在新能源電池生產中，電芯封口/注液口的質量檢測至關重要。微鏈道愛憑借先進的 AI 視覺技術，為行業提供了高效的解決方案。
用戶場景：某頭部新能源電池廠商在電芯生產的封口/注液口工序中，需要對電芯的封口和注液口進行高精度檢測。其產品為各類新能源電池電芯，檢測對象是電芯封口處的密封情況以及注液口的尺寸、形狀和表面缺陷等。
痛點：在傳統檢測方式下，該廠商面臨着诸多困境。漏檢率較高，達到了約 3%，這可能導致有缺陷的產品流入市場，影響產品質量和品牌聲誉。同時，誤報率也居高不下，約為 20%，大量的誤報使得有限的複檢資源被分散，真正有問題的產品不能及時得到處理。而且，人工檢測效率低下，人力成本高，換型時間長，每次換型需要約 30 分鐘，嚴重影響了生產節拍。
技術原理
微鏈道愛采用了先進的 AI 算法和成像技術來解決這些問題。在算法方面，利用視覺基礎模型的特征認知能力，對電芯封口和注液口的圖像進行深度分析。通過 APDT 正樣本/少樣本學習，僅需 1-20 張良品圖像，就能快速學習到正常產品的特征。這種少樣本學習的方式大大減少了樣本收集和標注的工作量，同時提高了模型的泛化能力。在成像方面，自研的 3D 相機能夠獲取電芯的三維形貌信息，實現三維形貌重建。這使得系統不僅可以檢測表面缺陷，還能檢測隱藏焊點、共面度以及微米級的形貌變化。通過對三維信息的分析，能夠更準確地識別出真正的缺陷，減少誤報。
- 視覺基礎模型的特征認知可以從大量的圖像中提取出關鍵特征，對不同類型的缺陷有更敏銳的感知。
- APDT 正樣本/少樣本學習利用少量的良品樣本就能訓練出準確的模型，避免了大量樣本收集和標注的繁瑣過程。
- 自研 3D 相機的三維形貌重建技術能夠提供更全面的產品信息，有助於檢測出一些在二維圖像中難以發現的缺陷。
- 語義誤報過濾功能可以根據缺陷的語義信息，對誤報進行有效過濾，將有限的複檢資源聚焦到真問題上。
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。DaoAI AI AOI 軟件系統具備視覺基礎模型的特征認知能力，一塊良品僅需 5 分鐘即可完成 0 代碼自動編程。通過 APDT 正樣本/少樣本學習，能夠快速適應不同類型的電芯產品。同時，其語義誤報過濾功能可以有效減少誤報，將複檢資源集中到真正有問題的產品上。DaoAI 2D / 3D AI AOI 設備采用自研 3D 相機，能夠實現三維形貌重建，檢測隱藏焊點、共面度和微米級形貌。在落地過程中，將設備安裝在電芯封口/注液口工序的檢測位置，軟件系統與設備進行集成，對采集到的圖像和三維數據進行實時分析和處理。
微鏈道愛的 AI 視覺解決方案為新能源電池生產的質量檢測帶來了新的突破。
量化成效：通過采用微鏈道愛的解決方案，該廠商取得了顯著的成效。檢出率從原來的約 97%提高到了 99.2%，漏檢率降低到了 <0.8%，有效減少了有缺陷產品流入市場的風險。誤報率降低了 -65%，從原來的 20%降低到了約 7%，使得複檢資源能夠更精準地聚焦到真問題上。換型時間從原來的約 30 分鐘縮短到了 5 分鐘，大大提高了生產效率，降低了生產成本。