反光金属机壳外观分级：仅良品训练上线，缺陷逃逸下降 94%

反光金属机壳的外观质量直接影响产品的整体品质和市场竞争力。然而，其外观分级面临诸多挑战。微链道爱凭借创新的技术方案，为这一难题提供了有效的解决方案。

在消费电子行业中，金属中框与机壳的外观质量是产品品质的重要体现。这些金属部件通常会经过阳极氧化、拉丝或抛光等处理，使其表面呈现出强反光的特性，不仅提升了产品的美观度，还赋予了产品高端的质感。然而，在生产过程中，不可避免地会出现各种外观缺陷，如划伤、压痕、麻点、色差、氧化斑、磕碰等。为了保证产品的质量，需要对这些机壳进行严格的外观分级，将其分为 A 级（可直接出货）、B 级（需降级处理）和不良品（需剔除）。但强反光的表面使得缺陷在不同的光照角度下时隐时现，给外观分级带来了极大的困难。

痛点：为什么难

从成像角度来看，强反光金属表面的特性导致成像极不稳定。同一道划痕在不同的光照角度下，可能会出现时隐时现的情况，这使得传统的机器视觉系统难以准确捕捉到缺陷的特征。例如，在某些角度下，划痕可能会被反光完全掩盖，而在其他角度下又会清晰可见。这种不稳定性大大增加了缺陷识别的难度，需要系统具备更高的适应性和准确性。

在样本收集方面，高价值缺陷（如细微划伤）出现的频率较低，这使得收集足量的缺陷样本用于训练模型变得十分困难。对于传统的机器学习方法来说，需要大量的有代表性的样本才能训练出准确的模型。但由于这些高价值缺陷样本的稀缺性，传统方法在训练模型时往往无法达到理想的效果。此外，消费电子行业机型众多且换代频繁，每个新的机壳都需要重新部署外观分级系统，这进一步增加了样本收集和模型训练的难度。

从人工检测的角度来看，反光的机壳表面容易让人眼产生视觉疲劳。检验员需要不断调整观察角度来捕捉缺陷，这不仅增加了工作的强度，还容易出现漏检和误检的情况。而且，人工检测的准确性和稳定性很大程度上依赖于检验员的状态和经验，不同的检验员可能会对同一缺陷做出不同的判断，这也给外观分级的一致性带来了挑战。

技术原理

微链道爱（DaoAI）采用的仅良品训练策略是其解决反光金属机壳外观分级问题的核心。该策略通过用合格的机壳建立外观正常的基准，任何偏离这个基准的形态都被判定为缺陷。这种方法巧妙地绕开了稀缺缺陷样本收集的难题，将不确定的缺陷识别问题交给模型来判别。与传统方法相比，传统方法需要大量的缺陷样本进行训练，而 DaoAI 只需要使用良品样本就能上线运行，大大降低了样本收集的成本和难度。

在成像方面，DaoAI 配合多角度光学方案来抑制反光干扰。通过从不同的角度照射机壳表面，可以减少反光对成像的影响，使缺陷在图像中更加清晰地显现出来。同时，系统采用了先进的图像处理算法，能够对采集到的图像进行高精度的分析和处理，实现微米级精度的缺陷识别。例如，对于细微的划伤和麻点，系统能够准确地检测到并进行分级。

典型应用场景

• 划伤检测：划伤是反光金属机壳常见的缺陷之一。由于反光的影响，划伤在不同角度下的成像差异很大。DaoAI 系统通过多角度光学方案和仅良品训练的模型，能够在不同角度下准确识别划伤的位置和长度。难点在于如何区分细微的划伤和正常的表面纹理，系统通过对良品基准的精确学习，能够有效避免误判。
• 压痕检测：压痕通常是由于生产过程中的外力作用产生的。压痕的深度和形状各不相同，且在反光表面上的成像也不稳定。DaoAI 系统利用高精度的成像技术和先进的算法，能够检测到微米级别的压痕。难点在于准确判断压痕的严重程度，系统通过与良品基准进行对比，能够实现对压痕的准确分级。
• 麻点检测：麻点是机壳表面的微小凸起或凹陷，数量众多且分布不规则。在反光表面上，麻点的成像容易被反光掩盖。DaoAI 系统通过多角度照明和图像增强算法，能够清晰地捕捉到麻点的特征。难点在于如何快速准确地识别大量的麻点，系统通过优化的算法和高效的处理能力，能够在短时间内完成检测和分级。
• 色差检测：色差是指机壳表面颜色的不一致性。由于反光的影响，色差在不同角度下的表现也不同。DaoAI 系统通过建立颜色模型和对良品颜色的学习，能够准确检测到微小的色差。难点在于如何排除反光对颜色判断的干扰，系统通过多角度成像和颜色校正算法，能够提高色差检测的准确性。

落地案例

某中型消费电子厂，主要生产金属中框与机壳，其产品涵盖多种机型，且更新换代频繁。在引入 DaoAI 方案之前，该厂主要依靠人工目检对机壳进行外观分级。人工检测不仅效率低下，而且缺陷逃逸率较高。据统计，人工目检的缺陷逃逸率达到了 15%，导致大量的降级品和客诉问题。同时，由于机型众多，每次换型都需要重新培训检验员，换型时间长，影响了生产效率。

在上线 DaoAI 方案的过程中，该厂首先采集了约 10 张良品样本，用于建立外观正常的基准。然后，通过 0 代码换型操作，快速将系统应用到不同的机型上。整个上线过程顺利，没有对生产造成太大的影响。

上线后，反光机壳实现了稳定的自动分级，不再依赖检验员的状态和角度，有效提升了外观分级的准确性和一致性。

微链道爱解决方案与产品

微链道爱（DaoAI）的解决方案主要包括仅良品训练策略、多角度光学方案和 0 代码换型功能。仅良品训练策略解决了缺陷样本稀缺的问题，使得系统能够快速上线运行。多角度光学方案通过优化光照角度，抑制了反光干扰，提高了成像的稳定性和准确性。0 代码换型功能则大大缩短了新机型的部署时间，提高了生产效率。

DaoAI 的产品具有高精度、高稳定性和高适应性的特点。系统能够实现微米级精度的外观分级，准确识别各种类型的缺陷。同时，系统具有良好的适应性，能够快速适应不同机型的外观分级需求。

量化成效

DaoAI 方案上线后，取得了显著的量化成效。缺陷逃逸率较原人工目检下降了 94%，从原来的 15%降低到了 0.9%。这意味着更多的缺陷能够被及时检测出来，大大提高了产品的质量。同时，降级品的数量明显减少，客诉率也同步降低，提升了客户满意度。此外，新机型 0 代码快速换型上线，换型时间从原来的数小时缩短到了 5 分钟，大大提高了生产效率。

本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。