在汽车制造过程中，涂胶/密封工序的质量直接影响汽车的安全性和耐久性。微链道爱凭借先进的 AI 视觉技术，为汽车行业提供高效可靠的检测与纠偏方案。
用户场景：某头部汽车零部件厂商的涂胶/密封工序产线，主要产品为汽车发动机缸体、车门等零部件，检测对象是涂胶的宽度、厚度、位置以及密封效果等。在汽车的装配过程中，涂胶和密封环节至关重要，直接关系到汽车的防水、防尘、隔音等性能。
痛点：传统的 AOI（自动光学检测）技术在该工序中存在诸多问题。受环境光的影响，检测结果不稳定，误报率高达 30%，这意味着大量合格产品被误判为不合格，需要进行二次人工复检，增加了人力成本和时间成本。同时，传统 AOI 对规则的适应性较差，当产品换型时，需要花费大量时间重新编程和调试，换型时间长达 30 分钟，严重影响了生产效率。而且，由于漏检率达到 1%，可能会有部分不合格产品流入下一道工序，给汽车的质量和安全性带来隐患。
技术原理
微链道爱采用自研的 AI 算法和 3D 成像技术来解决这些问题。在成像方面，自研的 3D 相机能够获取涂胶部位的三维形貌信息，通过对这些信息的分析，可以精确测量涂胶的宽度、厚度和位置。其原理是基于光学三角测量法，相机发射特定的光线到涂胶表面，光线反射后被相机接收，通过计算光线的角度和位置变化，从而得到表面的三维坐标。在算法方面，利用 AI 视觉基础模型进行特征认知，通过 APDT 正样本/少样本学习，仅需 1-20 张良品，就能快速学习涂胶的正常特征。同时，语义误报过滤算法可以对检测结果进行二次分析，过滤掉由于环境光等因素造成的误报，大大提高了检测的准确性。
- 光学三角测量法原理使得 3D 成像不受环境光干扰，能够准确获取涂胶的三维信息。
- AI 视觉基础模型的特征认知能力，让系统能够快速学习不同产品的涂胶特征，适应产品换型。
- APDT 正样本/少样本学习减少了对大量样本的依赖，提高了模型训练的效率。
- 语义误报过滤算法从语义层面分析检测结果，有效降低误报率。
微链道爱解决方案与产品介绍
微链道爱提供了一套完整的解决方案，主要涉及 DaoAI AI AOI 软件系统、DaoAI 2D / 3D AI AOI 设备和 DaoAI 机器人视觉。DaoAI AI AOI 软件系统具有快速编程的能力，一块良品 5 分钟即可实现 0 代码自动编程，大大缩短了换型时间。其 APDT 正样本/少样本学习和语义误报过滤功能，有效降低了误报率和复检量。DaoAI 2D / 3D AI AOI 设备采用自研 3D 相机和三维形貌重建技术，能够检测隐藏焊点、共面度和微米级形貌，为涂胶检测提供了高精度的保障。DaoAI 机器人视觉可以实现涂胶路径的引导和纠偏，通过 6D 位姿识别，确保涂胶的准确性和一致性。在落地过程中，首先对设备进行安装和调试，使其适应生产线的环境和节拍。然后使用少量良品对 DaoAI AI AOI 软件系统进行训练，让系统学习正常涂胶的特征。最后，将 DaoAI 机器人视觉与涂胶机器人进行集成，实现实时的路径纠偏和引导。
微链道爱的解决方案通过先进的技术和产品，为汽车涂胶/密封工序提供了高效、准确的检测和纠偏手段。
量化成效：采用微链道爱的解决方案后，涂胶检测的检出率达到了 99.2%，漏检率降低到了 <0.8%，大大提高了产品质量。误报率降低了 -65%，减少了大量的人工复检工作，提高了生产效率。同时，产品换型时间从 30 分钟缩短到了 5 分钟，显著提升了生产线的灵活性和适应性。