01客户概况与项目背景
客户为国内头部自主品牌主机厂，其上海临港工厂具备年产 60 万台整车的能力。在白车身焊装车间，焊点质量长期依赖人工目视 + 抽查模式，存在漏检率高、数据无法追溯、人力成本上升等问题。Tool Bank 协助客户搭建了基于 2D 视觉 + 深度学习的 100% 全检方案，覆盖 6 条主线共 1200+ 个焊点点位。
传统人工检测存在三大痛点：一是培训周期长达 3 个月，新员工漏检率居高不下；二是夜间班次疲劳作业导致质量波动明显；三是所有检测数据仅记录在纸质表单，出现批量问题时无法追溯根因。客户希望通过智能化改造实现焊点质量 100% 可追溯，并将平均漏检率控制在 0.5% 以内。
02业务挑战
缺陷类型多样、样本极不均衡
虚焊、漏焊、焊核偏移、飞溅、裂纹等十几种缺陷类型中，严重缺陷样本占比不足 0.3%，常规分类方案难以覆盖。
产线节拍紧、部署窗口短
主线 JPH 达 48 台/小时，单工位允许额外耗时不超过 6 秒，算法选型与模型迭代必须在两次周末停产窗口内完成。
多车型共线、光照差异大
同一条主线混流 3 款车型共 6 种车身配置，不同工位的光照和反光差异显著，要求算法具备强鲁棒性。
03解决方案
Tool Bank 可视化编排 + YOLO 缺陷检测 + 多工位结果融合
利用 Tool Bank 插件市场下载 2D 视觉算子与 YOLO 推理插件，工程师无需编写 C++ 代码，仅通过流程画布拖拽完成从图像采集→ROI定位→缺陷推理→数据融合的全链路可视化编排，并通过内置版本管理快速迭代模型。
关键实施步骤
图像采集
工位侧安装 6 台 500 万像素工业相机，机器人抓手位置触发采集，多路图像同步输入 Tool Bank。
ROI 定位
使用 Tool Bank 内置的模板匹配与几何测量算子，自动定位 1200+ 个候选焊核区域。
缺陷推理
调用 YOLOX 深度学习插件执行缺陷分类，单帧 1200 ROI 推理耗时控制在 4 秒以内。
结果融合
结合多工位时序结果与工艺规则，输出最终缺陷判定并写入客户 MES 系统。
04Tool Bank 运行截图
流程图编辑器：完整的焊点检测编排画布
工程师通过拖拽节点完成多工位相机触发、ROI 裁剪、模型推理和结果融合逻辑，无需重新编译即可上线新车型。
参数配置：阈值与车型规则表格视图
针对不同车型可配置差异化的缺陷敏感度阈值，规则以表格方式管理，工艺工程师可直接维护。
运行结果：实时缺陷大屏与追溯查询
实时展示当班合格率、缺陷类型分布、Top 10 问题焊点，并可按 VIN 码追溯任意一台车身的历史焊点图像。
05客户声音
“Tool Bank 让我们的视觉工程师无需编写 C++ 代码即可快速验证算法方案，大大加速了产线智能化升级的进程。过去一个车型的视觉工位要 3 个月，现在 4 周即可上线。”