跳到主要內容
VSK 威視康 — Cognex 官方授權 PSI 系統整合商
汽車 瑕疵檢測

汽車 瑕疵檢測 解決方案

7 個 案例參考。AI 瑕疵檢測 — Edge Learning / VisionPro ViDi 處理變異瑕疵(氣泡 / 刮傷 / 汙染 / 缺陷)。

CASE STUDIES · 實戰案例

案例參考

看全部案例 →
Cognex In-Sight L38 - 汽車產業 3D AI 視覺檢測 案例

汽車

Cognex In-Sight L38 - 汽車產業 3D AI 視覺檢測 案例

3D 雷射位移感測器|汽車產業|壓鑄 / 焊接 / Flush and Gap 3D 量測

閱讀案例 →

Cognex 機器視覺 - 汽車產業 AI 視覺驅動製造品質 案例

汽車

Cognex 機器視覺 - 汽車產業 AI 視覺驅動製造品質 案例

AI 深度學習|汽車產業|AI 視覺驅動四大製程品質

閱讀案例 →

汽車產業 針孔瑕疵檢測 完整指南 - Cognex In-Sight 3800

汽車

汽車產業 針孔瑕疵檢測 完整指南 - Cognex In-Sight 3800

汽車煞車片高反光金屬表面 0.2-0.5 mm 微小針孔 / 氣孔檢測,本案採用 Cognex In-Sight 3800 + 三層演算法(PatMax + Edge Detection + Edge Learning)實現 99.0-99.5% 檢出率、5-10 倍速度,符合 IATF 16949 audit。

閱讀案例 →

Cognex VisionPro ViDi - 汽車產業 BorgWarner EV 安全零件 AI 深度學習檢測 案例

汽車

Cognex VisionPro ViDi - 汽車產業 BorgWarner EV 安全零件 AI 深度學習檢測 案例

AI 深度學習|汽車產業|EV 動力總成安全零件 AI 視覺檢測

閱讀案例 →

Cognex 機器視覺整合 - 汽車電動車產業 Schaeffler 量產線品質提升 案例

汽車

Cognex 機器視覺整合 - 汽車電動車產業 Schaeffler 量產線品質提升 案例

機器視覺整合|汽車電動車產業|EV 量產線品質提升

閱讀案例 →

Cognex 機器視覺 - 電池儲能產業 Lyric Robot 安全可負擔 EV 量產 案例

汽車

Cognex 機器視覺 - 電池儲能產業 Lyric Robot 安全可負擔 EV 量產 案例

機器視覺|電池儲能產業|電池模組組裝與焊接品質檢測

閱讀案例 →

EV 電池焊接瑕疵檢測:Cell / 模組 / Pack 三段視覺方案 案例

汽車

EV 電池焊接瑕疵檢測:Cell / 模組 / Pack 三段視覺方案 案例

EV 電池產線焊接是瑕疵高發區 — 冷焊 / 虛焊 / 噴濺 / 偏移 4 大 NG 直接影響電池壽命與安全。Cell / 模組 / Pack 三段視覺檢測完整解析。

閱讀案例 →

DEEP DIVE · 汽車瑕疵

汽車產線 · 5 大 AI 瑕疵檢測應用

1 · 焊接品質檢測 (Weld Inspection)

車身骨架 / 底盤焊點檢測、含焊道長度 / 均勻度 / 焊珠溢出 / 未熔透。Cognex ViDi EL Segment 可 pixel-level 標記異常區、適合形狀變異大的焊接瑕疵。

2 · 塗裝表面瑕疵 (Paint Defect)

車身塗裝顆粒 / 流掛 / 桔皮 / 針孔 / 色差。傳統規則式難處理曲面反光、Cognex ViDi EL Classify AI 深度學習可訓練分類多類瑕疵。

3 · 電池 / PCB 焊點 (EV Battery / PCBA)

EV 電池模組焊點檢測 (電芯 vs busbar 焊接) + PCB 焊點虛焊 / 冷焊 / 錫珠。Cognex In-Sight 3800 HDR+ 高動態範圍處理高反光焊點。

4 · 內裝零件缺件 / 裝反 (Assembly Verification)

儀表板 / 座椅 / 門板組裝、零件有無 / 方向 / 位置檢查。In-Sight 2800 Edge Learning 可快速訓練多 SKU 車型。

5 · 玻璃 / 燈具瑕疵 (Glass · Lamp)

