在汽車製造領域，電阻點焊焊核的質量檢測是保障車身安全與效能的關鍵環節。微鏈道愛先進的 AI 視覺技術為這一檢測難題帶來了新的突破。
在汽車製造領域，電阻點焊是一種廣泛應用的連線工藝，尤其在車身結構件的製造中，它能高效地將不同的金屬部件連線在一起。某頭部汽車零部件廠商的電阻點焊產線，主要負責生產汽車車身結構件，其電阻點焊的焊核質量直接關乎車身的強度和安全性。因此，對焊核質量進行精準檢測是該生產工序的核心環節。如果焊核質量不達標，可能會導致車身結構在使用過程中出現鬆動、變形等問題，嚴重威脅行車安全。
痛點：為什麼難
傳統的焊核檢測方法存在多方面的量化困境。首先是人工檢測，其效率極為低下。每個焊點的檢測時間較長，平均下來，一名工人檢測一個焊點可能需要數秒甚至數十秒的時間，這使得整個產線的節拍變得很慢。而且，人工檢測還需要大量的人力投入，人力成本居高不下。此外，人工檢測容易出現漏檢和誤報的情況。據統計，人工檢測的漏檢率約為 3%，誤報率高達 15%。這是因為人的視覺和判斷能力存在侷限性，長時間工作後容易產生疲勞，從而導致對一些細微缺陷的漏判或者對正常情況的誤判。這種情況不僅影響了產品質量，還大大增加了複檢量，進一步降低了生產效率。
傳統的 2D 光學檢測方法也存在明顯的不足。它存在檢測盲區，只能獲取焊核表面的二維影象資訊，無法準確獲取焊核的 3D 形貌。這就導致對於一些隱藏在封裝下的焊點，或者焊核內部的缺陷，2D 光學檢測方法很難檢測到。在汽車製造的嚴格質量合規要求下，這種檢測能力的不足是無法接受的。而且，2D 影象無法全面反映焊核的真實情況，對於一些複雜形狀的焊核或者微小的內部缺陷，2D 光學檢測可能會出現誤判，從而影響產品的最終質量。
技術原理
微鏈道愛採用自研 3D 相機和三維形貌重建技術來解決上述問題。自研 3D 相機能夠發射特殊的結構光，這種結構光具有特定的編碼方式。當結構光投射到焊核表面後，反射光會攜帶焊核表面的形貌資訊返回相機。相機透過分析反射光的資訊，能夠準確獲取焊核的三維形貌資料。與傳統的 2D 光學檢測方法相比，這種方法突破了只能獲取二維資訊的侷限，能夠全方位地捕捉焊核的特徵資訊。
三維形貌重建演算法根據相機採集到的三維形貌資料，重建出焊核的真實 3D 模型。為了提高資料採集的精度和模型的完整性，採用了多種技術。結構光編碼使得相機能夠更準確地解析反射光的資訊，提高了 3D 資料的採集精度。多視角融合技術從多個角度對焊核進行拍攝，然後將不同視角的 3D 資料進行融合，從而得到更完整、準確的 3D 模型。最後，利用深度學習演算法對重建後的 3D 模型進行分析，識別出焊核的各種缺陷特徵，如裂紋、孔洞等。深度學習演算法具有強大的特徵學習能力，能夠從大量的 3D 模型資料中學習到不同缺陷的特徵模式，從而更準確地判斷焊核是否存在缺陷。
典型應用場景
- 焊核尺寸檢測：透過獲取焊核的 3D 形貌資料，可以準確測量焊核的直徑、高度等尺寸引數。難點在於一些焊核的形狀不規則，傳統的測量方法可能會產生較大誤差，而 3D 檢測需要準確識別焊核的邊界。
- 裂紋檢測：裂紋是焊核中較為常見且危險的缺陷之一。利用深度學習演算法對 3D 模型進行分析，能夠檢測出微小的裂紋。難點在於裂紋可能隱藏在焊核內部或者表面紋理中，不易被發現。
- 孔洞檢測：孔洞會影響焊核的強度。3D 檢測可以從不同角度觀察焊核，發現內部的孔洞。難點在於一些微小孔洞可能與正常的表面紋理相似，需要準確區分。
- 焊核位置偏差檢測：檢測焊核是否處於正確的位置。透過對比實際的 3D 模型與標準模型，判斷位置偏差。難點在於要考慮製造過程中的一些合理公差範圍。
落地案例
某大型汽車零部件製造商，其電阻點焊產線規模較大，每天需要檢測大量的車身結構件。在引入微鏈道愛的解決方案之前，採用傳統的檢測方法，檢測效率低下，漏檢率和誤報率較高，產線換型時間長。上線過程中，微鏈道愛的技術團隊首先對產線進行了詳細的調研和分析，確定了檢測需求和引數。然後安裝了 DaoAI 2D / 3D AI AOI 裝置，並進行了除錯和校準。同時，對 DaoAI AI AOI 軟體系統進行了配置和最佳化，確保其能夠準確地分析和處理檢測資料。經過一段時間的試執行和最佳化，系統正式上線。
微鏈道愛的解決方案為汽車電阻點焊焊核檢測帶來了質的飛躍，顯著提升了檢測效率和準確性。
微鏈道愛解決方案與產品
微鏈道愛提供了 DaoAI 2D / 3D AI AOI 裝置和 DaoAI AI AOI 軟體系統。DaoAI 2D / 3D AI AOI 裝置整合了自研 3D 相機和三維形貌重建技術，能夠快速、準確地獲取焊核的 3D 形貌資訊。該裝置具有高精度、高速度的特點，適用於大規模的生產檢測。DaoAI AI AOI 軟體系統基於視覺基礎模型的特徵認知，支援一塊良品 5 分鐘 0 程式碼自動程式設計，採用 APDT 正樣本/少樣本學習（僅需 1-20 張良品），並具備語義誤報過濾功能。在實際應用中，首先使用 DaoAI 2D / 3D AI AOI 裝置對焊核進行 3D 資料採集，然後將採集到的資料傳輸到 DaoAI AI AOI 軟體系統進行分析和處理。軟體系統根據預設的檢測規則，快速判斷焊核是否存在缺陷，並輸出檢測結果。
量化成效：採用微鏈道愛的解決方案後，檢測效果得到了顯著提升。檢出率從原來的約 97%提高到了 99.2%，漏檢率降低到了 < 0.8%；誤報率降低了 -68%，大大減少了複檢量；同時，換型時間從原來的 30 分鐘縮短到了 5min，提高了產線的靈活性和生產效率。
常見問題
微鏈道愛為汽車電阻點焊焊核檢測提供了什麼優勢方案？
微鏈道愛憑藉先進 AI 視覺技術，提供了 DaoAI 2D / 3D AI AOI 裝置和 DaoAI AI AOI 軟體系統組成的高效精準檢測方案。具有 99.2% 的檢出率，降低 68% 誤報率，換型時間縮短至 5 分鐘，能有效檢測焊核質量。
傳統汽車電阻點焊焊核檢測方法有哪些痛點？
傳統方法存在諸多困境。人工檢測效率低下，漏檢率約 3%，誤報率達 15%，且人力成本高。2D 光學檢測有盲區，無法獲取焊核 3D 形貌，難以檢測隱藏焊點，不能滿足嚴格質量要求。
微鏈道愛技術原理的優勢體現在哪裡？
微鏈道愛採用自研 3D 相機和三維形貌重建技術，突破 2D 檢測侷限。發射特殊結構光獲取 3D 資料，結合結構光編碼、多視角融合和深度學習演算法，能全方位捕捉焊核特徵，準確判斷缺陷。
本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。