人工标准不一致
同一类缺陷由不同人员判断,结果容易受经验、疲劳和交接班影响。


检测标准、现场节拍与追溯机制共同影响质量结果
同一类缺陷由不同人员判断,结果容易受经验、疲劳和交接班影响。
高反光、小尺寸、多规格或高速节拍下,肉眼很难持续稳定判断。
检测结果没有与时间、工位、批次和图片关联,复盘时缺少现场证据。
从可见缺陷和明确标准开始,更容易形成稳定闭环
机加工面缺陷
轧钢表面缺陷
布匹缺陷
玻璃盖板缺陷
动力电池软包
插线状态与线序来自电子、汽车零部件、食品包装与轨道交通等制造场景

识别偏位、脱离、拉翻、拉线与磁芯破损,适应局部高亮、暗区和多形态缺陷。

逐齿识别不同程度的破损,区分需要检出的严重缺陷与可放行的浅表痕迹。

面向位置不固定、边缘形态不完整的冷隔缺陷进行识别,支持复杂目标快速建模。

从多个拍摄角度识别标签不齐、破损、翘角、重贴与无标等包装异常。

识别位置多变、尺寸较小和对比度偏低的瓶底缺陷,覆盖多类外观异常。

针对面积较小、放大后边界模糊的字符区域,识别LOGO和印刷字符破损。

在配件堆叠、相互遮挡和边缘信息不完整的情况下,确认包装内配件是否齐全。

适应拍摄角度、位置和规格变化,在表面灰尘干扰下确认关键位置螺丝是否安装。
连接图像采集、缺陷识别、结果判定、异常处理与质量记录
根据产品、节拍和安装空间确认相机、镜头、光源与触发方式。
识别表面缺陷、装配完整性、位置、方向、线序和关键区域状态。
按产品规格和质量标准输出合格、异常或需要人工复核的结果。
连接声光提醒、剔除机构、推力测试或人工复核,让异常及时进入处理。
保存图片、类型、时间、工位和批次,让结果可查、问题可复盘。
围绕检测对象、质量标准、现场节拍、样本和系统连接进行综合评估