汽車衝壓鈑金 0.3mm 表面缺陷 AI 視覺檢測方案

微鏈道愛憑藉先進的 AI 視覺技術，為汽車衝壓鈑金表面缺陷檢測帶來革新。其方案有效解決了傳統檢測方法的痛點，提升了汽車零部件生產的質量與效率。

在汽車製造領域，衝壓鈑金作為重要的組成部分，其表面質量直接關係到汽車的整體品質和安全性。某頭部汽車零部件廠商的衝壓鈑金產線，主要承擔著各類汽車衝壓鈑金件的生產任務。這些鈑金件厚度為 0.3mm，在生產過程中，表面可能會出現劃痕、凹坑、裂紋等微小缺陷。而汽車製造對於零部件的質量要求極為嚴格，任何微小的缺陷都可能影響到汽車的效能和安全性，因此必須對這些衝壓鈑金件的表面進行精確檢測，以確保產品符合高質量標準。

痛點：為什麼難

傳統檢測方法在該場景下面臨著諸多困境。從效率維度看，人工檢測效率極低，每小時僅能檢測約 30 件產品。這是因為人工檢測主要依靠檢測人員的肉眼觀察，在長時間的工作中，檢測人員容易出現視覺疲勞，而且對於微小缺陷的識別速度較慢。此外，人工檢測的準確性也難以保證，漏檢率高達 15%。這是由於 0.3mm 的微小缺陷本身就難以察覺，再加上檢測人員的主觀判斷差異，很容易導致一些缺陷被遺漏。

在誤報率方面，人工檢測的誤報率約為 20%。這是因為人工判斷存在一定的主觀性，對於一些類似缺陷的正常表面紋理或者輕微汙漬，檢測人員可能會誤判為缺陷。大量的誤報導致大量產品需要進行復檢，這不僅增加了生產成本，還延長了生產時間。另外，在產線換型時，傳統方法面臨著巨大的挑戰。人工重新調整檢測標準和流程耗時約 30 分鐘。這是因為不同的衝壓鈑金件可能具有不同的形狀、尺寸和表面特徵，人工需要重新設定檢測參數和調整檢測流程，這個過程複雜且容易出錯，嚴重影響了生產節拍。

技術原理

微鏈道愛採用先進的 AI 演算法和成像技術來解決上述問題。在演算法方面，利用深度學習演算法對大量的衝壓鈑金表面影像進行學習和訓練。透過卷積神經網路（CNN），能夠自動提取影像的特徵資訊，從而準確識別不同類型的表面缺陷。深度學習演算法具有強大的特徵學習能力，它可以從複雜的影像中提取出有代表性的特徵，並且透過對大量影像的學習，能夠自動調整模型參數，適應不同的缺陷特徵和影像背景。

在成像方面，微鏈道愛自研的 3D 相機發揮了重要作用。它可以獲取鈑金表面的三維形貌資訊，結合三維形貌重建技術，能夠清晰地呈現出微小缺陷的立體特徵。與傳統的 2D 檢測方法相比，3D 相機可以獲取物體表面的深度資訊，對於一些隱藏在表面下的微小缺陷也能準確檢測。三維形貌重建技術將 3D 相機獲取的點雲資料進行處理和分析，生成直觀的三維模型，便於檢測人員進行判斷。這種演算法和成像技術的結合之所以有效，是因為它彌補了傳統 2D 檢測的不足，提供了更全面的表面資訊。

典型應用場景

• 劃痕檢測：衝壓鈑金表面的劃痕通常較細，有的寬度甚至接近 0.3mm。傳統方法難以準確識別這些細微劃痕，而微鏈道愛的 3D 相機能夠獲取劃痕的深度資訊，結合深度學習演算法對劃痕的特徵進行提取和分析，從而準確檢測出劃痕。難點在於劃痕可能與鈑金表面的正常紋理相似，需要演算法具有較高的識別精度。
• 凹坑檢測：凹坑一般具有一定的深度和麵積，在 2D 影像上可能表現不明顯。微鏈道愛的 3D 相機可以清晰地呈現凹坑的三維形貌，透過三維形貌重建技術生成凹坑的立體模型。演算法根據凹坑的深度、面積等特徵進行判斷，準確檢測出凹坑。難點在於一些淺凹坑的特徵不明顯，容易與正常表面的微小起伏混淆。
• 裂紋檢測：裂紋的形態各異，可能是直線型、曲線型或者分支狀。傳統檢測方法難以判斷裂紋的走向和深度。微鏈道愛利用深度學習演算法對裂紋的影像特徵進行學習，同時 3D 相機獲取裂紋的深度資訊，實現對裂紋的準確檢測。難點在於一些微小裂紋的影像特徵不清晰，需要演算法具有較強的特徵提取能力。
• 隱藏焊點檢測：隱藏焊點通常位於鈑金件的內部，在表面上可能只有細微的痕跡。微鏈道愛的 3D 相機可以獲取這些細微痕跡的三維形貌資訊，結合演算法對焊點的特徵進行分析，判斷焊點是否存在缺陷。難點在於隱藏焊點的特徵微弱，需要高精度的成像和演算法進行識別。

落地案例

某大型汽車零部件製造商擁有多條衝壓鈑金生產線，每天生產大量的汽車衝壓鈑金件。在引入微鏈道愛解決方案之前，該企業面臨著檢測效率低、漏檢率高、誤報率高和產線換型時間長等問題，嚴重影響了生產效益。在上線過程中，微鏈道愛技術團隊首先對產線進行了全面的調研和評估，確定了設備的安裝位置和軟體系統的參數設定。然後將 DaoAI 2D / 3D ACI (AI-AOI) 設備安裝在衝壓鈑金產線上，並與產線控制系統進行了對接。同時，對軟體系統進行了調試和最佳化，確保系統能夠準確地分析處理檢測資料。

微鏈道愛的解決方案為該企業帶來了顯著的改善，提升了生產的質量和效率，降低了生產成本。

上線前，該企業每小時僅能檢測約 30 件產品，漏檢率高達 15%，誤報率約為 20%，產線換型時間約 30 分鐘。上線後，檢測效率大幅提升，每小時可檢測約 120 件產品，提高了 3 倍；漏檢率降低至 <0.6%；誤報率降低了 63%；產線換型時間從 30 分鐘縮短至 5 分鐘。

微鏈道愛解決方案與產品

微鏈道愛提供了 DaoAI ACI OS 作業系統和 DaoAI 2D / 3D ACI 設備。DaoAI ACI OS 作業系統具備視覺基礎模型的特徵認知能力，僅需 1-20 張良品，透過 APDT 正樣本/少樣本學習，即可在 5 分鐘內實現 0 程式碼自動編程。該系統還能進行語義誤報過濾，有效降低誤報率。DaoAI 2D / 3D ACI 設備採用自研 3D 相機和三維形貌重建技術，能夠檢測隱藏焊點、共面度和微米級形貌，對於 0.3mm 表面缺陷的檢測精度可達微米級。在落地實施過程中，將設備安裝在衝壓鈑金產線上，對產品進行線上檢測，軟體系統實時分析處理檢測資料，並將結果反饋給產線控制系統。

量化成效：採用微鏈道愛的解決方案後，檢測效率大幅提升，每小時可檢測約 120 件產品，相比之前提高了 3 倍。漏檢率降低至 <0.6%，誤報率降低了 63%，有效減少了複檢工作量。產線換型時間從 30 分鐘縮短至 5 分鐘，顯著提高了生產的靈活性和效率。

本場景的完整方案：汽車 / 零部件 行業解決方案 · 衝壓鈑金表面缺陷檢測

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。