项目背景

安全带是汽车关键的乘客安全装置，必须符合严格的行业标准和法规。外观缺陷如松边、褶皱、油污等可能影响其强度、耐久性和性能，以及消费者的观感和使用体验。

芯歌AI视觉系统通过高效、精确的表面缺陷检测，能够及时识别并剔除瑕疵产品，帮助制造商保证每批次产品的高标准。

检测需求

产品名称：汽车安全带；

检测项目：松边、油污、褶皱、缺纬疵等外观缺陷；

精度要求：缺陷检出率99.9%；误检率≤3%；节拍要求：1m/s；

检测难点：缺陷种类多，分布位置随机，增加了算法识别的复杂性；

部分缺陷不易与背景或纹理区分，对算法精度要求高；

检测对象的位置可能会出现变动，算法需要具备足够的容错率。

解决方案

芯歌基于AI视觉处理引擎，分别使用2个500万全局面阵相机同时对4条安全带上下表面进行多次拍摄，确保全方位无死角检测。通过深度学习与传统多算法的融合处理，实现对松边、油污、褶皱、缺纬疵等缺陷的精确识别与分类，并标注缺陷的位置、大小等信息。由贴标机械臂对NG物料不良位置进行贴标，确保NG物料的快速、准确处理。

检测结果

客户获益

效率优化：实现1m/s的高速检测，全面满足客户生产节拍要求，实现1m/s的高速检测，全面满足客户生产节拍要求。

质量优化

使用深度学习像素分割模块，精确检测不良位置、大小，实现≤0.1%的超低误检率与99.9%的检测准确率，确保各类缺陷无漏检，显著提升产品质量的稳定性。

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。

（文章来源于感知芯歌，如有侵权请联系删除）