低了 -60%。同時，系統的快速換型能力將換型時間縮短至 5min，大大提高了產線的生產效率。