项目背景
在汽车外饰件（如侧围、保险杠、门框等）的生产制造过程中，企业普遍面临以下共性挑战：
- 传统质量检测方式效率低、稳定性差
企业仍高度依赖人工目检。这种方式不仅检测效率低下，成为生产瓶颈，更因其主观性强，易受人员经验、疲劳度影响，导致误检与漏检风险高。
- 产线柔性不足
外饰件种类繁多，尺寸形状差异大。传统视觉系统换型调试繁琐，算法模型泛化能力弱，难以快速适配混线生产需求。
- 质量数据追溯与管理缺失
许多工厂仍采用纸质单据记录问题，这种方式效率低下，且容易造成数据丢失、缺漏。缺乏有效的数字化质量追溯机制，导致问题根源分析困难，无法形成数据闭环以持续优化生产工艺。
客户需求
该项目应用于江苏的一家汽车饰件生产企业，该企业在外饰件的检测上，有着一套严格的检测标准和要求。但面对日益增长的订单需求，企业面临着如下挑战：
- 检测依赖人工，检测效率较低，受主观因素和工件本身特点（检测项多且部分检测项难检测）的影响，存在误检与漏检的风险；
- 待检工件种类繁多，形状与尺寸差异大，不同种类工件间检测项相似；
- 企业目前采用纸质单据方式对问题件进行记录，缺乏有效的数字化质量追溯机制。
解决方案
一木智能基于“捷检”视觉检测系统，配合“多相机协同拍摄”的成像方式，打造了一套适用于外饰件内侧焊点和小零件安装的视觉检测方案，经过现场的部署调试，实现了对外饰件的自动检测。
实拍图
01-对检测流程及环境及进行调整和优化
通过搭建出“捷检”和“多相机协同拍摄”的检测环境，一木智能确保企业待检工件都能够保证企业能以一种快捷、易上手的方式，实现所有待检工件的“自动检测”和“一键换型”。在显著提高企业检测效率，降低人为影响因素的同时，实现100%召回率，对于NG件更是有100%检测准确率。
#02-结合工件检测要求和特点，进行兼容性设计
结合对工件自身特点和检测需求的整理，一木智能针对外饰件的检测提出明确的成像方案，对相机的部署位置以及数量做了规定，保证多相机的拍摄能够兼容所有待检工件，完整覆盖企业的检测需求。
同时，通过归纳检测项共性，一木智能通过“捷检”搭建了一套可应用于“不同零件”的“相同检测项”（即外饰件中焊点、微小零件有无的检测）中的算法模型。在满足企业数十种工件检测需求的同时，保证算法模型在待检工件不断新增情况下的持续使用，降低换产或零件类型更新的成本，提升整体柔性与兼容性。
考虑到企业后续待检工件和检测项的新增，“捷检”支持企业根据自身需求对检测项和算法模型进行补充和修改，进一步提升相关算法模型的通用性。
方案设计
#03-实现数据实时采集和上传，搭建有效的质量追溯机制
针对企业采用纸质单据记录，容易出现数据丢失、缺漏的情况，“捷检”视觉检测系统中包含的数据实时采集和上传功能，能有效解决这一问题。并通过数据本地导出或接入相关数据管理系统的方式，为企业提供完整的质量追溯与决策支持依据。
落地成效
项目上线后，工件漏检的问题得到彻底解决，误检率大幅降低，检测节拍大幅提升，成功实现降本增效。
数据持久化的实现为企业提供了完整的质量追溯依据，并能作为企业的数据资产提供更多价值。同时，算法的高兼容性和可自定义的设计，进一步满足了企业在柔性制造方面的需求。
