AI視覺識別在工業質檢中的應用案例

專案背景

企業生產過程中部分外觀缺陷依賴人工目檢，不同人員判斷標準不完全一致，檢測記錄也難以沉澱為可分析的資料。

客戶需求

• 建立穩定的影像採集和樣本管理流程。
• 識別劃痕、汙點、缺口、變形等典型缺陷。
• 支援人工複核和誤判樣本回流。
• 統計缺陷型別、批次和產線分佈情況。

技術方案

本專案主要關聯穩格科技人工智慧開發能力，結合業務流程、資料介面、現場環境和後續維護要求進行方案設計。

• 設計相機、光源和拍攝工位配合的採集方案。
• 建立樣本標註規範，區分缺陷型別和正常樣本。
• 訓練並部署視覺識別模型，輸出缺陷位置和置信度。
• 後臺提供複核、樣本回流、報表統計和模型迭代入口。

實施過程

專案按照需求梳理、方案確認、原型設計、核心開發、聯調測試和上線覆盤的節奏推進。實施過程中重點關注現場使用流程、資料準確性、許可權邊界和後續維護方式，有助於支援系統不僅能上線，也能長期執行。

交付成果

• 質檢判斷標準更加統一，檢測結果可以記錄和追溯。
• 人工複核從全量檢查轉為重點複核，減少重複勞動。
• 缺陷資料可以按批次、工序和型別統計。
• 模型具備持續迭代條件，可隨樣本積累逐步最佳化。

可複用經驗

AI質檢專案需要先解決光照、拍攝角度、樣本質量和缺陷定義問題。演算法只是其中一環，採集環境和複核流程同樣決定專案效果。