在汽車零部件生產過程中，無序料箱抓取的 6D 位姿識別是一項關鍵且具有挑戰性的任務。微鏈道愛憑借先進的 AI 視覺技術，為該場景提供了可靠的解決方案。
用戶場景：某頭部汽車零部件廠商的裝配產線，需要從無序擺放零部件的料箱中精準抓取特定零部件進行後續裝配。其產品為各類複雜形狀的汽車零部件，檢測對象是這些零部件在料箱中的 6D 位姿，包括位置和姿態信息。
痛點：傳統的抓取方式存在诸多量化困境。漏檢率較高，約為 6%，導致部分零部件無法被準確抓取，影響生產效率；誤報率達到 8%，使得機械臂頻繁執行無效抓取動作，增加了能耗和設備損耗；人力成本居高不下，需要人工幹預來處理抓取失败的情況，同時還面臨着換型時間長的問題，每次更換零部件類型時，需要花費約 30 分鐘進行重新調試。
技術原理
微鏈道愛采用先進的 AI 算法和 3D 成像技術來解決這一難題。在算法方面，運用深度學習算法對大量的零部件圖像數據進行訓練，讓模型學習零部件的特征和不同姿態下的表現。通過卷積神經網絡（CNN）提取圖像的特征信息，並且結合循環神經網絡（RNN）處理序列數據，能夠更好地理解零部件的空間結構和位姿關系。
- 在成像方面，自研的 3D 相機能夠快速、準確地獲取零部件的三維形貌信息。其原理是通過結構光投影技術，將特定的圖案投射到零部件表面，相機捕捉反射回來的圖案變形情況，利用三角測量原理計算出物體表面各點的三維坐標，從而重建出零部件的三維模型。
- 這種 3D 成像方式可以清晰地呈現零部件的細節和空間位置，為後續的 6D 位姿識別提供了精確的數據基礎。
- 同時，結合 AI 算法對 3D 模型進行分析，能夠準確地識別出零部件的位置和姿態，即使在零部件相互遮擋、無序擺放的情況下，也能實現高精度的 6D 位姿識別。
微鏈道愛解決方案與產品介紹
微鏈道愛運用 DaoAI 機器人視覺產品來解決該場景問題。該產品具備 6D 位姿識別、無序料箱抓取（bin picking）、塗膠/裝配引導、腦·眼·體閉環等能力。在落地做法上，首先通過自研的 3D 相機對料箱中的零部件進行掃描，獲取其三維形貌數據。然後將數據傳輸到 DaoAI AI AOI 軟件系統，該系統基于視覺基礎模型的特征認知，能夠快速、準確地識別出零部件的 6D 位姿。即使只有 1-20 張良品樣本，也能通過 APDT 正樣本/少樣本學習技術進行高效學習和識別，同時利用語義誤報過濾功能減少誤報情況。最後，將識別結果反饋給機器人，引導其進行精準抓取。
微鏈道愛 DaoAI 機器人視覺產品，為汽車零部件無序料箱抓取提供精準解決方案。
量化成效：通過應用微鏈道愛解決方案，取得了顯著的成效。漏檢率從 6%降低到了<0.6%，大大提高了零部件的抓取成功率；誤報率降低了 -63%，減少了機械臂的無效動作，降低了能耗和設備損耗；換型時間從 30 分鐘縮短到了 5 分鐘，提高了生產的靈活性和效率。