晶體、顆粒與表面瑕疵的高速檢測。
從真實產線、真實場景來的反饋,是花錢買不到的。
八年駐廠、一條條產線,慢慢沉澱出來的工程經驗。
全棧自研 —— 從傳感器到世界模型,整條鏈路自己掌握。
1 億+ 真實工業場景數據,持續打磨同一個世界模型。
典型檢測點 · KEY CHECKS
推薦機型:天眼 SkyVision · AOI 軟件
行業方案 · INDUSTRY
化工與材料,晶體顆粒與表面瑕疵檢測。
晶體、顆粒與表面瑕疵的高速檢測。
從真實產線、真實場景來的反饋,是花錢買不到的。
八年駐廠、一條條產線,慢慢沉澱出來的工程經驗。
全棧自研 —— 從傳感器到世界模型,整條鏈路自己掌握。
1 億+ 真實工業場景數據,持續打磨同一個世界模型。
典型檢測點 · KEY CHECKS
推薦機型:天眼 SkyVision · AOI 軟件
客戶案例 · CASE STUDIES
從塗層弱對比邊界、卷材針孔到無窮形態的表面瑕疵 —— 只學良品就能挑出沒見過的缺陷。
場景 · 表面異常檢測
挑戰表面缺陷形態無窮、缺陷樣本永遠凑不齊,強背景紋理還容易蓋住微小瑕疵。
方案APDT 正樣本學習只學良品,沒見過的缺陷形態照樣定位挑出。
場景 · 塗層 / 卷材在線
挑戰塗層針孔、團聚、邊緣波紋都在微米級,塗層與基材對比極弱,高速卷材難穩定。
方案3D AI-AOI 融合點雲 + 弱對比通道增強,高速卷材在線微米級檢測。
場景 · 印刷膜降誤報
挑戰印刷膜高速運動,誤報多就等于停機和浪費,跨班次、跨 SKU 精度還要穩。
方案AI-AOI 學習不同機台、材料的「正常變異」,把高速卷材的誤報壓下去。
案例為匿名行業場景,指標為微鏈道愛方案的典型可達范圍。
深度案例 · IN-DEPTH
逐一拆解真實場景下的落地路徑 —— 行業背景、痛點、DaoAI 方案與成效。
某材料廠表面紋理複雜、缺陷形態無窮,正樣本難窮舉。DaoAI APDT 只學良品建立正常基線,圖像級 AUROC 穩定在 99% 以上,缺陷類型可遷移到新批次。
閱讀全文
某塗布卷材廠塗層與基材色差極小,塗布邊界、漏塗、縮邊在灰度圖上幾乎不可見。DaoAI 通過主色通道增強放大弱對比信號,邊界缺陷檢出率提升至 95% 以上。
閱讀全文
某塗布卷材廠的針孔與團聚是微米級三維缺陷,2D 成像難以區分凹陷與污渍。DaoAI 用 3D 融合點雲在 120–400 m/min 在線檢出 >50μm 缺陷,凹凸一目了然。
閱讀全文
某印刷膜廠多機台多材料,正常的色差、底紋變異被旧系統當缺陷誤報。DaoAI 學習每台機器、每種材料的正常變異基線,誤報降低 28%,100% 全幅在線。
閱讀全文
某材料廠的玻璃與無纺布缺陷樣本稀少、形態多變。DaoAI 以少樣本結合正樣本異常檢測快速上線,半透明與弱紋理表面缺陷檢出率達 94% 以上。
閱讀全文常見問題 · FAQ
覆蓋卷材針孔與團聚的 3D 檢測、低對比塗層邊界、印刷膜誤報治理、玻璃 / 無纺布少樣本缺陷,以及紋理類無監督異常檢測。
DaoAI 用無監督異常檢測學習正常紋理分布,對偏離正常的區域報異常,無需窮舉缺陷類型即可發現新型瑕疵。
DaoAI 3D 檢測在高速卷材上捕捉針孔、團聚與凸起等微小三維缺陷,結合實時定位實現連續全幅檢測。
DaoAI 用深度模型區分真實缺陷與印刷 / 塗層正常變化,顯著降低誤報,讓有限的複檢資源聚焦真問題。