晶体、颗粒与表面瑕疵的高速检测。
纹理表面缺陷：无监督学习只看良品即可，检出率 99%+，无需穷举缺陷形态。
涂布卷材在线全检：50μm 精度，400 米 / 分钟高速产线不降速，检出率 97%+。
高速卷材降误报：检出率 >95%，误报降低 28%，产线全检覆盖率 100%。
弱对比弱纹理同样稳定：晶体颗粒、涂层针孔等无穷形态缺陷一网打尽。
本页内容：方案详解 · 6 个场景详情 · 客户案例 · 深度文章
推荐机型：天眼 SkyVision · AOI 软件
行业方案 · INDUSTRY
化工 / 材料
微链道爱 DaoAI 的化工 / 材料：99%+ 图像级 AUROC、50μm 最小检出、400m/min 在线速度。面向化工与新材料:我们的无监督异常检测只学良品即可挑出晶体颗粒、涂层针孔、表面瑕疵等无穷形态缺陷,弱对比弱纹理也稳。
方案详解 · SOLUTION
化工 / 材料方案详解
一、这条线上真正难的是什么
化工与材料的表面缺陷有一个共同点：形态无穷。气泡、杂质、色差、针孔、团聚、边缘波纹，每一类都还能再分出若干变体，缺陷样本永远凑不齐。更麻烦的是背景本身就有强纹理，微小瑕疵容易被纹理盖住；涂层与基材的对比又极弱，纯 2D 成像读不出高低差。
卷材线还要叠一层速度：高速运动下误报多就等于停机和浪费，而跨班次、跨 SKU 的"正常变异"（机台差异、材料批次差异）如果被当成缺陷，产线会先被误报淹没。
二、方案怎么搭
只学良品：APDT 正样本学习不需要穷举缺陷形态，没见过的缺陷同样能定位挑出——这正是"形态无穷"类场景的解法。
弱对比靠成像补：涂层、卷材用 3D AI-AOI 融合点云与弱对比通道增强，把 2D 读不出的高低差读出来。
把"正常变异"教给模型：让模型见过不同机台、不同材料批次的正常波动，才谈得上把误报压下去，而不是靠调阈值。
产线对接：缺陷位置与卷长坐标一并回传，便于分切与追溯；生产数据留在厂内，不出厂。
三、机型怎么选
| 场景 | 推荐配置 | 解决的主要问题 |
|---|---|---|
| 强纹理表面异常 | AOI 软件（无监督正样本） | 形态无穷、样本凑不齐的表面瑕疵 |
| 涂层 / 卷材在线 | 3D AI AOI（点云 + 弱对比增强） | 针孔、团聚、边缘波纹的微米级检出 |
| 高速印刷膜 / 标签 | 2D AI AOI + 正常变异学习 | 高速运动下的误报与跨机台一致性 |
| 仪表读数 / 产线巡检 | 天眼 SkyVision | 液位与仪表读数、跑冒滴漏的持续监看 |
四、落地节奏
微链道爱的落地路径是四步：① 需求评估——先把"缺陷"与"正常变异"的边界谈清楚，这是化工场景误报的主要来源；② 方案选型——按幅宽、线速与材料定机型与光源；③ 现场部署——良品建模上线，操作员约 30 分钟上手；④ 反馈优化——分切与质检复判结果回流，模型分钟级更新。
五、成效怎么量
盯三个量：检出率、误报率、全幅覆盖率。微链道爱已落地的化工 / 材料场景里，典型表现是——纹理表面异常检出率 99%+（只学良品）；涂层卷材最小检出 50μm、线速 400 米 / 分钟不降速、准确率 97%+；高速印刷膜检出率 >95%、误报降低 28%、全幅在线覆盖 100%。
以上为匿名行业场景下我们方案的典型可达范围，具体数值随材料、幅宽与线速而变，以现场实测为准。
客户案例 · CASE STUDIES
