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

基于AIAP极智算法平台定制

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。

（文章来源于芯歌感知，如有侵权，请联系删文）