作者：Woo-Sik Chung，Pierson Cheng；通快公司

图 1：使用绿光激光束焊接的高速数据组件。（图片来源：TRUMPF）

随着人工智能（AI）和云服务的迅速崛起，数据中心内部的数据链路必须支持远高于 100 Gbit/s 的速度，这大约是典型数字用户线路（DSL）连接速度的 1000 倍。为了可靠地实现这些速率，构成网络骨干的电缆和铜连接必须以极高的精度进行焊接。为了应对这一挑战，通快公司已证明：绿光激光器结合 AI 驱动的工艺检查及检测，能够提供数据中心所需的速度、精度和可重复的质量。

市场机遇与可扩展性

从市场角度来看，包括主要超大规模数据中心运营商和其他大型云服务提供商在内的数据中心运营商，预计到 2030 年他们在新数据中心容量上的投资将超过3140亿美元，其中约有一半的投资将发生在美国，另外 25%在欧洲，25%在亚洲。如此规模的支出将推动对铜缆和连接器高性能焊接的强劲需求。

通快的绿光激光器与基于云的无代码 AI 平台配合使用，满足了这一需求，并且已经在汽车电子、医疗设备和国防等其他高性能行业中取得成功。其潜力远不止于数据中心市场。

铜激光焊接的重要性

在高速传输环境中，接触不规则、微间隙或焊缝不均匀等微小缺陷，都可能导致信号衰减、误码甚至系统故障。随着数据中心规模的扩大和连接器密度的增加，各个接头的微小差异会累积起来，并可能造成重大的运营风险。

一种能够可靠加工超小型组件、并保证一致的电气和机械性能的焊接技术，显然是不可或缺的（见图 1）。同样重要的是一个自动化的非破坏性质量检查系统，它能实时检查每个焊缝并支持立即采取纠正措施。

通快确立的一种解决方案围绕三个核心要素展开：用于铜焊接的绿光激光源、AI 支持的工艺检查及检测，以及完整的集成。

针对铜优化的绿光激光源

铜对绿光波长的吸收明显优于近红外波长。通快的绿光激光器以稳定的连续波运行，提供高功率，以产生可靠且可重复的焊缝。与传统工艺相比，该系统可将生产率提高10倍之多。更快的周期提高了吞吐量，同时减小了热影响区，最大限度地减少了对周围塑料外壳的热损伤，并保持了电气性能。

AI 支持的工艺检查

通快使用 AI 开发的模型——EasyModel AI 与 VisionLine Detect 和 VisionLine Inspect，在几毫秒内分析焊接前后的图像。为此，采用了一种混合方法：（a）使用 AI 语义分割算法分析图像，经过阈值处理后生成二值化图像；（b）然后根据物体的位置和尺寸是否在预定义阈值内，使用图像处理算法分析图像。

即使在困难的表面或低光照条件下，这种方法也能可靠地定位组件位置和焊接点。焊接前，系统检测零件位置和像素级间隙，并自动调整激光参数。焊接后，多类 AI 模型测量经过训练的特征，这使得不仅能区分焊接结果是好是坏。训练过程简单直接，只需少量训练图像即可适应新组件。

一站式集成解决方案

无需第三方组件，这简化了生产线上的系统集成、部署和维护。绿光激光源、光学元件、软件、AI 模型和质量数据存储，作为完整包提供。

技术深入解析：质量检查工作流程

视觉系统采用了将 AI 模型与灰度算法相结合的混合方法。这种混合方法最大限度地减少了计算时间，并能在 50 ms内可靠地检测零件和间隙。

 步骤 1：语义分割

第一步，EasyModel AI 执行语义分割，以像素分辨率识别图像中的多个物体。利用其多类功能，AI 在监督学习过程后对不同物体类型进行分类。对于模型训练，无需代码或编程，基于云的服务允许模型在现场无需高性能硬件的情况下进行训练。

EasyModel AI 在标注过程中所需要的，只是使用给定工具绘制相关特征，而不是编写代码。EasyModel AI 使用一种适用于“小样本”问题的算法架构，只需少量训练图像即可产生有效结果。AI 输出是一个滤波器，它将图像二值化，突出显示相关特征。

 步骤 2：灰度参数化

接下来，在 VisionLine Detect 中使用创建的滤波器，它生成二值化图像，然后灰度算法执行几何参数化，如测量距离、倾斜角度和像素级间隙。通过将 AI 生成的二值掩码与灰度分析相结合，系统确定每个组件的精确位置和最佳焊接点。在像素级别检测连接表面之间的潜在间隙。我们不仅仅是盲目相信 AI，还可以通过灰度参数化对 AI 性能进行合理性检查。通过这种方式，决策过程是可解释和可理解的。

 步骤 3：焊后检查

焊接后，VisionLine Inspect 与 EasyModel AI 协同工作，分析焊接质量。多类模型根据预先配置的标准和训练数据为特征分配不同的类别，以便立即分类为焊缝、外壳或不合格（NOK）等类别。下一步，可以使用一组预定义的算法对每个类别进行进一步分析；例如，面积比、物体数量和用户定义的阈值限制。这完成了全自动的焊前和焊后质量检查循环。

整个序列如图 2 所示：焊前图像采集、AI生成的二值化图像、灰度测量叠加层以及最终分类（合格与不合格）。端到端自动化允许操作员无需额外检查步骤，即可立即做出生产决策。

图 2：VisionLine Detect 和 EasyModel AI 支持焊接前后的焊缝质量检查。

（图片来源：通快）

兼顾高吞吐量与高质量

使用通快的绿光激光器和 AI 驱动的质量检查，与传统方法相比，生产率提高了 10 倍，无错误良率超过 99%。高吞吐量和严格的质量检查相结合，满足了数据中心连接器大批量生产的需求。通快的解决方案还支持连接器设计的持续小型化，从而在不牺牲可靠性的情况下，生产出更高信号密度的组件。

总体而言，该工艺在生产率、质量和易用性方面为客户带来了多项好处：

• 生产率：该工艺的焊接速度比传统方法快 10 倍，适用于非常小的连接器组件和高密度组件。
• 质量：由于几乎实时的 AI 驱动工艺校正和非破坏性检查，该工艺实现了 99% 的良率。
• 易用性：一个完全集成的系统（激光器、光学元件、软件、AI、数据存储）使其易于通过 AI 快速适应。新的零件变体通常只需要少量训练图像。激光焊接是与数据中心组件相关的多项基于激光的创新之一。

随着数据中心内部的信息高速公路变得更快、更密集，每个连接的质量对整体系统性能都至关重要。通快的绿光激光焊接技术与基于 AI 的工艺检查及检测相结合，提供了满足这些日益增长需求的速度、精度和可靠性。随着应用扩展到汽车、医疗和国防领域，该技术已做好了充分准备，为日益互联的未来基础设施提供支持。