缺陷检测
划伤、脏污、焊接异常与封口缺陷
划伤、脏污、焊接异常与封口缺陷
连续测宽、偏差识别与设备反馈
精密物料计数与业务单据关联
字符识别、出货拍照与 MES 对接
按现场问题选择检测方式
先验证成像和样本,再讨论模型与上线。
资料样本 · 演示画面围绕断焊、焊洞、焊偏等缺陷组织样本,结合检测结果与现场复核,逐步优化模型。
交互界面为模拟,不运行真实推理;图片来自参考资料,框线不代表实际检测结论。
模型建设与业务集成
应用、数据、模型和现场系统,贯穿同一条实施路径。
创建检测应用,集中管理数据集与训练任务。结合在线标注、AI 预标注和图像分割,整理适合现场问题的训练样本。
结合工件材质、反光、速度与光源条件,评估相机、镜头和触发方式。
按现场条件规划推理部署、模型版本与更新方式,兼顾生产节拍和既有设备接口。
将识别结果与物料、批次和业务单据关联,按项目需要对接 MES、设备信号及图像留存。
项目场景与经验

覆盖点状、漏光、脏污、划伤、失真与麻点等缺陷,围绕缺陷分类、样本整理和漏判误判验证展开。

扫码识别后触发多角度拍照,处理重复码并关联 MES,为出厂状态追溯和客诉处理保留依据。

以线扫相机持续测宽,向生产设备反馈检测信号,支持工艺调节与连续生产监控。

围绕不同焊接异常准备标注样本,在模型上线后结合新图像迭代,适配新增缺陷。
以上场景根据提供的历史项目与技术资料整理。检测表现需按具体物料、样本、节拍与现场条件测试确认。
精密物料管理场景
针对高价值、难清点的针材等精密物料,可评估视觉计数与既有数针设备的适配性,将计数结果对应到物料、容器和领退料单据。
先确认样品、计数与复核规则,再验证设备接口、图像留存和库存/财务系统的数据衔接。
需求评估场景,尚不作为已交付案例展示。与 FDE 团队一起落地
明确缺陷类别、尺寸公差、节拍及漏判误判的验收口径。
验证成像、样本代表性和检测方式,识别技术与现场约束。
完成模型、相机、设备接口与业务系统的联调及现场试运行。
保留复核记录与新样本,按生产变化调整规则和模型。
告诉我们工件、缺陷、节拍和现场条件,一起评估适合的视觉方案。