反光金屬機殼外觀分級：僅良品訓練上線，缺陷逃逸下降 94%

反光金屬機殼的外觀質量直接影響產品的整體品質和市場競爭力。然而，其外觀分級面臨諸多挑戰。微鏈道愛憑藉創新的技術方案，為這一難題提供了有效的解決方案。

在消費電子行業中，金屬中框與機殼的外觀質量是產品品質的重要體現。這些金屬部件通常會經過陽極氧化、拉絲或拋光等處理，使其表面呈現出強反光的特性，不僅提升了產品的美觀度，還賦予了產品高階的質感。然而，在生產過程中，不可避免地會出現各種外觀缺陷，如劃傷、壓痕、麻點、色差、氧化斑、磕碰等。為了保證產品的質量，需要對這些機殼進行嚴格的外觀分級，將其分為 A 級（可直接出貨）、B 級（需降級處理）和不良品（需剔除）。但強反光的表面使得缺陷在不同的光照角度下時隱時現，給外觀分級帶來了極大的困難。

痛點：為什麼難

從成像角度來看，強反光金屬表面的特性導致成像極不穩定。同一道劃痕在不同的光照角度下，可能會出現時隱時現的情況，這使得傳統的機器視覺系統難以準確捕捉到缺陷的特徵。例如，在某些角度下，劃痕可能會被反光完全掩蓋，而在其他角度下又會清晰可見。這種不穩定性大大增加了缺陷識別的難度，需要系統具備更高的適應性和準確性。

在樣本收集方面，高價值缺陷（如細微劃傷）出現的頻率較低，這使得收集足量的缺陷樣本用於訓練模型變得十分困難。對於傳統的機器學習方法來說，需要大量的有代表性的樣本才能訓練出準確的模型。但由於這些高價值缺陷樣本的稀缺性，傳統方法在訓練模型時往往無法達到理想的效果。此外，消費電子行業機型眾多且換代頻繁，每個新的機殼都需要重新部署外觀分級系統，這進一步增加了樣本收集和模型訓練的難度。

從人工檢測的角度來看，反光的機殼表面容易讓人眼產生視覺疲勞。檢驗員需要不斷調整觀察角度來捕捉缺陷，這不僅增加了工作的強度，還容易出現漏檢和誤檢的情況。而且，人工檢測的準確性和穩定性很大程度上依賴於檢驗員的狀態和經驗，不同的檢驗員可能會對同一缺陷做出不同的判斷，這也給外觀分級的一致性帶來了挑戰。

技術原理

微鏈道愛（DaoAI）採用的僅良品訓練策略是其解決反光金屬機殼外觀分級問題的核心。該策略透過用合格的機殼建立外觀正常的基準，任何偏離這個基準的形態都被判定為缺陷。這種方法巧妙地繞開了稀缺缺陷樣本收集的難題，將不確定的缺陷識別問題交給模型來判別。與傳統方法相比，傳統方法需要大量的缺陷樣本進行訓練，而 DaoAI 只需要使用良品樣本就能上線執行，大大降低了樣本收集的成本和難度。

在成像方面，DaoAI 配合多角度光學方案來抑制反光干擾。透過從不同的角度照射機殼表面，可以減少反光對成像的影響，使缺陷在影象中更加清晰地顯現出來。同時，系統採用了先進的影象處理演算法，能夠對採集到的影象進行高精度的分析和處理，實現微米級精度的缺陷識別。例如，對於細微的劃傷和麻點，系統能夠準確地檢測到並進行分級。

典型應用場景

• 劃傷檢測：劃傷是反光金屬機殼常見的缺陷之一。由於反光的影響，劃傷在不同角度下的成像差異很大。DaoAI 系統透過多角度光學方案和僅良品訓練的模型，能夠在不同角度下準確識別劃傷的位置和長度。難點在於如何區分細微的劃傷和正常的表面紋理，系統透過對良品基準的精確學習，能夠有效避免誤判。
• 壓痕檢測：壓痕通常是由於生產過程中的外力作用產生的。壓痕的深度和形狀各不相同，且在反光表面上的成像也不穩定。DaoAI 系統利用高精度的成像技術和先進的演算法，能夠檢測到微米級別的壓痕。難點在於準確判斷壓痕的嚴重程度，系統透過與良品基準進行對比，能夠實現對壓痕的準確分級。
• 麻點檢測：麻點是機殼表面的微小凸起或凹陷，數量眾多且分佈不規則。在反光表面上，麻點的成像容易被反光掩蓋。DaoAI 系統透過多角度照明和影象增強演算法，能夠清晰地捕捉到麻點的特徵。難點在於如何快速準確地識別大量的麻點，系統透過最佳化的演算法和高效的處理能力，能夠在短時間內完成檢測和分級。
• 色差檢測：色差是指機殼表面顏色的不一致性。由於反光的影響，色差在不同角度下的表現也不同。DaoAI 系統透過建立顏色模型和對良品顏色的學習，能夠準確檢測到微小的色差。難點在於如何排除反光對顏色判斷的干擾，系統透過多角度成像和顏色校正演算法，能夠提高色差檢測的準確性。

落地案例

某中型消費電子廠，主要生產金屬中框與機殼，其產品涵蓋多種機型，且更新換代頻繁。在引入 DaoAI 方案之前，該廠主要依靠人工目檢對機殼進行外觀分級。人工檢測不僅效率低下，而且缺陷逃逸率較高。據統計，人工目檢的缺陷逃逸率達到了 15%，導致大量的降級品和客訴問題。同時，由於機型眾多，每次換型都需要重新培訓檢驗員，換型時間長，影響了生產效率。

在上線 DaoAI 方案的過程中，該廠首先採集了約 10 張良品樣本，用於建立外觀正常的基準。然後，透過 0 程式碼換型操作，快速將系統應用到不同的機型上。整個上線過程順利，沒有對生產造成太大的影響。

上線後，反光機殼實現了穩定的自動分級，不再依賴檢驗員的狀態和角度，有效提升了外觀分級的準確性和一致性。

微鏈道愛解決方案與產品

微鏈道愛（DaoAI）的解決方案主要包括僅良品訓練策略、多角度光學方案和 0 程式碼換型功能。僅良品訓練策略解決了缺陷樣本稀缺的問題，使得系統能夠快速上線執行。多角度光學方案透過最佳化光照角度，抑制了反光干擾，提高了成像的穩定性和準確性。0 程式碼換型功能則大大縮短了新機型的部署時間，提高了生產效率。

DaoAI 的產品具有高精度、高穩定性和高適應性的特點。系統能夠實現微米級精度的外觀分級，準確識別各種型別的缺陷。同時，系統具有良好的適應性，能夠快速適應不同機型的外觀分級需求。

量化成效

DaoAI 方案上線後，取得了顯著的量化成效。缺陷逃逸率較原人工目檢下降了 94%，從原來的 15%降低到了 0.9%。這意味著更多的缺陷能夠被及時檢測出來，大大提高了產品的質量。同時，降級品的數量明顯減少，客訴率也同步降低，提升了客戶滿意度。此外，新機型 0 程式碼快速換型上線，換型時間從原來的數小時縮短到了 5 分鐘，大大提高了生產效率。

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。