Phát Hiện Khuyết Tật Bề Mặt Trên Module Cảm Biến Nhạy Cảm Trong Sản Xuất EV

8 phút đọc
Kiểm Tra Bề Mặt AISản Xuất EVPhát Hiện Tương Phản ThấpOV20i
Hệ thống thị giác AI phát hiện vết xước bề mặt vi mô trên module cảm biến EV với bề mặt xám trên nền đen tương phản thấp

Xe điện và nền tảng điện khí hóa hiện đại phụ thuộc vào mạng lưới dày đặc các cảm biến—áp suất, nhiệt độ, gia tốc, dòng điện và module vị trí. Các đơn vị này phải duy trì tính toàn vẹn bề mặt hoàn hảo để đảm bảo niêm phong đúng, nối đất điện và căn chỉnh.

Thách Thức: Khuyết Tật Vi Mô, Hậu Quả Lớn

Nhưng sản xuất chúng rất khắc nghiệt:

  • Vết xước hoặc tỳ vết vi mô thay đổi độ đồng đều lớp phủ, gây ra biến thể trong hiệu chỉnh cảm biến.
  • Vỏ xám trên nền đen và polyme bán phản chiếu làm tương phản thấp, đánh bại AOI tiêu chuẩn.
  • Màng dầu, bụi tĩnh điện và hình học cong thêm các phản chiếu không thể đoán trước.

Các hệ thống kiểm tra truyền thống—AOI dựa trên quy tắc hoặc thậm chí các mô hình học máy ban đầu—gặp khó khăn trong việc khái quát hóa. Chúng cần hàng trăm hình ảnh, kiểm soát chiếu sáng cẩn thận và vẫn bỏ sót các đường tương phản thấp mờ nhạt ảnh hưởng đến độ tin cậy cảm biến.

Trong chuỗi cung ứng EV nơi thông lượng và năng suất thúc đẩy chi phí, điều này có nghĩa là các vòng lặp làm lại, phát hiện khuyết tật muộn và dữ liệu chất lượng không nhất quán trên các dây chuyền.

Tại Sao Vấn Đề Khó

Tương Phản Quang Học Thấp

Lớp phủ xám trên vỏ tối cung cấp hầu như không có sự khác biệt độ sáng; phát hiện dựa trên ngưỡng thất bại.

Độ Phản Chiếu Bề Mặt

Nhựa bóng hoặc bán mờ tán xạ ánh sáng không đều, tạo ra báo động giả.

Quy Mô Khuyết Tật Nhỏ

Vết xước có thể nhỏ hơn 0,1 mm, nhỏ hơn một pixel trong các cài đặt AOI cũ.

Khan Hiếm Dữ Liệu

Chương trình cảm biến tạo ra nhiều biến thể nhưng ít ví dụ mỗi biến thể—huấn luyện mô hình học sâu từ đầu không khả thi.

Giải Pháp Overview AI

Sử dụng Hệ thống Thị Giác OV20i, các kỹ sư Overview AI triển khai công thức phân loại được huấn luyện với chỉ 8 mẫu tốt và 8 mẫu lỗi—tổng cộng 16 hình ảnh.

Các Nguyên Tắc Thiết Kế Chính

Huấn Luyện Tại Biên

Tất cả quá trình học xảy ra cục bộ trên GPU NVIDIA Orin NX của OV20i—không tải lên đám mây, không độ trễ.

Chiếu Sáng Thông Minh

Kết hợp chiếu sáng khuếch tán và đồng trục tiết lộ sự khác biệt kết cấu vô hình với mắt thường.

Thiết Kế Mô Hình Thích Nghi

Bộ phân loại học các hoa văn tính năng (kết cấu, gradient độ bóng, sự gián đoạn cạnh) thay vì các giá trị độ sáng cố định, cho phép phát hiện đáng tin cậy trong ánh sáng thay đổi.

Lặp Nhanh

Các kỹ sư có thể gán nhãn lại hoặc thêm hình ảnh trực tiếp trong giao diện trình duyệt; mỗi chu kỳ huấn luyện mất dưới 30 phút.

Trong một ca làm việc duy nhất, hệ thống đạt độ chính xác tiên tiến xác định cả tỳ vết vi mô và vết xước lớn hơn—ngay cả trên bề mặt xám trên nền đen tương phản thấp nơi các hệ thống thông thường thất bại.

Kết Quả và Tác Động

Hiệu Quả Dữ Liệu Nhỏ

Mô hình sẵn sàng sản xuất được huấn luyện từ 16 hình ảnh.

Bền Vững Với Chiếu Sáng

Phát hiện ổn định dưới ánh sáng ban ngày, LED và đèn huỳnh quang trần.

Năng Suất Nhất Quán

Khuyết tật được phát hiện nội tuyến trước khi lắp ráp, ngăn ngừa từ chối module tiếp theo.

Triển Khai Có Thể Mở Rộng

Công thức có thể chuyển sang các biến thể cảm biến hoặc đầu nối khác với huấn luyện lại tối thiểu.

Đối với nhà cung cấp EV, điều đó có nghĩa là ít từ chối giả hơn, phản hồi nguyên nhân gốc rễ nhanh hơn và hồ sơ chất lượng có thể truy xuất phù hợp cho kiểm toán PPAP và IATF 16949.

Câu Hỏi Thường Gặp

Tại sao vết xước quan trọng như vậy trên module cảm biến EV?

Ngay cả hư hỏng bề mặt vi mô cũng có thể thay đổi áp suất niêm phong hoặc can thiệp vào độ nhạy quang học/điện từ, dẫn đến trôi dạt hoặc hỏng sớm.

Overview AI có thể huấn luyện với ít dữ liệu đến mức nào?

Công thức phân loại thường bắt đầu từ 5–10 hình ảnh mỗi lớp. Học chuyển giao và tăng cường dữ liệu thu hẹp khoảng cách đến hiệu suất tập dữ liệu lớn.

Hệ thống có cần chiếu sáng được kiểm soát không?

Không. Dòng OV sử dụng chiếu sáng thích nghi và kiểm soát phơi sáng, và AI học các hoa văn phản xạ để các mô hình ổn định trong điều kiện sàn xưởng thực tế.

Có thể triển khai nhanh không?

Bằng chứng khái niệm điển hình đến mô hình được xác nhận trong dưới 2 giờ, bao gồm chụp, gán nhãn và huấn luyện.

Điều này có tương thích với PLC hoặc MES hiện có không?

Có. Kết nối EtherNet/IP và PROFINET cho phép đầu ra đạt/không đạt trực tiếp và ghi dữ liệu để truy xuất nguồn gốc.

Sẵn Sàng Biến Đổi Quy Trình Chất Lượng Cảm Biến Của Bạn?

Khám phá OV20i của Overview AI để xem AI dữ liệu nhỏ có thể phát hiện khuyết tật vi mô trên bề mặt tương phản thấp như thế nào.