在汽車零部件生產中，製動盤的質量至關重要。微鏈道愛憑借先進的AI視覺技術，為製動盤劃傷檢測提供了高效、準確的解決方案。
用戶場景：某頭部汽車零部件廠商的製動盤生產線上，主要產品為汽車製動盤，檢測對象是製動盤表面的劃傷缺陷。製動盤作為汽車製動系統的關鍵部件，其表面質量直接影響到汽車的行驶安全。在生產過程中，製動盤可能會因各種原因出現劃傷，因此需要對其進行嚴格檢測。
痛點：傳統的檢測方法主要依靠人工肉眼檢查，不僅效率低下，而且存在較高的漏檢和誤報率。據統計，人工檢測的漏檢率高達10%，誤報率也達到了8%。此外，人工檢測還面臨着人力成本高、換型時間長等問題。在更換不同型號的製動盤時，需要重新調整檢測標準和流程，換型時間長達30分鐘，嚴重影響了生產效率。同時，製動盤劃傷的形態各異，大小、深度、長度等都有所不同，這也增加了檢測的難度。
技術原理
微鏈道愛采用先進的AI視覺算法和成像技術來解決製動盤劃傷檢測問題。在算法方面，利用深度學習算法對大量的製動盤劃傷樣本進行訓練，使模型能夠學習到不同類型劃傷的特征。深度學習算法具有強大的特征提取能力，能夠從複雜的圖像中準確地識別出劃傷的位置和特征。在成像方面，使用自研的3D相機對製動盤進行拍攝，獲取其三維形貌信息。3D相機能夠提供更丰富的表面信息，對於一些隱藏的劃傷也能清晰地檢測出來。通過將三維形貌重建技術與深度學習算法相結合，能夠更準確地判斷劃傷的深度和嚴重程度。
- 深度學習算法能夠自動學習劃傷的特征，避免了傳統算法需要人工設計特征的局限性，提高了檢測的準確性和泛化能力。
- 3D相機獲取的三維形貌信息可以提供更多的表面細節，對於微小的劃傷和深度信息能夠更精確地檢測，而傳統的2D相機只能獲取平面圖像，容易遺漏一些關鍵信息。
- 三維形貌重建技術可以將製動盤的表面形貌進行精確還原，結合深度學習算法對劃傷的深度和嚴重程度進行量化分析，為後續的處理提供更準確的依據。
微鏈道愛解決方案與產品介紹
微鏈道愛提供了DaoAI AI AOI軟件系統和DaoAI 2D / 3D AI AOI設備來解決製動盤劃傷檢測問題。DaoAI AI AOI軟件系統具有強大的特征認知能力，通過視覺基礎模型，能夠在一塊良品5分鐘內實現0代碼自動編程。同時，該系統支持APDT正樣本/少樣本學習，只需要1-20張良品就可以進行模型訓練，大大減少了樣本收集的工作量。此外，系統還具備語義誤報過濾功能，能夠有效降低誤報率。DaoAI 2D / 3D AI AOI設備采用自研的3D相機和三維形貌重建技術，能夠對製動盤的隱藏焊點、共面度和微米級形貌進行檢測，對於製動盤表面的劃傷檢測更加準確和全面。在落地過程中，將設備安裝在製動盤生產線上，通過軟件系統對采集到的圖像進行分析和處理，實現對製動盤劃傷的實時檢測。
微鏈道愛的解決方案通過先進的技術和產品，為汽車製動盤劃傷檢測提供了高效、準確的保障。
量化成效：采用微鏈道愛的解決方案後，製動盤劃傷的檢出率提高到了98%，漏檢率降低到了2%以下。誤報率降低了 -70%，大大減少了不必要的複檢工作。換型時間從原來的30分鐘縮短到了5分鐘，提高了生產效率。這些成效表明，微鏈道愛的AI視覺解決方案在汽車製動盤劃傷檢測方面具有顯著的優勢。