化工 / 材料 · 卷材与表面
从涂层弱对比边界、卷材针孔到无穷形态的表面瑕疵 —— 只学良品就能挑出没见过的缺陷。
场景 · 表面异常检测
某材料厂 · 纹理表面缺陷
挑战表面缺陷形态无穷、缺陷样本永远凑不齐，强背景纹理还容易盖住微小瑕疵。
方案APDT 正样本学习只学良品，没见过的缺陷形态照样定位挑出。
99%+图像级 AUROC
✓只学良品
✓未见缺陷可迁移
场景 · 涂层 / 卷材在线
某涂布卷材厂 · 涂层缺陷在线全检
挑战涂层针孔、团聚、边缘波纹都在微米级，涂层与基材对比极弱，高速卷材难稳定。
方案3D AI-AOI 融合点云 + 弱对比通道增强，高速卷材在线微米级检测。
50μm最小检出
400m/min在线速度
97%+准确率
场景 · 印刷膜降误报
某印刷膜厂 · 高速卷材降误报
挑战印刷膜高速运动，误报多就等于停机和浪费，跨班次、跨 SKU 精度还要稳。
方案AI-AOI 学习不同机台、材料的「正常变异」，把高速卷材的误报压下去。
>95%检出率
−28%误报
100%全幅在线
案例为匿名行业场景，指标为我们方案的典型可达范围。
深度案例 · IN-DEPTH
化工 / 材料 · 深度案例
逐一拆解真实场景下的落地路径 —— 行业背景、痛点、我们的方案与成效。
纹理表面无监督异常检测：只学良品，未见缺陷也能定位
某材料厂表面纹理复杂、缺陷形态无穷，正样本难穷举。DaoAI APDT 只学良品建立正常基线，图像级 AUROC 稳定在 99% 以上，缺陷类型可迁移到新批次。
阅读全文
涂层弱对比边界检测：主色通道增强，隐性边界检出 95%+
某涂布卷材厂涂层与基材色差极小，涂布边界、漏涂、缩边在灰度图上几乎不可见。DaoAI 通过主色通道增强放大弱对比信号，边界缺陷检出率提升至 95% 以上。
阅读全文
卷材涂层针孔/团聚检测：3D 融合点云，>50μm 高速在线
某涂布卷材厂的针孔与团聚是微米级三维缺陷，2D 成像难以区分凹陷与污渍。DaoAI 用 3D 融合点云在 120–400 m/min 在线检出 >50μm 缺陷，凹凸一目了然。
阅读全文
印刷膜/标签卷材降误报：学习机台材料正常变异，误报−28%
某印刷膜厂多机台多材料，正常的色差、底纹变异被旧系统当缺陷误报。DaoAI 学习每台机器、每种材料的正常变异基线，误报降低 28%，100% 全幅在线。
阅读全文
玻璃/无纺布表面缺陷检测：少样本上线，检出 94%+
某材料厂的玻璃与无纺布缺陷样本稀少、形态多变。DaoAI 以少样本结合正样本异常检测快速上线，半透明与弱纹理表面缺陷检出率达 94% 以上。
阅读全文常见问题 · FAQ
化工 / 材料 · AI 视觉质检常见问题
化工与材料行业 AI 视觉检测哪些缺陷？
覆盖卷材针孔与团聚的 3D 检测、低对比涂层边界、印刷膜误报治理、玻璃 / 无纺布少样本缺陷，以及纹理类无监督异常检测。
材料表面是连续纹理、缺陷无固定形态，AI 怎么检？
DaoAI 用无监督异常检测学习正常纹理分布，对偏离正常的区域报异常，无需穷举缺陷类型即可发现新型瑕疵。
卷材高速生产，针孔、团聚这类小缺陷漏检怎么办？
DaoAI 3D 检测在高速卷材上捕捉针孔、团聚与凸起等微小三维缺陷，结合实时定位实现连续全幅检测。
低对比涂层和印刷膜误报多，如何降误报？
DaoAI 用深度模型区分真实缺陷与印刷 / 涂层正常变化，显著降低误报，让有限的复检资源聚焦真问题。