在汽车零部件生产过程中，无序料箱抓取的 6D 位姿识别是一项关键且具有挑战性的任务。微链道爱凭借先进的 AI 视觉技术，为该场景提供了可靠的解决方案。
用户场景：某头部汽车零部件厂商的装配产线，需要从无序摆放零部件的料箱中精准抓取特定零部件进行后续装配。其产品为各类复杂形状的汽车零部件，检测对象是这些零部件在料箱中的 6D 位姿，包括位置和姿态信息。
痛点：传统的抓取方式存在诸多量化困境。漏检率较高，约为 6%，导致部分零部件无法被准确抓取，影响生产效率；误报率达到 8%，使得机械臂频繁执行无效抓取动作，增加了能耗和设备损耗；人力成本居高不下，需要人工干预来处理抓取失败的情况，同时还面临着换型时间长的问题，每次更换零部件类型时，需要花费约 30 分钟进行重新调试。
技术原理
微链道爱采用先进的 AI 算法和 3D 成像技术来解决这一难题。在算法方面，运用深度学习算法对大量的零部件图像数据进行训练，让模型学习零部件的特征和不同姿态下的表现。通过卷积神经网络（CNN）提取图像的特征信息，并且结合循环神经网络（RNN）处理序列数据，能够更好地理解零部件的空间结构和位姿关系。
- 在成像方面，自研的 3D 相机能够快速、准确地获取零部件的三维形貌信息。其原理是通过结构光投影技术，将特定的图案投射到零部件表面，相机捕捉反射回来的图案变形情况，利用三角测量原理计算出物体表面各点的三维坐标，从而重建出零部件的三维模型。
- 这种 3D 成像方式可以清晰地呈现零部件的细节和空间位置，为后续的 6D 位姿识别提供了精确的数据基础。
- 同时，结合 AI 算法对 3D 模型进行分析，能够准确地识别出零部件的位置和姿态，即使在零部件相互遮挡、无序摆放的情况下，也能实现高精度的 6D 位姿识别。
微链道爱解决方案与产品介绍
微链道爱运用 DaoAI 机器人视觉产品来解决该场景问题。该产品具备 6D 位姿识别、无序料箱抓取（bin picking）、涂胶/装配引导、脑·眼·体闭环等能力。在落地做法上，首先通过自研的 3D 相机对料箱中的零部件进行扫描，获取其三维形貌数据。然后将数据传输到 DaoAI AI AOI 软件系统，该系统基于视觉基础模型的特征认知，能够快速、准确地识别出零部件的 6D 位姿。即使只有 1-20 张良品样本，也能通过 APDT 正样本/少样本学习技术进行高效学习和识别，同时利用语义误报过滤功能减少误报情况。最后，将识别结果反馈给机器人，引导其进行精准抓取。
微链道爱 DaoAI 机器人视觉产品，为汽车零部件无序料箱抓取提供精准解决方案。
量化成效：通过应用微链道爱解决方案，取得了显著的成效。漏检率从 6%降低到了<0.6%，大大提高了零部件的抓取成功率；误报率降低了 -63%，减少了机械臂的无效动作，降低了能耗和设备损耗；换型时间从 30 分钟缩短到了 5 分钟，提高了生产的灵活性和效率。