AOI軟體 · 2026-07-21

AI AOI軟體系統解決玻璃表面少樣本缺陷檢測難題

微鏈道愛AI AOI系統助力玻璃檢測

返回洞察
AI AOI軟體系統解決玻璃表面少樣本缺陷檢測難題
AI AOI 軟體系統 · DaoAI AI 視覺應用

玻璃作為化工材料行業的重要產品,其表面質量直接影響到產品的效能和市場接受度。微鏈道愛AI AOI軟體系統憑藉先進的技術,為玻璃表面缺陷檢測帶來了新的突破。

98%玻璃表面缺陷檢出率
<2%玻璃表面缺陷漏檢率
- 60%玻璃表面缺陷誤報率降低

在化工材料行業中,玻璃是一種廣泛應用的重要材料。它不僅用於建築領域,為建築物提供採光和裝飾的功能;還在光學領域扮演著關鍵角色,如製造鏡頭、顯示屏等精密裝置。然而,玻璃表面的質量對於其最終的使用效果至關重要。例如,建築玻璃上的微小劃痕可能影響其美觀度和安全性;光學玻璃表面的氣泡或雜質則可能嚴重降低其光學效能,導致成像模糊、光線散射等問題。某化工材料行業的頭部廠商,其玻璃生產線主要生產各類光學玻璃和建築玻璃。在生產過程中,需要對玻璃表面的微小劃痕、氣泡、雜質等缺陷進行檢測,以確保產品質量符合標準。

痛點:為什麼難

傳統的聲發射採集系統結合AI訊號處理技術進行工業視覺質檢時,該廠商面臨諸多困境。從量化指標來看,在少樣本情況下,傳統演算法的漏檢率高達5%,這意味著每100件產品中可能有5件不合格產品會流入市場,增加了企業的售後成本和品牌風險。誤報率達到10%,大量的誤報需要人工進行復檢,耗費了大量的人力和時間。此外,換型時間長達30min,這意味著在更換生產不同規格玻璃時,生產線需要長時間停機等待檢測系統重新程式設計和除錯,嚴重影響了生產的連續性和效率。

造成這些問題的根因在於,玻璃缺陷樣本數量較少,傳統演算法難以準確學習缺陷特徵。傳統演算法通常需要大量的缺陷樣本進行訓練,才能建立準確的模型。但在實際生產中,玻璃缺陷的出現具有隨機性和多樣性,很難收集到足夠多的缺陷樣本。而且,玻璃表面的微小缺陷往往與正常紋理非常相似,傳統演算法難以區分這些細微差異,導致漏檢和誤報率居高不下。

技術原理

微鏈道愛AI AOI軟體系統採用先進的視覺基礎模型進行特徵認知。該模型基於深度學習演算法,能夠自動提取玻璃表面的紋理、形狀等特徵資訊。與傳統方法相比,傳統方法可能只是簡單地對影象進行閾值處理或邊緣檢測,而無法深入理解玻璃表面的特徵。而視覺基礎模型可以對玻璃表面的微觀特徵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。

系統利用APDT正樣本/少樣本學習演算法,只需1-20張良品,就能快速學習到正常玻璃的特徵分佈。這是因為該演算法透過對少量良品的學習,能夠快速建立起正常樣本的特徵模型。在遇到缺陷時,透過對比正常特徵,能夠準確識別出異常。傳統演算法在少樣本情況下往往無法建立有效的模型,而APDT演算法則克服了這一難題。同時,語義誤報過濾技術可以根據缺陷的語義資訊,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,不僅減少了人工複檢的工作量,還提高了檢測的準確性。模型採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。無監督學習可以自動發現資料中的模式和規律,有監督學習則可以利用已知的缺陷樣本進行訓練,兩者結合使得系統能夠更好地適應各種複雜的缺陷情況。

典型應用場景

  • 微小劃痕檢測:在玻璃生產過程中,由於機械摩擦等原因,玻璃表面可能會產生微小劃痕。這些劃痕通常非常細微,肉眼難以察覺。微鏈道愛AI AOI軟體系統透過視覺基礎模型對玻璃表面的紋理進行分析,能夠準確識別出劃痕的位置和長度。難點在於劃痕的特徵與玻璃表面的正常紋理相似,需要系統具備高精度的特徵提取和分析能力。
  • 氣泡檢測:玻璃中的氣泡會影響其光學效能和強度。系統利用自研的3D相機實現三維形貌重建,檢測氣泡的大小、位置和深度。難點在於氣泡在玻璃內部可能呈現不同的形態,且與周圍玻璃的對比度較低,需要3D相機具備高解析度和高靈敏度。
  • 雜質檢測:玻璃表面或內部的雜質可能會導致光線散射,影響光學玻璃的成像質量。系統透過對玻璃表面的顏色和灰度資訊進行分析,識別出雜質的存在。難點在於雜質的顏色和形狀可能與玻璃本身的顏色和紋理相似,需要系統具備強大的影象識別和分類能力。
  • 表面平整度檢測:玻璃的表面平整度對於其光學效能和外觀質量至關重要。系統透過3D相機檢測玻璃表面的微米級形貌變化,判斷表面是否平整。難點在於需要高精度的3D成像技術和資料處理能力,以檢測出微小的平整度偏差。

落地案例

某化工材料行業的頭部廠商,擁有大規模的玻璃生產線。該廠商在引入微鏈道愛AI AOI軟體系統之前,面臨著傳統檢測方法帶來的高漏檢率、高誤報率和長換型時間等問題。在上線過程中,微鏈道愛團隊首先對廠商的生產流程和檢測需求進行了詳細的調研和分析,然後根據實際情況對系統進行了定製化配置。操作人員經過簡單的培訓後,即可熟練使用系統進行檢測。上線後,系統的表現令人滿意。

微鏈道愛AI AOI軟體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了新的變革。

微鏈道愛解決方案與產品

以AI AOI軟體系統為核心,該系統具備5min 0程式碼自動程式設計能力,操作人員無需編寫複雜的程式碼,只需簡單操作,就能快速完成程式設計,實現系統的快速換型。這大大提高了生產線的靈活性和適應性。同時,系統支援SDK/API/Docker 100%本地私有化部署,資料不出廠,保障了企業資料的安全。在實際應用中,該系統可以與DaoAI 2D/3D AI AOI裝置配合,對玻璃表面進行全方位的檢測。DaoAI 2D/3D AI AOI裝置的自研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軟體系統提供更豐富的檢測資料。

量化成效:引入微鏈道愛AI AOI軟體系統後,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。

常見問題

AI AOI軟體系統在少樣本情況下的檢測效果如何?

該系統採用APDT正樣本/少樣本學習演算法,只需1-20張良品就能學習正常特徵。在本案例中,使玻璃缺陷檢出率達98%,漏檢率<2%,能有效應對少樣本情況,準確識別缺陷,檢測效果顯著。

系統的換型時間是多久?

AI AOI軟體系統具備5min 0程式碼自動程式設計能力,操作人員簡單操作即可快速完成程式設計。這使得系統換型時間大幅縮短至5min,極大提高了生產線的換型效率。

資料安全如何保障?

系統支援SDK/API/Docker 100%本地私有化部署,資料不出廠。這意味著企業的資料不會傳輸到外部,避免了資料洩露的風險,全方位保障企業資料的安全。

相關案例

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。

預約 Demo / 獲取報價 檢視AI AOI 軟體系統方案