赛力斯汽车有限公司：多模态深度学习实现汽车焊点在线全检

报告案例整理：以下建设过程与数字来自中国信息通信研究院《2025年度制造业数字化转型典型案例集》，不是本站自行测量的数据。

来源：中国信息通信研究院《2025年度制造业数字化转型典型案例集》企业篇，PDF 第 152-153 页（书内页码 145-146）。

案例摘要

针对汽车车身海量焊点的质量管控痛点，赛力斯构建“数据采集—智能检测—异常反馈—管控执行”四位一体数字化管控体系：通过0.1ms级高频采样模块与2592×1944工业相机阵列，同步采集焊接工艺参量与外观图像，经物联网引擎实现毫秒级绑定；依托Kafka与TSN网络，保障数据传输时延不超过200ms，关键数据低于10ms，结构化存储焊接工艺参量、图像、维修记录等，建立“一车一档”全生命周期档案实现全流程追溯。创新“图像+时序”双通道深度学习模型，外观图像通道采用标准流模型，焊接工艺时序信号通道采用TCN模型，检测准确率达99%；以“智能工单+PLC控线”实现缺陷拦截与管控，处理周期缩短95%，建立行业新标准，为汽车制造业数字化转型提供示范。

AI 应用提要

AI 相关度：AI核心案例

• 创新“图像+时序”双通道深度学习模型，外观图像通道采用标准流模型，焊接工艺时序信号通道采用TCN模型，检测准确率达99%；
• 在此背景下，赛力斯汽车启动焊点质量数字化管控项目，通过多模态深度学习技术，实现从抽样检验向100%在线检测的跨越，解决检测效率低、误差率高、管控滞后等痛点，推动质量管控向智能化、实时化、在线全检升级，为汽车制造质量变革提供解决方案。

技术标签

多模态 · 深度学习 · 5G · 物联网

原文整理

一、背景情况

汽车制造业作为国民经济支柱产业，生产质量直接关系消费者安全与社会公共安全。在车身制造过程中，点焊的质量控制尤为关键，一辆车身上的焊点数量可达4000个以上，任何焊点的微小缺陷均会导致结构强度下降，引发安全隐患。传统焊点质量管控存在显著短板，一是外观质量与焊核质量未形成差异化管控体系，前者影响整车感知品质及品牌口碑，后者直接关乎结构安全；二是检测手段滞后，行业普遍采用离线抽检方式，检测效率、覆盖率低。在此背景下，赛力斯汽车启动焊点质量数字化管控项目，通过多模态深度学习技术，实现从抽样检验向100%在线检测的跨越，解决检测效率低、误差率高、管控滞后等痛点，推动质量管控向智能化、实时化、在线全检升级，为汽车制造质量变革提供解决方案。

二、主要做法

采用“数据采集—智能检测—异常反馈—管控执行”四位一体的实施方案，构建焊点质量数字化管控体系，实现了从数据采集到产线调控的全流程数字化转型。

（一）多模态数据采集与传输

构建工业级数据采集网络，在焊机群控系统部署高频采样模块，实现焊接过程电流、电压、电阻等参数的全量采集，采样周期缩至0.1ms；配置2592×1944分辨率工业相机阵列，在焊点冷却瞬间精准触发成像，确保零拖影高清拍摄。为实现多模态数据的高效关联，开发物联网数据绑定引擎，形成完整的焊点质量数据包。在数据传输层面，搭建Kafka消息队列实现数据实时消费，确保检测结果在200ms内传递至执行层，通过TSN时间敏感网络技术保障关键数据传输时延低于10ms，构建起从数据采集、同步、传输到处理的完整实时数据流处理体系。

（二）多模态融合焊点质量监测模型

构建了基于标准流模型的图像处理通道与时间卷积网络（TCN）的信号处理通道。模型通过并行计算实现图像特征与信号特征的同步提取，在特征融合层进行数据级联后，基于训练数据分布设定像素误差阈值与时序波动阈值，当任一通道检测结果超出阈值时触发质量预警。该模型通过消除虚构特征维度，严格基于采集的焊接参数与像素数据构建判定逻辑，实现检测精度与实时性的平衡。

（三）工单异常处理与产线调控体系

构建了智能工单生成与PLC控线的双轨机制：当多模态融合焊点质量监测模型监测到异常焊点后，会将异常焊点的数据推送至物联网系统，随后会自动生成核心信息的维修工单实时推送至维修人员个人钉钉系统中，终端界面同步展示异常焊点的外观图像特征；维修完成后，系统要求上传处理结果与复检图像，并基于原始检测数据自动比对验证修复效果，形成“检测-派单-维修-验证”的闭环管理流程；与此同时，集成PLC控线协议实现产线实时调控，当监测到异常焊点时，会下发控线指令，PLC控制模块立即锁止缺陷车身并触发预警机制，确保产线人员能够快速响应质量事件。

三、成效与亮点

（一）焊点质量管控全面升级

依托物联网与PLC控线集成技术，建立“检测—拦截—处理”三级防控机制，实现缺陷焊点100%产线拦截，彻底杜绝缺陷焊点流出风险。

（二）焊点检测能力提升

基于多模态融合的检测模型实现99%缺陷识别准确率，检测覆盖率从传统0.6%提升至100%，单点质量排查时间缩短95%，开创焊点在线全检新模式。

（三）数据价值深度释放

建立“一车一档”全生命周期质量档案，完成焊接参数曲线、外观图像、维修记录等数据的结构化存储与关联分析，形成覆盖点焊全流程的数字化追溯能力，为质量改进提供精准数据支撑。

四、经验启示

通过构建焊点质量数字化管控体系，形成可复制的智能化质量管控范式，核心经验在于三维度融合。

技术架构层面，集成工业物联网、多模态AI与产线控制技术，构建“数据采集—智能检测—异常反馈—管控执行”全链条闭环体系。数据价值层面，利用传感器网络将焊接参数、图像数据转化为结构化资产，建立点焊全流程数字化追溯体系。管理创新层面，突破事后追溯模式，形成“智能预警-快速拦截-精准维修-效果验证”的事中控制机制，实现质量与生产效率协同优化。通过产学研协同突破算法瓶颈、部署5G+TSN基础设施、建立质量数据共享机制，推动离散制造业从单点改进向系统性工艺优化升级，为行业数字化转型提供重要参考。

来源页面截图

资料定位

中国信息通信研究院《2025年度制造业数字化转型典型案例集》，PDF 第 152—153 页。报告版本为2025年，整理日期为2026年10月20日。