在汽车零部件生产中，铝压铸件的质量至关重要。微链道爱通过先进的 AI 视觉技术，为铝压铸件 X-ray 气孔/夹杂检测提供了高效解决方案。
用户场景：某头部汽车零部件厂商的铝压铸件生产线上，在完成铝压铸件的成型工序后，需要对其进行气孔和夹杂的检测。铝压铸件作为汽车重要的结构部件，其内部的气孔和夹杂缺陷可能会严重影响汽车的安全性和可靠性，因此对这些缺陷的精准检测是保证产品质量的关键工序。
痛点：在传统的铝压铸件 X-ray 气孔/夹杂检测中，面临着诸多困境。一方面，由于铝压铸件的材质和结构特性，在 X-ray 成像过程中，反光和镜面金属特性会导致 3D 点云稀疏、含噪且缺失，使得位姿识别和缺陷检测容易失败。另一方面，人工检测存在较高的漏检率，据统计，漏检率可达 3%左右，同时误报率也较高，约为 15%，这不仅增加了人力成本，还影响了生产效率。此外，产线换型时，传统检测方式需要较长的调试时间，约 30 分钟，严重影响了生产的灵活性。
技术原理
微链道爱采用多视角主动视觉技术和先进的 AI 算法来解决这些问题。多视角主动视觉技术通过从多个角度对铝压铸件进行 X-ray 成像，获取更全面、准确的图像信息。不同角度的成像可以弥补单一角度成像时因反光和镜面金属特性导致的 3D 点云缺失问题，从而得到更完整的物体表面信息和内部结构信息。
- 在数据处理方面，AI 算法可以对多视角图像进行融合和分析。通过深度学习模型，对图像中的特征进行提取和学习，能够准确识别气孔和夹杂的特征模式。深度学习模型具有强大的特征学习能力，它可以自动学习到不同类型气孔和夹杂在 X-ray 图像中的独特特征，从而提高检测的准确性。
- 同时，模型还可以对图像中的噪声进行过滤和处理，减少噪声对检测结果的干扰。利用语义信息，模型可以区分真实的缺陷和虚假的干扰信号，实现语义误报过滤，进一步提高检测的可靠性。
- 此外，微链道爱还利用了视觉基础模型的特征认知能力。该模型可以在少量正样本的情况下进行学习，只需要 10 张良品图像，就可以完成模型的训练，大大提高了模型的训练效率和适用性。
微链道爱解决方案与产品
微链道爱提供了 DaoAI AI AOI 软件系统和 DaoAI World 世界模型来解决铝压铸件 X-ray 气孔/夹杂检测问题。DaoAI AI AOI 软件系统具有强大的视觉基础模型特征认知能力，能够在一块良品 5 分钟内实现 0 代码自动编程。它采用 APDT 正样本/少样本学习技术，只需 10 张良品图像，就可以完成模型的训练，大大缩短了模型的训练时间。同时，该系统还具备语义误报过滤功能，可以有效减少误报率。
DaoAI AI AOI 软件系统和 DaoAI World 世界模型的结合，为铝压铸件 X-ray 检测提供了高效、准确的解决方案。
DaoAI World 世界模型作为统一底座，具有语义理解、跨场景泛化和从产线反馈持续学习的能力。它可以对不同类型的铝压铸件进行检测，通过跨场景泛化能力，适应不同的生产环境和产品规格。同时，模型可以从产线的实际检测数据中持续学习，不断优化检测结果。该模型支持 SDK / API / Docker 部署方式，并且支持 100% 本地私有化，保证数据不出厂，满足企业的数据安全需求。
量化成效：通过采用微链道爱提供的解决方案，该汽车零部件厂商在铝压铸件 X-ray 气孔/夹杂检测方面取得了显著成效。检出率从原来的 97%提高到了 99.2%，漏检率降低至 <0.8%。误报率降低了 -60%，从原来的 15%降低到了 6%。产线换型时间从原来的 30 分钟缩短到了 5 分钟，大大提高了生产的灵活性和效率。