擋風玻璃氣泡 / 頭燈 LED 缺件 / 尾燈導光條均勻度。透明反光物件檢測、需搭配專用光源 + Edge Learning。

TECH · ViDi 4 工具

Cognex ViDi Edge Learning · 4 工具汽車場景對應

ViDi 工具 功能 汽車典型應用
EL SegmentPixel-level 異常區域標記焊道瑕疵 / 塗裝流掛 / 玻璃氣泡
EL Classify多類瑕疵分類塗裝瑕疵分類 / 表面 OK/NG 判斷
EL Locate物件定位零件 pick-and-place / 螺絲位置
EL ReadAI OCRVIN 碼 / 車架號 / 零件序號

〔Source · Cognex In-Sight 3800 Datasheet 2025 · ViDi EL 工具集〕

COMPLIANCE · 汽車業標準

IATF 16949 · VDA 6.3 · AI 檢測合規對照

汽車產線 AI 瑕疵檢測需符合汽車業品質管理標準:

  • IATF 16949:2016 — 汽車業品質管理系統。§8.3.4.2「檢測與試驗設備」+ §7.1.5.2.1「校驗程序」對 AI 視覺系統要求 MSA 分析 (Gage R&R) + 週期性校正。
  • VDA 6.3 (德國汽車業製程稽核) — 對線上檢測系統要求 audit trail + 誤判處置紀錄。
  • CQI-11 · CQI-27 (AIAG 電鍍 / 熔化製程稽核) — 特定製程 (電鍍 / 焊接) 稽核、含線上檢測需求。
  • ISO 9001:2015 — 通用品質管理系統、多數汽車 OEM 要求 Tier-1 / Tier-2 供應商符合。

〔實際稽核範圍依 OEM / Tier / 產品類別不同、細節請與 VSK 工程師 + 客戶端 QA 討論〕

FAQ · 常見問題

汽車 AI 瑕疵檢測 · 常見問題

Q1 · AI 深度學習 vs 傳統規則式視覺、汽車場景該選哪個?
A:選擇依瑕疵特性:形狀固定 / 位置固定 / 對比高 → 傳統規則式 (如 PatMax 圖樣匹配);形狀變異大 / 位置隨機 / 低對比 → AI 深度學習 (ViDi EL)。汽車塗裝 / 焊接瑕疵形狀變異大、傳統規則式難處理、AI Edge Learning 是主流方案。實務常見混合方案。
Q2 · Cognex Edge Learning 需要多少樣本才能訓練?
A:Cognex Edge Learning 為 example-based 訓練、通常少樣本即可(詳細數量依產品 datasheet 與應用複雜度)。實際訓練樣本量 + 準確率需依客戶端樣品實測評估、可與 VSK 工程師討論具體條件。〔Source · Cognex In-Sight 3800 Datasheet · Edge Learning 章節〕
Q3 · IATF 16949 稽核時 AI 視覺系統需要什麼文件?
A:典型稽核文件:(1) AI 系統驗證計畫 (2) MSA 分析報告 (Gage R&R) (3) 每批檢測結果紀錄 + audit trail (4) 誤判 (誤放 / 誤拒) 處置 SOP (5) AI 模型變更管制紀錄 (6) 定期校驗紀錄。Cognex 設備內建 audit log 功能、具體文件需依客戶端 QA 系統設計。
Q4 · EV 電池焊接檢測 vs 傳統車身焊接檢測有什麼不同?
A:EV 電池焊接 (電芯 vs busbar) 特性:(1) 焊點小 (mm 級) 需高解析度 (2) 高反光鋁 / 銅表面需 HDR 光學處理 (3) 焊接失效影響電性 + 安全、檢測要求嚴。傳統車身焊接 (cm 級) 檢測門檻較低。EV 電池建議用 In-Sight 3800 HDR+ + ViDi EL。
Q5 · 多車型混線生產、AI 需要每個 SKU 都訓練嗎?
A:依應用差異:若 SKU 幾何差異大、需分別訓練;若共通零件 (如螺絲 / 焊點) 可訓一個通用模型。實務策略:先用 Edge Learning 訓練 base model、再依 SKU 細調 (fine-tune)。可與 VSK 工程師依實際車型組合評估。
Q6 · VIN 碼 / 車架號 OCR 有什麼特殊要求?
A:VIN (Vehicle Identification Number) 17 位國際標準 (ISO 3779) 通常雷射蝕刻於車身 / 引擎、屬 DPM (直接零件標識)。需 DPM 專用光源 + Cognex OCRMax 或 ViDi EL Read 處理。同時建議用 DataMan 475V 條碼驗證器做 ISO 15415 grading + OCR 雙驗證、符合汽車業追溯稽核要求。
DISCUSS YOUR APPLICATION

想做 汽車 瑕疵檢測應用?

VSK 工程師依您提供的 OK / NG 樣品評估,免費可行性評估與選型建議。