DaoAI 3D 機器人視覺助力汽車部件擰緊缺陷檢測

微鏈道愛 DaoAI 3D 機器人視覺（自研 3D 相機 + 6D 位姿估計、無序料箱抓取 bin picking、塗膠/裝配/上下料引導、腦·眼·體閉環、亞毫米手眼協調）透過對汽車傳動系統關鍵緊韌體的擰緊到位度與防松標記進行高精度三維檢測，將漏檢率從 1.5% 降低至 <0.2%，顯著提升了產品質量與產線效率。

微鏈道愛 DaoAI 3D 機器人視覺（自研 3D 相機 + 6D 位姿估計、無序料箱抓取 bin picking、塗膠/裝配/上下料引導、腦·眼·體閉環、亞毫米手眼協調）透過對汽車傳動系統關鍵緊韌體的擰緊到位度與防松標記進行高精度三維檢測，將漏檢率從 1.5% 降低至 <0.2%，顯著提升了產品質量與產線效率。在汽車及零部件製造領域，緊韌體的正確安裝是確保整車效能和安全的關鍵環節。特別是在發動機、變速箱、底盤等核心傳動系統部件的裝配中，螺栓、螺母的擰緊力矩、到位度以及防松標記的完整性直接關係到車輛的可靠性。隨著新能源汽車的快速發展，對零部件的輕量化、整合化和高可靠性要求更高，傳統的人工檢測或基於扭矩感測器的間接檢測方式已難以滿足日益嚴苛的質量控制標準和生產節拍需求。例如，在某頭部汽車傳動系統供應商的生產線上，一款新型混合動力變速箱的殼體裝配需要對多達數十個關鍵緊韌體進行全方位檢測，以確保每個螺栓都精確到位並帶有正確的防松塗膠，防止因振動或熱脹冷縮導致的鬆動，進而引發嚴重的安全隱患。

痛點:這道坎為什麼難過

該客戶在緊韌體擰緊檢測環節面臨多重挑戰。首先，人工目檢效率低下且一致性差，容易受員工疲勞影響，導致漏檢率高達 1.5%，誤報率也維持在 8% 左右，大量時間耗費在人工復判上。其次，傳統基於 2D 視覺的檢測方案，在複雜曲面和遮擋環境下，難以準確識別緊韌體的凸起高度、沉孔深度，也無法有效分辨防松標記的立體形態，對光照和產品表面反光極為敏感，經常因環境變化而失效。第三，產品型號多樣，緊韌體種類繁多，包括不同規格的螺栓、螺母以及鉚釘，且位置通常分佈在狹小的空間內，甚至存在多層結構交疊的情況，使得檢測難度幾何級數上升。每次換型都需要耗費數小時重新調整相機位置和引數，嚴重影響產線柔性。

從工藝層面看，緊韌體的擰緊到位度不僅是簡單的平面位置，更包含軸向的深度資訊，例如螺栓是否完全擰入，是否存在浮高；防松標記（如塗膠、漆點）也需要判斷其是否完整覆蓋螺紋或螺栓頭，是否存在溢位或缺失。這些三維形態上的細微差異，在 2D 影象上往往表現為模糊的邊緣或光影變化，極易被誤判。從成像層面，金屬件表面反光強烈，且緊韌體本身多為圓柱形，容易產生鏡面反射，導致影象過曝或欠曝，細節丟失。同時，緊韌體位於深孔或凹槽內時，傳統光源難以有效照明，形成陰影，進一步增加了檢測難度。從節拍層面，汽車產線對效率要求極高，單件檢測時間通常需控制在秒級，而複雜的三維檢測若採用傳統掃描方式則耗時過長，難以滿足產線節拍。當前行業熱點聚焦於具身智慧的“ChatGPT時刻”，正如科沃斯拆解機器人展現的，智慧機器人需要具備精準的“腦·眼·體”閉環能力，才能在複雜物理世界中實現精確操作和感知。緊韌體檢測正是對這種“具身智慧”的極致考驗，要求機器人視覺系統不僅能“看懂”三維世界，還能引導機械臂完成高精度判斷和操作，這正是傳統方案的短板。

