项目背景 

如果将发动机比作汽车的心脏，那么保险盒就是汽车的中枢神经，负责向车体的各部位传达驾驶信息，是汽车电子控制元件中的关键部件，也是汽车车体中技术含量较高、对工艺要求较严格的部品之一。

保险盒缺陷检测目前采用传统人工目检，由于产品外观一致性较高，人工检测易产生视觉疲劳，产品质量波动较大。所以需要引入AI质检，提升并完善生产和质检的效率，同时提升产品的良率。

检测需求

产品名称：汽车保险盒；检测项目：PIN针变形、端子变形、端子扩张、保险片有无、保险片装错等缺陷。缺陷识别率要求：缺陷检出率99%；过检率≤3%；节拍要求：12s/pcs。

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；部分缺陷微小，对算法精度要求高。

解决方案

芯歌基于AI视觉处理引擎，利用光学成像，通过伺服机构带动相机从下向上对产品进行多次拍摄，并选用双远心镜头减少成像畸变对检出率的影响。

算法可自动定位图像中缺陷位置，准确区分识别各类缺陷，检测产品NG后自动报警，并标注缺陷的位置、大小等信息。

检测结果

PIN针变形

端子变形

端子扩张

NG示意图

客户获益

效率优化：实现12s/pcs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，可实现1%的过检率与99%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。