VIDI

针对食品加工、医疗护理等行业一次性手套品控难题，我们为客户搭建了AI驱动的外观缺陷全量检测系统。方案按”整体-工件-细节”三层协同，覆盖破损、油污、杂点、卷边、粘连、异色六大类缺陷，并按严重/重要/轻微三档自动分级。上线后替代人工抽检，实现每只手套全量检测、缺陷精准定位与完整质量追溯，把依赖经验的判断转化为统一、可量化的检测结果，显著降低漏检风险与品控争议

本项目评估用深度学习替代人工目检巧克力蛋表面缺陷的可行性。缺陷分严重（华夫可见、裂痕、异物等）和轻度（变形、位置偏移等）两类共十种。方案采用三级检测工具串联：第一级筛查大缺陷，第二级在标记区域内细检浅色缺陷，第三级合并结果判定。经验证，大缺陷与浅色缺陷均能有效检出，方案可行性已通过，可推进规模化部署。

本项目针对电子烟雾化器丝印外观缺陷，用自动化视觉方案替代人工目检。需检测压扁、丝印不均、开裂、异物四类缺陷。面临批次颜色差异大、打光方案难兼容、判定边界模糊等难点。方案采用VIDI定位工具与深度分析工具组合，针对不同尺寸缺陷分别训练模型，降低漏检率的同时简化调试流程，提升可维护性。

本项目针对日化行业瓶装洗衣液外观检测，用机器视觉替代人工目检，覆盖瓶盖、瓶身、标签三大区域二十余种缺陷。面对多弧面、高反光等挑战，采用分区治理、光源定制、算法分级策略：Dome光源压制反光，四相机分区控制畸变，传统视觉与深度学习协同检测。最终漏检率与过检率均控制在10%以内，满足产线部署要求。