技術原理

微鏈道愛 DaoAI 3D 機器人視覺系統透過自研的高精度 3D 相機結合先進的 6D 位姿估計演算法，從根本上解決了上述難題。我們的 3D 相機採用結構光投影技術，透過發射特定圖案的光柵，並利用多個工業相機從不同角度捕捉被測物體表面的形變，重建出高精度的點雲資料。相較於傳統的鐳射線掃描或光飛行時間（ToF）技術，結構光能夠更快速、更密集地獲取三維資訊，尤其適合檢測複雜幾何形狀和微小特徵。系統透過深度學習演算法對點雲資料進行處理，實現亞毫米級的精度。6D 位姿估計模組則基於深度學習模型，能夠從 3D 點雲資料中直接提取出被測緊韌體的 X、Y、Z 三個平移維度和 Roll、Pitch、Yaw 三個旋轉維度，從而精確判斷其在空間中的位置和姿態，即便在無序堆放或隨機擺放的情況下也能準確識別。

與傳統基於規則的 2D AOI 相比，我們的 3D 機器人視覺具有顯著優勢。2D AOI 依賴於影象灰度、顏色、邊緣等二維特徵，容易受到光照、反光、遮擋和產品表面紋理變化的影響，對三維形態的缺陷識別能力有限。而 DaoAI 3D 視覺直接獲取物體完整的三維幾何資訊，能夠精確測量緊韌體的高度、深度、平面度等關鍵尺寸，直接判斷螺栓是否到位、防松膠是否完整覆蓋。例如，對於螺栓浮高問題，2D 視覺可能因光影變化而誤判，但 3D 視覺能直接測量螺栓頭頂面與基準平面的距離，給出精確的毫米級高度資料。此外，結合“腦·眼·體”閉環控制，系統能實時將視覺資料反饋給機械臂，引導其精確到達檢測位置，實現亞毫米級的手眼協調，確保檢測的穩定性和重複性。相較於人工目檢，系統避免了人為主觀判斷的誤差和疲勞，將檢測一致性提升至工業級標準，同時將檢測速度提升了數倍，大幅降低了人力成本和生產風險。

典型應用場景

• **螺栓/螺母擰緊到位度檢測：** 針對發動機缸體、變速箱殼體等關鍵部件上的螺栓/螺母，檢測其是否完全擰緊，是否存在浮高或擰入不足。難點在於螺栓頭與安裝孔的配合公差小，且常常位於深孔或多層結構中，需要高精度三維測量排除平面遮擋干擾。
• **防松標記（塗膠/漆點）完整性與位置檢測：** 檢查螺栓頭或螺紋上的防松膠、漆點是否按照工藝要求完整塗覆，無缺失、無溢位，且位置正確。難點在於塗膠厚度、顏色和形狀的不規則性，以及金屬表面反光對 2D 影象的干擾，3D 視覺能精確重建塗膠的三維形態，判斷其覆蓋範圍和體積。
• **鉚釘安裝質量檢測：** 在車身連線、內飾件固定等場景，檢查鉚釘是否完全鉚合，是否存在鬆動、變形、斷裂或凸起不平。難點在於鉚釘頭部形態多樣，且鉚合後可能與基材表面平齊，2D 難以分辨，3D 視覺可測量鉚釘頭部的微小形變和高度差。
• **異物檢測與缺失件檢測：** 在裝配完成後，對緊韌體周圍區域進行掃描，檢查是否存在遺留的工具、雜質或缺失的墊片、卡扣等。難點在於異物形狀不規則，且通常尺寸較小，3D 視覺能透過點雲分析識別出標準模型之外的異常形貌。

