在汽车制造行业，总成装配的准确性至关重要。微链道爱凭借先进的 AI 视觉技术，为解决总成装配错漏装问题提供了高效方案。
用户场景：某头部汽车零部件厂商的总成装配产线，主要产品为汽车发动机总成。其检测对象聚焦于发动机总成装配过程中各类零部件的装配情况，涵盖螺栓、螺母、垫片等小零件，以及传感器、控制器等关键组件，确保装配的完整性和准确性。
痛点：此前该产线采用传统人工检测和基于规则的机器视觉检测方法。人工检测方面，人力成本高昂，且长时间工作下，检测人员易疲劳，导致漏检率高达 3%。同时，人力检测的节拍较长，每 180ms 才能完成一次检测，严重影响生产效率。基于规则的机器视觉检测虽能在一定程度上提高检测效率，但面对复杂的装配场景和从未见过的错漏装情况，误报率高达 20%，且每次生产换型时，需耗费 2 小时重新编程调试，严重影响生产进度和产品质量。
技术原理
微链道爱采用先进的无监督异常检测算法和 3D 成像技术。在算法层面，无监督异常检测仅需使用良品进行建模，它通过学习良品的特征分布，构建一个标准模型。当检测对象的特征与该标准模型出现较大偏差时，即可判定为异常，也就是错漏装情况。这种算法的强大之处在于，它能够识别出从未在训练数据中出现过的错漏装缺陷，大大提高了检测的泛化能力。在成像方面，自研 3D 相机配合三维形貌重建技术，能够精确获取发动机总成的三维形貌信息。相比于传统的 2D 成像，3D 成像可以捕捉到物体的深度和形状信息，对于检测隐藏焊点、共面度以及微米级形貌等问题具有显著优势，能够更准确地判断零部件是否装配正确。
- 无监督异常检测算法学习良品特征分布，构建标准模型，识别异常情况。
- 自研 3D 相机获取三维形貌信息，配合三维形貌重建技术，提高检测准确性。
- 3D 成像能捕捉深度和形状信息，有效检测隐藏和细微装配问题。
微链道爱解决方案与产品介绍
微链道爱提供了 DaoAI AI AOI 软件系统和 DaoAI 2D / 3D AI AOI 设备。DaoAI AI AOI 软件系统具备强大的视觉基础模型特征认知能力，仅需一块良品 5 分钟即可完成 0 代码自动编程。其采用的 APDT 正样本/少样本学习方法，只需 10 张良品就能进行高效学习，同时语义误报过滤功能可有效降低误报率。DaoAI 2D / 3D AI AOI 设备集成了自研 3D 相机和三维形貌重建技术，能够精确检测隐藏焊点、共面度和微米级形貌等问题。在落地实施中，将设备安装在总成装配产线的关键位置，软件系统实时处理相机采集的数据，快速准确地判断是否存在错漏装情况，并及时反馈给生产线进行调整。
微链道爱的产品凭借先进技术，为汽车总成装配错漏装检测带来高效解决方案。
量化成效：采用微链道爱的解决方案后，检测效果显著提升。检出率高达 99%，漏检率降低至 <1%，极大地提高了产品质量。误报率降低了 -85%，减少了不必要的人工复检和停机调整时间。生产换型时间从原来的 2 小时缩短至 5min，大幅提高了生产灵活性和效率。