AI AOI 软件系统解决玻璃表面少样本缺陷检测

在化工材料行业，玻璃表面缺陷检测至关重要。传统检测方法在少样本情况下效果不佳，微链道爱 AI AOI 软件系统为这一难题提供了有效解决方案。

用户场景：某化工材料行业的头部厂商，在其玻璃生产线上，主要产品为各类光学玻璃和建筑玻璃。检测对象为玻璃表面的微小划痕、气泡、杂质等缺陷。这些缺陷不仅影响玻璃的外观质量，还可能对光学玻璃的光学性能产生严重影响。

痛点：在传统的声发射采集系统中，结合 AI 信号处理技术进行工业视觉质检时，该厂商面临着诸多困境。由于玻璃缺陷样本数量较少，传统算法难以准确学习缺陷特征，导致漏检率高达 5%，误报率达到 10%。过多的漏检可能使不合格产品流入市场，增加企业售后成本；而大量的误报则需要人工进行复检，不仅耗费大量人力，而且降低了产线的检测效率，换型时间长达 30min，严重影响了生产的连续性和效率。

技术原理

微链道爱 AI AOI 软件系统采用先进的视觉基础模型进行特征认知。该模型基于深度学习算法，能够自动提取玻璃表面的纹理、形状等特征信息。它利用 APDT 正样本/少样本学习算法，只需 1-20 张良品，就能快速学习到正常玻璃的特征分布。在遇到缺陷时，通过对比正常特征，能够准确识别出异常。同时，语义误报过滤技术可以根据缺陷的语义信息，如缺陷的大小、位置、形态等，对误报进行有效过滤。这种过滤方式不仅能够减少人工复检的工作量，还能提高检测的准确性。

• 视觉基础模型能够对玻璃表面的微观特征进行高精度的识别和分析，即使是微小的缺陷也能被准确捕捉。
• APDT 正样本/少样本学习算法通过对少量良品的学习，能够快速建立起正常样本的特征模型，从而更好地识别缺陷。
• 语义误报过滤技术结合了深度学习和语义分析，能够根据缺陷的实际情况进行判断，避免因噪声等因素导致的误报。
• 模型采用无监督学习和有监督学习相结合的方式，进一步提高了对未知缺陷的检测能力。

微链道爱解决方案与产品

以 AI AOI 软件系统为核心，该系统具备 5min 0 代码自动编程能力，操作人员无需编写复杂的代码，只需简单操作，就能快速完成编程，实现系统的快速换型。同时，系统支持 SDK/API/Docker 100% 本地私有化部署，数据不出厂，保障了企业数据的安全。在实际应用中，该系统可以与 DaoAI 2D/3D AI AOI 设备配合，对玻璃表面进行全方位的检测。DaoAI 2D/3D AI AOI 设备的自研 3D 相机能够实现三维形貌重建，检测隐藏焊点、共面度、微米级形貌等，为 AI AOI 软件系统提供更丰富的检测数据。

AI AOI 软件系统以其高效的少样本学习能力和精准的缺陷检测技术，为化工材料行业的玻璃检测带来新的突破。

量化成效：引入微链道爱 AI AOI 软件系统后，该厂商的玻璃表面缺陷检出率提高到 98%，漏检率降低至 <2%，误报率降低了 -60%。同时，系统的快速换型能力将换型时间缩短至 5min，大大提高了产线的生产效率。