落地案例

某頭部 Tier-1 汽車零部件供應商，專注於高階傳動系統的研發與製造。其新建的一條混合動力變速箱裝配線，對產品質量和生產效率提出了極高要求。在引入微鏈道愛 DaoAI 3D 機器人視覺系統之前，該產線在變速箱殼體緊韌體擰緊環節，主要依靠人工抽檢和部分位置的 2D 視覺輔助檢測。由於變速箱內部結構複雜，緊韌體數量多達數十個，且部分位於難以目視的深處，導致漏檢率達到 1.5%，每月因緊韌體問題導致的返工和質量索賠成本高昂。同時，2D 視覺系統在識別防松膠的完整性時，經常因反光或膠體顏色變化而產生誤報，導致每天需要人工複檢數百次，耗費大量工時。為了提升檢測的精準度和自動化水平，該客戶引入了我們的 DaoAI 3D 機器人視覺解決方案。

上線過程中，我們首先對數十種不同規格的緊韌體和防松膠型別進行了三維資料採集和模型訓練。基於微鏈道愛 DaoAI World 世界模型統一底座，我們利用少量良品（1–20 張良品）進行訓練，快速構建了高魯棒性的檢測模型。系統部署在機械臂末端，透過程式設計路徑規劃，對變速箱殼體上所有關鍵緊韌體進行逐一掃描檢測。上線後，系統實現了 100% 全檢，對螺栓浮高、擰入不足、防松膠缺失或溢位等缺陷的檢出率達到了 99.4%，漏檢率降低至 <0.2%。誤報率也從原來的 8% 顯著降低到 2.9%，大幅減少了人工復判的工作量。同時，由於 3D 視覺系統對光照和產品表面反光不敏感，換型時僅需在軟體中選擇對應產品模型，無需重新調整物理相機位置或光源，換型時間從數小時縮短至 5min，顯著提升了產線柔性。

微鏈道愛 DaoAI 3D 機器人視覺系統，以亞毫米級的精度和“腦·眼·體”閉環的智慧，為汽車零部件裝配帶來了前所未有的可靠性和效率提升，真正將具身智慧的潛力轉化為生產力。

微鏈道愛解決方案與產品

微鏈道愛 DaoAI 3D 機器人視覺系統是本次解決方案的核心。我們自研的高精度 3D 相機，能夠快速獲取物體表面的高密度點雲資料，結合強大的 6D 位姿估計演算法，實現了對複雜工件的精確識別和定位。在實際部署中，我們提供 SDK/API/Docker 等多種整合方式，支援 100% 本地私有化部署，確保客戶資料安全不出廠。對於新產品或新缺陷型別，客戶可以利用 DaoAI AI AOI 軟體系統的 APDT 正樣本/少樣本學習能力，僅需 1–20 張良品影象，即可在 5 分鐘內完成模型訓練和自動程式設計，極大縮短了換型和除錯時間。此外，結合 DaoAI World 世界模型統一底座，系統具備語義理解和跨場景泛化能力，能夠從產線反饋中持續學習和最佳化，不斷提升檢測精度和效率。整個過程，機器人視覺系統作為“眼睛”和“大腦”，引導機械臂“身體”完成精確的檢測任務，構成了一個完整的具身智慧閉環。

本次應用，系統將緊韌體擰緊缺陷的漏檢率從 1.5% 降低至 <0.2%，誤報率降低 −63%，每年為客戶節省了數百萬人民幣的質量返工和索賠成本。同時，換型時間大幅縮短至 5min，使得產線能夠更靈活地應對多品種小批次生產需求，提升了整體生產效率和市場響應速度。高精度、高效率、高柔性的自動化檢測，不僅顯著提升了產品質量的穩定性，更助力客戶在競爭激烈的汽車零部件市場中保持領先地位，有效規避了因關鍵部件失效而帶來的合規風險和品牌聲譽損失。

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。