在汽車製造行業，噴塗/塗裝工序對產品外觀和質量至關重要。傳統檢測方式難以滿足高精度要求，微鏈道愛憑借先進的 AI 視覺技術，為汽車廠商提供了有效的解決方案。
用戶場景：某頭部汽車廠商的噴塗/塗裝產線，主要產品為各類汽車車身。檢測對象是汽車噴塗面的缺陷，如劃痕、氣泡、流掛等。這些缺陷不僅影響汽車外觀，還可能降低車身的防護性能，因此對缺陷的精準檢測至關重要。
痛點：在傳統檢測方式下，人工複判效率低下且存在較高的漏檢和誤報率。人工檢測的漏檢率約為 5%，誤報率達到 30%，這意味着大量的缺陷可能流入下一工序，同時也增加了不必要的複檢工作量。而且，人工檢測對樣本數量要求高，在樣本不足的情況下，檢測精度難以保證。此外，產線換型時，人工調整檢測標準和流程耗時較長，約 30 分鐘，嚴重影響生產效率。
技術原理
微鏈道愛采用先進的 AI 算法和成像技術解決上述問題。在算法方面，利用深度學習算法對噴塗面圖像進行特征提取和分析。深度學習網絡能夠自動學習缺陷的特征模式，通過大量的訓練數據不斷優化模型，從而實現對不同類型缺陷的準確分類和識別。例如，卷積神經網絡（CNN）可以有效捕捉圖像中的局部特征，對於劃痕、氣泡等微小缺陷具有很高的敏感度。
- 在成像技術上，DaoAI 2D / 3D AI AOI 設備的自研 3D 相機發揮了重要作用。3D 相機能夠獲取噴塗面的三維形貌信息，通過三維形貌重建技術，將噴塗面的真實情況以三維模型的形式呈現出來。這使得系統不僅可以檢測表面可見的缺陷，還能發現隱藏在塗層內部的缺陷，如塗層厚度不均匀等問題。
- 同時，三維形貌信息可以提供更丰富的特征數據，有助於提高缺陷分類的準確性。例如，對於流掛缺陷，通過分析三維形貌中的高度變化，可以更精確地判斷流掛的嚴重程度和範圍。
- 此外，微鏈道愛的算法還結合了語義理解技術，能夠對缺陷進行更深入的分析。語義理解可以讓系統理解缺陷的含義和特征，從而更好地區分真實缺陷和誤報，進一步提高檢測精度。
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 設備相結合的解決方案。DaoAI AI AOI 軟件系統具有強大的特征認知能力，基於視覺基礎模型，能夠在一塊良品 5 分鐘內實現 0 代碼自動編程。其 APDT 正樣本/少樣本學習功能，僅需 1-20 張良品就可以進行模型訓練，大大降低了對樣本數量的要求，在樣本不足的情況下也能穩住高精度。同時，語義誤報過濾功能可以有效減少誤報，提高檢測效率。
DaoAI AI AOI 軟件系統與 DaoAI 2D / 3D AI AOI 設備的結合，為汽車噴塗面缺陷檢測提供了高效、精準的解決方案。
DaoAI 2D / 3D AI AOI 設備的自研 3D 相機和三維形貌重建技術，為檢測工作提供了更全面、準確的信息。該設備可以檢測隱藏焊點、共面度以及微米級形貌，能夠滿足汽車噴塗面缺陷檢測的高精度要求。在產線部署方面，系統支持 SDK / API / Docker 方式，可實現 100% 本地私有化部署，確保數據不出廠，保障了數據的安全性。
量化成效：引入微鏈道愛的解決方案後，檢測效果得到顯著提升。缺陷檢出率提高到 99.2%，漏檢率降低至小於 0.8%，有效避免了缺陷產品流入下一工序。誤報率降低了 -68%，大大減少了不必要的複檢工作量。產線換型時間從 30 分鐘縮短至 5 分鐘，提高了生產效率。