在汽車零部件生產中，鋁壓鑄件的質量至關重要。微鏈道愛通過先進的 AI 視覺技術，為鋁壓鑄件 X-ray 氣孔/夾雜檢測提供了高效解決方案。
用戶場景：某頭部汽車零部件廠商的鋁壓鑄件生產線上，在完成鋁壓鑄件的成型工序後，需要對其進行氣孔和夾雜的檢測。鋁壓鑄件作為汽車重要的結構部件，其內部的氣孔和夾雜缺陷可能會嚴重影響汽車的安全性和可靠性，因此對這些缺陷的精準檢測是保證產品質量的關鍵工序。
痛點：在傳統的鋁壓鑄件 X-ray 氣孔/夾雜檢測中，面臨着诸多困境。一方面，由于鋁壓鑄件的材質和結構特性，在 X-ray 成像過程中，反光和鏡面金屬特性會導致 3D 點雲稀疏、含噪且缺失，使得位姿識別和缺陷檢測容易失败。另一方面，人工檢測存在較高的漏檢率，據統計，漏檢率可達 3%左右，同時誤報率也較高，約為 15%，這不僅增加了人力成本，還影響了生產效率。此外，產線換型時，傳統檢測方式需要較長的調試時間，約 30 分鐘，嚴重影響了生產的靈活性。
技術原理
微鏈道愛采用多視角主動視覺技術和先進的 AI 算法來解決這些問題。多視角主動視覺技術通過從多個角度對鋁壓鑄件進行 X-ray 成像，獲取更全面、準確的圖像信息。不同角度的成像可以弥補單一角度成像時因反光和鏡面金屬特性導致的 3D 點雲缺失問題，從而得到更完整的物體表面信息和內部結構信息。
- 在數據處理方面，AI 算法可以對多視角圖像進行融合和分析。通過深度學習模型，對圖像中的特征進行提取和學習，能夠準確識別氣孔和夾雜的特征模式。深度學習模型具有強大的特征學習能力，它可以自動學習到不同類型氣孔和夾雜在 X-ray 圖像中的獨特特征，從而提高檢測的準確性。
- 同時，模型還可以對圖像中的噪聲進行過濾和處理，減少噪聲對檢測結果的幹擾。利用語義信息，模型可以區分真實的缺陷和虛假的幹擾信號，實現語義誤報過濾，進一步提高檢測的可靠性。
- 此外，微鏈道愛還利用了視覺基礎模型的特征認知能力。該模型可以在少量正樣本的情況下進行學習，只需要 10 張良品圖像，就可以完成模型的訓練，大大提高了模型的訓練效率和適用性。
微鏈道愛解決方案與產品
微鏈道愛提供了 DaoAI AI AOI 軟件系統和 DaoAI World 世界模型來解決鋁壓鑄件 X-ray 氣孔/夾雜檢測問題。DaoAI AI AOI 軟件系統具有強大的視覺基礎模型特征認知能力，能夠在一塊良品 5 分鐘內實現 0 代碼自動編程。它采用 APDT 正樣本/少樣本學習技術，只需 10 張良品圖像，就可以完成模型的訓練，大大縮短了模型的訓練時間。同時，該系統還具備語義誤報過濾功能，可以有效減少誤報率。
DaoAI AI AOI 軟件系統和 DaoAI World 世界模型的結合，為鋁壓鑄件 X-ray 檢測提供了高效、準確的解決方案。
DaoAI World 世界模型作為統一底座，具有語義理解、跨場景泛化和從產線反饋持續學習的能力。它可以對不同類型的鋁壓鑄件進行檢測，通過跨場景泛化能力，適應不同的生產環境和產品規格。同時，模型可以從產線的實際檢測數據中持續學習，不斷優化檢測結果。該模型支持 SDK / API / Docker 部署方式，並且支持 100% 本地私有化，保證數據不出廠，滿足企業的數據安全需求。
量化成效：通過采用微鏈道愛提供的解決方案，該汽車零部件廠商在鋁壓鑄件 X-ray 氣孔/夾雜檢測方面取得了顯著成效。檢出率從原來的 97%提高到了 99.2%，漏檢率降低至 <0.8%。誤報率降低了 -60%，從原來的 15%降低到了 6%。產線換型時間從原來的 30 分鐘縮短到了 5 分鐘，大大提高了生產的靈活性和效率。