在汽車製造過程中，塗膠/密封工序的質量直接影響汽車的安全性和耐久性。微鏈道愛憑借先進的 AI 視覺技術，為汽車行業提供高效可靠的檢測與纠偏方案。
用戶場景：某頭部汽車零部件廠商的塗膠/密封工序產線，主要產品為汽車發動機缸體、車門等零部件，檢測對象是塗膠的寬度、厚度、位置以及密封效果等。在汽車的裝配過程中，塗膠和密封環節至關重要，直接關系到汽車的防水、防尘、隔音等性能。
痛點：傳統的 AOI（自動光學檢測）技術在該工序中存在诸多問題。受環境光的影響，檢測結果不穩定，誤報率高達 30%，這意味着大量合格產品被誤判為不合格，需要進行二次人工複檢，增加了人力成本和時間成本。同時，傳統 AOI 對規則的適應性較差，當產品換型時，需要花費大量時間重新編程和調試，換型時間長達 30 分鐘，嚴重影響了生產效率。而且，由于漏檢率達到 1%，可能會有部分不合格產品流入下一道工序，給汽車的質量和安全性帶來隱患。
技術原理
微鏈道愛采用自研的 AI 算法和 3D 成像技術來解決這些問題。在成像方面，自研的 3D 相機能夠獲取塗膠部位的三維形貌信息，通過對這些信息的分析，可以精確測量塗膠的寬度、厚度和位置。其原理是基于光學三角測量法，相機發射特定的光線到塗膠表面，光線反射後被相機接收，通過計算光線的角度和位置變化，從而得到表面的三維坐標。在算法方面，利用 AI 視覺基礎模型進行特征認知，通過 APDT 正樣本/少樣本學習，僅需 1-20 張良品，就能快速學習塗膠的正常特征。同時，語義誤報過濾算法可以對檢測結果進行二次分析，過濾掉由于環境光等因素造成的誤報，大大提高了檢測的準確性。
- 光學三角測量法原理使得 3D 成像不受環境光幹擾，能夠準確獲取塗膠的三維信息。
- AI 視覺基礎模型的特征認知能力，讓系統能夠快速學習不同產品的塗膠特征，適應產品換型。
- APDT 正樣本/少樣本學習減少了對大量樣本的依賴，提高了模型訓練的效率。
- 語義誤報過濾算法從語義層面分析檢測結果，有效降低誤報率。
微鏈道愛解決方案與產品介紹
微鏈道愛提供了一套完整的解決方案，主要涉及 DaoAI AI AOI 軟件系統、DaoAI 2D / 3D AI AOI 設備和 DaoAI 機器人視覺。DaoAI AI AOI 軟件系統具有快速編程的能力，一塊良品 5 分鐘即可實現 0 代碼自動編程，大大縮短了換型時間。其 APDT 正樣本/少樣本學習和語義誤報過濾功能，有效降低了誤報率和複檢量。DaoAI 2D / 3D AI AOI 設備采用自研 3D 相機和三維形貌重建技術，能夠檢測隱藏焊點、共面度和微米級形貌，為塗膠檢測提供了高精度的保障。DaoAI 機器人視覺可以實現塗膠路徑的引導和纠偏，通過 6D 位姿識別，確保塗膠的準確性和一致性。在落地過程中，首先對設備進行安裝和調試，使其適應生產線的環境和節拍。然後使用少量良品對 DaoAI AI AOI 軟件系統進行訓練，讓系統學習正常塗膠的特征。最後，將 DaoAI 機器人視覺與塗膠機器人進行集成，實現實時的路徑纠偏和引導。
微鏈道愛的解決方案通過先進的技術和產品，為汽車塗膠/密封工序提供了高效、準確的檢測和纠偏手段。
量化成效：采用微鏈道愛的解決方案後，塗膠檢測的檢出率達到了 99.2%，漏檢率降低到了 <0.8%，大大提高了產品質量。誤報率降低了 -65%，減少了大量的人工複檢工作，提高了生產效率。同時，產品換型時間從 30 分鐘縮短到了 5 分鐘，顯著提升了生產線的靈活性和適應性。