晶體、顆粒與表面瑕疵的高速檢測。
紋理表面缺陷：無監督學習只看良品即可，檢出率 99%+，無需窮舉缺陷形態。
塗布卷材線上全檢：50μm 精度，400 米 / 分鐘高速產線不降速，檢出率 97%+。
高速卷材降誤報：檢出率 >95%，誤報降低 28%，產線全檢覆蓋率 100%。
弱對比弱紋理同樣穩定：晶體顆粒、塗層針孔等無窮形態缺陷一網打盡。
本頁內容：方案詳解 · 6 個場景詳情 · 客戶案例 · 深度文章
推薦機型：天眼 SkyVision · AOI 軟體
行業方案 · INDUSTRY
化工 / 材料
微鏈道愛 DaoAI 的化工 / 材料：99%+ 影像級 AUROC、50μm 最小檢出、400m/min 線上速度。面向化工與新材料:我們的無監督異常檢測只學良品即可挑出晶體顆粒、塗層針孔、表面瑕疵等無窮形態缺陷,弱對比弱紋理也穩。
方案詳解 · SOLUTION
化工 / 材料方案詳解
一、這條線上真正難的是什麼
化工與材料的表面缺陷有一個共同點：形態無窮。氣泡、雜質、色差、針孔、團聚、邊緣波紋，每一類都還能再分出若干變體，缺陷樣本永遠湊不齊。更麻煩的是背景本身就有強紋理，微小瑕疵容易被紋理蓋住；塗層與基材的對比又極弱，純 2D 成像讀不出高低差。
卷材線還要疊一層速度：高速運動下誤報多就等於停機和浪費，而跨班次、跨 SKU 的"正常變異"（機臺差異、材料批次差異）如果被當成缺陷，產線會先被誤報淹沒。
二、方案怎麼搭
只學良品：APDT 正樣本學習不需要窮舉缺陷形態，沒見過的缺陷同樣能定位挑出——這正是"形態無窮"類場景的解法。
弱對比靠成像補：塗層、卷材用 3D ACI (AI-AOI) 融合點雲與弱對比通道增強，把 2D 讀不出的高低差讀出來。
把"正常變異"教給模型：讓模型見過不同機臺、不同材料批次的正常波動，才談得上把誤報壓下去，而不是靠調閾值。
產線對接：缺陷位置與卷長座標一併回傳，便於分切與追溯；生產資料留在廠內，不出廠。
三、機型怎麼選
| 場景 | 推薦配置 | 解決的主要問題 |
|---|---|---|
| 強紋理表面異常 | AOI 軟體（無監督正樣本） | 形態無窮、樣本湊不齊的表面瑕疵 |
| 塗層 / 卷材線上 | 3D ACI（點雲 + 弱對比增強） | 針孔、團聚、邊緣波紋的微米級檢出 |
| 高速印刷膜 / 標籤 | 2D ACI + 正常變異學習 | 高速運動下的誤報與跨機臺一致性 |
| 儀表讀數 / 產線巡檢 | 天眼 SkyVision | 液位與儀表讀數、跑冒滴漏的持續監看 |
四、落地節奏
微鏈道愛的落地路徑是四步：① 需求評估——先把"缺陷"與"正常變異"的邊界談清楚，這是化工場景誤報的主要來源；② 方案選型——按幅寬、線速與材料定機型與光源；③ 現場部署——良品建模上線，操作員約 30 分鐘上手；④ 反饋最佳化——分切與質檢覆判結果迴流，模型分鐘級更新。
五、成效怎麼量
盯三個量：檢出率、誤報率、全幅覆蓋率。微鏈道愛已落地的化工 / 材料場景裡，典型表現是——紋理表面異常檢出率 99%+（只學良品）；塗層卷材最小檢出 50μm、線速 400 米 / 分鐘不降速、準確率 97%+；高速印刷膜檢出率 >95%、誤報降低 28%、全幅線上覆蓋 100%。
以上為匿名行業場景下我們方案的典型可達範圍，具體數值隨材料、幅寬與線速而變，以現場實測為準。
客戶案例 · CASE STUDIES
化工 / 材料 · 卷材與表面
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
某材料廠 · 紋理表面缺陷
挑戰表面缺陷形態無窮、缺陷樣本永遠湊不齊，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。
99%+影像級 AUROC
✓只學良品
✓未見缺陷可遷移
場景 · 塗層 / 卷材線上
某塗布卷材廠 · 塗層缺陷線上全檢
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 ACI 融合點雲 + 弱對比通道增強，高速卷材線上微米級檢測。
50μm最小檢出
400m/min線上速度
97%+準確率
場景 · 印刷膜降誤報
某印刷膜廠 · 高速卷材降誤報
挑戰印刷膜高速運動，誤報多就等於停機和浪費，跨班次、跨 SKU 精度還要穩。
方案ACI 學習不同機臺、材料的「正常變異」，把高速卷材的誤報壓下去。
>95%檢出率
−28%誤報
100%全幅線上
案例為匿名行業場景，指標為我們方案的典型可達範圍。
深度案例 · IN-DEPTH
化工 / 材料 · 深度案例
逐一拆解真實場景下的落地路徑 —— 行業背景、痛點、我們的方案與成效。
紋理表面無監督異常檢測：只學良品，未見缺陷也能定位
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，影像級 AUROC 穩定在 99% 以上，缺陷類型可遷移到新批次。
閱讀全文
塗層弱對比邊界檢測：主色通道增強，隱性邊界檢出 95%+
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 透過主色通道增強放大弱對比訊號，邊界缺陷檢出率提升至 95% 以上。
閱讀全文
卷材塗層針孔/團聚檢測：3D 融合點雲，>50μm 高速線上
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汙漬。DaoAI 用 3D 融合點雲在 120–400 m/min 線上檢出 >50μm 缺陷，凹凸一目瞭然。
閱讀全文
印刷膜/標籤卷材降誤報：學習機臺材料正常變異，誤報−28%
某印刷膜廠多機臺多材料，正常的色差、底紋變異被舊系統當缺陷誤報。DaoAI 學習每臺機器、每種材料的正常變異基線，誤報降低 28%，100% 全幅線上。
閱讀全文
玻璃/無紡布表面缺陷檢測：少樣本上線，檢出 94%+
某材料廠的玻璃與無紡布缺陷樣本稀少、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
化工 / 材料 · AI 視覺質檢常見問題
化工與材料行業 AI 視覺檢測哪些缺陷？
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 / 無紡布少樣本缺陷，以及紋理類無監督異常檢測。
材料表面是連續紋理、缺陷無固定形態，AI 怎麼檢？
DaoAI 用無監督異常檢測學習正常紋理分佈，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。
卷材高速生產，針孔、團聚這類小缺陷漏檢怎麼辦？
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。
低對比塗層和印刷膜誤報多，如何降誤報？
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。