项目背景

客户是国内知名汽车零部件厂商，需要引入AI深度学习对滤波器每个组装工序步骤进行监控识别，降低人为因素对产品质量的影响，同时要求对检测工序进行技术升级，检测反馈速度不低于400ms。

检测难点

产品零部件种类多，实施兼容性难度高；产线CT快，检测速度要求高；产品芯片上二维码体积小，且受印刷限制规整度较低。

解决方案

预先在系统内设置检测SOP流程，通过深度学习算法检测产品各工序步骤，针对不同的目标采用相应算法得到其状态信息，判断每个工序步骤是否存在不良，并在软件界面显示检验总数量和不合格数量、合格率、不良率信息等。

检测结果

· 工序一

· 工序二

· 工序三

· 工序四

· 工序五

芯歌在算法实施上采用像素分割方式，提高检测精度，准确识别滤波器组装过程中底盖、垫片、芯片和螺钉等零部件是否存在漏装误装，并通过二维码和条码识别记录产品ID，便于追溯。

· 条码识别

· 二维码识别

客户获益

效率优化：检测速度可达400mm/s，满足客户需求。质量优化：AI智能检测方案可对滤波器组装工序清晰成像，通过AI视觉算法处理，准确率达到99.99%，有效提高产品良率。成本优化：实现产线自动化质检，大幅降低用工成本。

技术优势

领先的小样本学习算法克服质检领域缺陷样本不足带来的训练难问题。完整的视觉算法体系：拥有完整算法体系,包括:深度学习、传统比对算法等在内的主流算法,可覆盖90%以上的常规应用。模型压缩工具：自研深度模型裁剪压缩工具，大幅降低算力需求。简单易用，离线部署：低代码用户友善界面，无需在线即可一键训练及部署，尊重客户数据隐私。