ASWORK · 企业 AI 开发服务

工业 AI 视觉质检与缺陷检测开发

围绕指定产品与缺陷类别,连接图像采集、异常标记、人工复核和工位接口,保留检查图片及结果记录。

开发应用场景 · 具体实施范围结合企业业务条件确定。

业务问题与适用场景

外观和装配检查需要持续观察产品表面、零部件状态或指定区域。划痕、缺件和装配偏移具有不同的图像特征,材质、反光、遮挡和拍摄角度也会改变可见信息。因此,视觉质检项目需要先明确产品、缺陷定义和拍摄条件。

ASWORK 提供从样本评估、视觉算法开发到工位集成的工程服务,适用于具有明确检查对象、能够采集代表性图像并安排目标工位验证的企业。

一个装配检查工位如何工作

以固定工位中的连接器装配检查为例,开发范围可以围绕指定区域的缺件与装配偏移展开。

  1. 工位按约定触发方式采集图像,关联产品或批次信息。
  2. 算法对检查区域进行分析,返回缺陷类别、位置及约定的判定结果。
  3. 操作页面展示原图与异常标记,复核人员记录实际结论。
  4. 系统保存图片、结果和版本信息,并向产线软件提供约定的状态信号。

若需要联动剔除机构,应单独定义通信、时序、互锁和失败处理,并完成控制链路联调。

开发内容与系统对接

  • 成像与样本评估:检查视野、分辨率、光源和缺陷可见性,确认采集条件。
  • 数据与模型:建立标注规范、训练与评测样本,开发约定类别的检测或分割模型。
  • 工位软件:接入相机触发、结果展示、人工复核、批次查询和图片留存。
  • 现场接口:按项目条件对接 PLC、MES 或其他产线系统,记录异常与操作日志。

样本需要覆盖实际产品差异与现场变化。训练样本和验收样本应区分,并记录产品批次、成像条件及模型版本,避免用重复样本代替独立评测。

项目范围与交付

可先选择一种产品、一个工位和有限的缺陷类别验证成像与识别路径,再决定扩展范围。交付内容可包括检测软件、适用模型、相机与工位接口、复核工具、约定源码、部署说明和评测报告。

指标结合缺陷代价定义,分别考察漏检、误报、各类别表现和端到端处理时间。硬件选型、节拍要求和现场验收条件需要一并确认,算法演示不能代替整条工位链路验收。

企业需要准备哪些资料

提供产品与缺陷实物或图像、正常与异常样本、现有相机和光源信息、目标节拍、安装空间及判定规则。需说明哪些缺陷必须拦截、哪些允许人工复核,以及异常结果如何影响生产流程。

相机、光源、机构和现场改造是否包含在交付中,应分别列明。无法在当前成像条件下观察到的缺陷,需要先调整检测方式或成像条件。

常见问题

能识别所有外观缺陷吗?

检测范围必须按产品、缺陷类别和可见条件定义。新增缺陷、材质或工位变化需要重新评估样本和效果,不能用已定义类别的结果覆盖未知缺陷。

现有相机可以继续使用吗?

可以先检查实际图像、视野、曝光、触发方式及接口。是否满足要求由缺陷可见性和工位条件决定,必要时调整镜头、光源或相机配置。

准确率和检测速度可以提前确定吗?

可以先明确目标及统计口径,实际可达结果需通过代表性样本和目标设备验证。验收应同时记录漏检、误报、输入条件及整条处理链路耗时。

DISCUSS YOUR PROJECT

把业务问题转为明确的开发范围

如需评估工业 AI 视觉质检与缺陷检测开发,可先说明现有业务流程、资料与系统条件,沟通适用范围、开发内容和交付要求。

咨询 AI 开发项目