检测标准一致
把缺陷定义、样本和判定规则沉淀为可维护的检测标准。
COMPUTER VISION
让视觉检测结果，真正进入质量闭环。
从图像采集、样本标注、模型评估到边缘部署与缺陷归档，把算法能力放进可运行、可追溯的制造流程。
01 · BUSINESS FIRST
先把光学、样品与节拍讲清楚，再讨论模型。
工业视觉的效果由缺陷定义、光学成像、样本覆盖、产线节拍和处置流程共同决定。启制以真实样品和现场条件为起点，建立可复核的检测边界。
质量证据完整
关联图像、模型版本、工单、批次与处置结果，便于复盘。
模型持续运营
通过新样本和现场反馈维护模型表现，而不是一次性交付。
02 · WORKFLOW
从现场输入到业务闭环
每一步都有明确输入、输出和验证方式。
03 · CORE CAPABILITIES
把模型能力拆成可运行的现场机制
外观缺陷识别
识别划痕、凹坑、污渍、裂纹、缺料等外观异常。
- 缺陷分类
- 目标检测
- 语义分割
尺寸与位置检测
结合标定和视觉算法完成轮廓、间距、孔位与装配位置判断。
- 几何测量
- 定位引导
- 容差规则
字符与装配防错
处理OCR、条码、标签、零部件有无和装配顺序等场景。
- 字符识别
- 有无检测
- 顺序校验
质量数据闭环
将检测结果回传MES或质量系统，驱动隔离、复核与分析。
- 缺陷归档
- 人工复核
- 业务联动
04 · GUARDRAILS
能力有边界，使用有证据
样品验证
准确率、漏检率和误检率必须用客户真实样品与验收集验证。
人机协同
高风险判定保留人工复核入口，并记录最终处置依据。
版本留痕
模型、样本、阈值和部署记录形成可追踪版本链。
数据边界
按现场要求规划本地处理、权限与图像留存周期。
05 · APPLICATION SCENARIOS
选择最接近现场问题的切入点
01金属表面缺陷02电子装配防错03包装印刷检查04尺寸与定位05食品外观分拣06卷材表面检测
START FROM A REAL SCENARIO
先拿真实样品与现场约束说话，再确定AI方案。
带着现场问题、数据条件和业务目标来，我们一起判断合适的产品、范围和验证方式。