阿丘科技AIDI工业AI视觉算法平台

核心功能

应用场景

Type-C连接器外观检测

Type-C连接器属于手机中比较精密小巧的零部件，由金手指、金属端子、铁片、注塑、胶圈等部分组成，检测项多达30+，且缺陷形态和大小多变，出现区域随机，复杂度高；同时单个线体产量大、检测任务繁重。为此，该工厂在每条产线后配置了数十名质检员，检测Type-C连接器的外观与尺寸缺陷。然而面对不断上涨的人力成本，该工厂希望寻求代替人工的解决方案。

阿丘科技基于AIDI的Type-C视觉检测系统，分9个工位检测正面、反面和侧面，采用AI与传统算法结合的方式：

利用AI算法，对背景干扰大、对比度低的缺陷进行识别，如壳体溢胶/粘胶、端子与金手指的刮伤/压伤/粘胶等20+项检测需求，解决了原先传统无法识别的问题；

仍然发挥传统算法的优势，完成尺寸测量和对比度高、背景一致的外观缺陷的检测，共10+需求项。

该方案通过AI与传统算法分工结合，精准区分30+缺陷检测项，同时解决了传统技术难以实现，而必须靠大量人工目检的问题。最终达到过检率5%以内、漏检率0.1%的上线指标。

手机潜望式镜头外观检测

手机潜望式镜头是手机的重要部件之一，由带有镀膜及丝印的玻璃组成，外观缺陷可能会影响手机相机的成像质量。由于尺寸小、玻璃材质透明，崩边、点子、虚影等缺陷特征细微，人工目检难度大、效率低。

该工厂原先导入的自动化检测设备，算法检测准确率低，产品良率低，导致其产能低下。该设备商现场调试一年迟迟没有改善，已经影响品牌方新机型的排产计划。因此迫切需要新的算法供应商，对其设备进行升级改造。

阿丘科技基于AIDI的FG-AOI视觉检测系统，分7个工位检测6个面的丝印面及透光面：

利用AI分割、检测等算法，对背景干扰大、对比度低的缺陷进行识别，可准确区分真假点子。同时结合传统算法，对崩边进行有效过滤，进一步降低过检率，提升产品良率；针对成像提出要求，通过AI算法可对轻微差异图像进行兼容，多台设备共用一组模型，提升设备复制效率。

最终，产品良率提升25%，检测准确率达到95%左右，成功完成设备升级改造，有效提升了车间产能。阿丘科技通过AI与传统算法分工结合，即使是透光面上的缺陷，也能够准确区分真假点。通过15天左右的迭代，过检降低至5%以下，漏检0.3%左右。同时兼容不同设备间的成像差异，复制效率快，1-2天即可完成部署。