在新能源电池生产中，电芯封口/注液口的质量检测至关重要。微链道爱凭借先进的 AI 视觉技术，为行业提供了高效的解决方案。
用户场景：某头部新能源电池厂商在电芯生产的封口/注液口工序中，需要对电芯的封口和注液口进行高精度检测。其产品为各类新能源电池电芯，检测对象是电芯封口处的密封情况以及注液口的尺寸、形状和表面缺陷等。
痛点：在传统检测方式下，该厂商面临着诸多困境。漏检率较高，达到了约 3%，这可能导致有缺陷的产品流入市场，影响产品质量和品牌声誉。同时，误报率也居高不下，约为 20%，大量的误报使得有限的复检资源被分散，真正有问题的产品不能及时得到处理。而且，人工检测效率低下，人力成本高，换型时间长，每次换型需要约 30 分钟，严重影响了生产节拍。
技术原理
微链道爱采用了先进的 AI 算法和成像技术来解决这些问题。在算法方面，利用视觉基础模型的特征认知能力，对电芯封口和注液口的图像进行深度分析。通过 APDT 正样本/少样本学习，仅需 1-20 张良品图像，就能快速学习到正常产品的特征。这种少样本学习的方式大大减少了样本收集和标注的工作量，同时提高了模型的泛化能力。在成像方面，自研的 3D 相机能够获取电芯的三维形貌信息，实现三维形貌重建。这使得系统不仅可以检测表面缺陷，还能检测隐藏焊点、共面度以及微米级的形貌变化。通过对三维信息的分析，能够更准确地识别出真正的缺陷，减少误报。
- 视觉基础模型的特征认知可以从大量的图像中提取出关键特征，对不同类型的缺陷有更敏锐的感知。
- APDT 正样本/少样本学习利用少量的良品样本就能训练出准确的模型，避免了大量样本收集和标注的繁琐过程。
- 自研 3D 相机的三维形貌重建技术能够提供更全面的产品信息，有助于检测出一些在二维图像中难以发现的缺陷。
- 语义误报过滤功能可以根据缺陷的语义信息，对误报进行有效过滤，将有限的复检资源聚焦到真问题上。
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 软件系统具备视觉基础模型的特征认知能力，一块良品仅需 5 分钟即可完成 0 代码自动编程。通过 APDT 正样本/少样本学习，能够快速适应不同类型的电芯产品。同时，其语义误报过滤功能可以有效减少误报，将复检资源集中到真正有问题的产品上。DaoAI 2D / 3D AI AOI 设备采用自研 3D 相机，能够实现三维形貌重建，检测隐藏焊点、共面度和微米级形貌。在落地过程中，将设备安装在电芯封口/注液口工序的检测位置，软件系统与设备进行集成，对采集到的图像和三维数据进行实时分析和处理。
微链道爱的 AI 视觉解决方案为新能源电池生产的质量检测带来了新的突破。
量化成效：通过采用微链道爱的解决方案，该厂商取得了显著的成效。检出率从原来的约 97%提高到了 99.2%，漏检率降低到了 <0.8%，有效减少了有缺陷产品流入市场的风险。误报率降低了 -65%，从原来的 20%降低到了约 7%，使得复检资源能够更精准地聚焦到真问题上。换型时间从原来的约 30 分钟缩短到了 5 分钟，大大提高了生产效率，降低了生产成本。