在汽車製造領域，白車身焊縫質量至關重要。微鏈道愛憑借先進的 AI 視覺技術，為汽車行業提供了可靠的焊縫檢測解決方案。
用戶場景：某頭部汽車廠商的白車身焊接產線，主要產品為汽車白車身，檢測對象是白車身上的各類焊縫。在汽車製造過程中，白車身的焊縫質量直接影響到整車的安全性和可靠性，因此對焊縫的檢測至關重要。
痛點：傳統的焊縫檢測方法存在诸多問題。一方面，漏檢率較高，據統計，傳統檢測方法的漏檢率約為 3%，這意味着部分有缺陷的焊縫可能流入後續工序，帶來安全隱患。另一方面，誤報情況嚴重，誤報率高達 20%，大量的誤報不僅增加了人工複檢的工作量，還降低了產線的生產效率。此外，不同車型的白車身焊縫結構和工藝要求不同，傳統檢測方法難以快速適應換型需求，換型時間長達 30 分鐘，嚴重影響了產線的靈活性。而且，傳統方法往往套用一套固定的檢測規則，無法為每個產品或批次自動生成專屬檢測標準，難以滿足複雜多變的實際生產需求。
技術原理
微鏈道愛采用先進的深度學習算法和 3D 成像技術來解決上述問題。深度學習算法具有強大的特征學習能力，能夠從大量的焊縫圖像數據中自動學習到焊縫的特征和缺陷模式。通過對不同類型、不同質量的焊縫圖像進行訓練，模型可以準確地識別出焊縫中的各種缺陷，如裂紋、氣孔等。3D 成像技術則利用自研的 3D 相機對焊縫進行三維形貌重建，能夠獲取焊縫的真實幾何形狀和尺寸信息。與傳統的 2D 成像相比，3D 成像可以檢測到隱藏的焊點、共面度以及微米級的形貌變化，大大提高了檢測的準確性和全面性。這種結合深度學習和 3D 成像的技術方案之所以有效，是因為深度學習算法可以充分利用 3D 成像所獲取的丰富數據，對焊縫進行更深入、更細致的分析，從而準確地判斷焊縫是否存在缺陷。
- 深度學習算法能夠自動提取焊縫的特征，無需人工手動設計特征，提高了檢測的智能化水平。
- 3D 成像技術提供了焊縫的三維信息，弥補了 2D 成像的不足，使檢測更加全面。
- 通過大量的數據訓練，深度學習模型可以不斷優化和改進，提高檢測的準確性和穩定性。
- 系統可以根據不同的產品和批次自動調整檢測標準，實現個性化的檢測。
微鏈道愛解決方案與產品
微鏈道愛提供的解決方案主要涉及到 DaoAI AI AOI 軟件系統和 DaoAI 2D / 3D AI AOI 設備。DaoAI AI AOI 軟件系統具有強大的視覺基礎模型特征認知能力，只需一塊良品，5 分鐘即可實現 0 代碼自動編程。通過 APDT 正樣本/少樣本學習，僅需 1-20 張良品圖像，系統就能快速學習到焊縫的正常特征，同時具備語義誤報過濾功能，可有效降低誤報率。DaoAI 2D / 3D AI AOI 設備采用自研的 3D 相機，能夠實現三維形貌重建，準確檢測隱藏焊點、共面度以及微米級的形貌變化。在落地過程中，首先使用 DaoAI 2D / 3D AI AOI 設備對焊縫進行圖像采集和三維數據獲取，然後將數據傳輸到 DaoAI AI AOI 軟件系統中進行分析和處理，軟件系統根據學習到的特征和檢測標準對焊縫進行判定，最終給出檢測結果。
微鏈道愛的解決方案為汽車白車身焊縫檢測帶來了高效、精準的新體驗。
量化成效：采用微鏈道愛的解決方案後，取得了顯著的成效。焊縫檢出率提高到了 98.5%，漏檢率降低到了 <1.5%，大大減少了有缺陷焊縫流入後續工序的風險。誤報率降低了 -75%，大幅減少了人工複檢的工作量，提高了產線的生產效率。換型時間從原來的 30 分鐘縮短到了 5 分鐘，提高了產線的靈活性和適應性。