在汽车制造领域，白车身焊缝质量至关重要。微链道爱凭借先进的 AI 视觉技术，为汽车行业提供了可靠的焊缝检测解决方案。
用户场景：某头部汽车厂商的白车身焊接产线，主要产品为汽车白车身，检测对象是白车身上的各类焊缝。在汽车制造过程中，白车身的焊缝质量直接影响到整车的安全性和可靠性，因此对焊缝的检测至关重要。
痛点：传统的焊缝检测方法存在诸多问题。一方面，漏检率较高，据统计，传统检测方法的漏检率约为 3%，这意味着部分有缺陷的焊缝可能流入后续工序，带来安全隐患。另一方面，误报情况严重，误报率高达 20%，大量的误报不仅增加了人工复检的工作量，还降低了产线的生产效率。此外，不同车型的白车身焊缝结构和工艺要求不同，传统检测方法难以快速适应换型需求，换型时间长达 30 分钟，严重影响了产线的灵活性。而且，传统方法往往套用一套固定的检测规则，无法为每个产品或批次自动生成专属检测标准，难以满足复杂多变的实际生产需求。
技术原理
微链道爱采用先进的深度学习算法和 3D 成像技术来解决上述问题。深度学习算法具有强大的特征学习能力，能够从大量的焊缝图像数据中自动学习到焊缝的特征和缺陷模式。通过对不同类型、不同质量的焊缝图像进行训练，模型可以准确地识别出焊缝中的各种缺陷，如裂纹、气孔等。3D 成像技术则利用自研的 3D 相机对焊缝进行三维形貌重建，能够获取焊缝的真实几何形状和尺寸信息。与传统的 2D 成像相比，3D 成像可以检测到隐藏的焊点、共面度以及微米级的形貌变化，大大提高了检测的准确性和全面性。这种结合深度学习和 3D 成像的技术方案之所以有效，是因为深度学习算法可以充分利用 3D 成像所获取的丰富数据，对焊缝进行更深入、更细致的分析，从而准确地判断焊缝是否存在缺陷。
- 深度学习算法能够自动提取焊缝的特征，无需人工手动设计特征，提高了检测的智能化水平。
- 3D 成像技术提供了焊缝的三维信息，弥补了 2D 成像的不足，使检测更加全面。
- 通过大量的数据训练，深度学习模型可以不断优化和改进，提高检测的准确性和稳定性。
- 系统可以根据不同的产品和批次自动调整检测标准，实现个性化的检测。
微链道爱解决方案与产品
微链道爱提供的解决方案主要涉及到 DaoAI AI AOI 软件系统和 DaoAI 2D / 3D AI AOI 设备。DaoAI AI AOI 软件系统具有强大的视觉基础模型特征认知能力，只需一块良品，5 分钟即可实现 0 代码自动编程。通过 APDT 正样本/少样本学习，仅需 1-20 张良品图像，系统就能快速学习到焊缝的正常特征，同时具备语义误报过滤功能，可有效降低误报率。DaoAI 2D / 3D AI AOI 设备采用自研的 3D 相机，能够实现三维形貌重建，准确检测隐藏焊点、共面度以及微米级的形貌变化。在落地过程中，首先使用 DaoAI 2D / 3D AI AOI 设备对焊缝进行图像采集和三维数据获取，然后将数据传输到 DaoAI AI AOI 软件系统中进行分析和处理，软件系统根据学习到的特征和检测标准对焊缝进行判定，最终给出检测结果。
微链道爱的解决方案为汽车白车身焊缝检测带来了高效、精准的新体验。
量化成效：采用微链道爱的解决方案后，取得了显著的成效。焊缝检出率提高到了 98.5%，漏检率降低到了 <1.5%，大大减少了有缺陷焊缝流入后续工序的风险。误报率降低了 -75%，大幅减少了人工复检的工作量，提高了产线的生产效率。换型时间从原来的 30 分钟缩短到了 5 分钟，提高了产线的灵活性和适应性。