随着新能源电池行业的快速发展，对电池PACK表面质量检测的要求日益提高。微链道爱凭借先进的AI视觉技术，为该行业提供了高效、精准的检测解决方案。
用户场景：某头部新能源电池厂商的电池PACK组装产线，在电池PACK组装完成后，需要对其表面进行全面检测，检测对象包括电池PACK表面的划痕、凹坑、污渍、变形等缺陷。
痛点：传统的人工检测方式存在诸多问题。漏检率较高，约为3%，导致部分有缺陷的产品流入市场，影响产品质量和品牌形象。误报率也达到了10%，增加了复检工作量和成本。而且人工检测效率低，人力成本高，一条产线需要配备5名检测人员。同时，当产品换型时，人工重新调整检测标准和流程，换型时间长达30min，严重影响了生产进度。另外，在机械臂对电池PACK进行上下料时，由于缺乏精准的位姿引导，抓取成功率较低，仅为80%，容易造成电池PACK的损坏。
技术原理
DaoAI采用先进的AI算法和成像技术来解决这些问题。在成像方面，自研的3D相机能够获取电池PACK表面的三维形貌信息，相比传统的2D成像，能够更清晰地呈现表面的微小缺陷和立体特征。在算法上，基于视觉基础模型的特征认知，通过APDT正样本/少样本学习，仅需1-20张良品样本，就能快速学习到正常产品的特征。同时，利用语义误报过滤算法，对检测结果进行分析和筛选，减少误报。在机械臂位姿引导上，通过6D位姿算法，能够精确计算出电池PACK的空间位置和姿态，引导机械臂进行精准抓取。
- 3D相机成像原理：利用结构光或激光等技术，向电池PACK表面投射特定的图案，相机捕捉反射光，通过分析图案的变形来计算表面的三维坐标。
- APDT正样本/少样本学习：通过少量的正样本数据，利用深度学习算法挖掘数据中的特征和规律，从而实现对缺陷的准确识别。
- 语义误报过滤算法：结合图像的语义信息，对可能是误报的检测结果进行判断和过滤，提高检测的准确性。
- 6D位姿算法：综合考虑物体的三维位置和三维姿态信息，通过对图像中特征点的提取和匹配，计算出物体在空间中的精确位姿。
微链道爱解决方案与产品介绍
微链道爱提供了一系列针对性的产品来解决上述问题。首先是DaoAI AI AOI软件系统，其具备视觉基础模型的特征认知能力，能够在5min内实现一块良品的0代码自动编程，利用APDT正样本/少样本学习，只需1-20张良品，就能快速搭建检测模型。同时，通过语义误报过滤功能，有效减少误报。其次是DaoAI 2D / 3D AI AOI设备，自研的3D相机搭配三维形貌重建技术，能够检测隐藏焊点、共面度以及微米级的形貌缺陷，实现对电池PACK表面的全面检测。最后是DaoAI机器人视觉，通过6D位姿引导功能，能够精准引导机械臂对电池PACK进行无序料箱抓取和上下料操作，提高抓取成功率。
微链道爱以先进的AI视觉技术，为新能源电池PACK表面检测提供了全面、高效的解决方案。
量化成效：通过应用微链道爱解决方案，该厂商的检测效果得到了显著提升。漏检率从3%降低到了<0.6%，有效避免了有缺陷的产品流入市场。误报率降低了 -63%，大大减少了复检工作量和成本。产品换型时间从30min缩短到了5min，提高了生产效率。机械臂的抓取成功率从80%提高到了95%以上，减少了电池PACK的损坏率。