機加、鑄鍛、焊接、裝配四類工序，用同一套視覺把關。
行業方案 · INDUSTRY
機械 / 裝備製造
機加件、鑄鍛件、焊接總成與裝配線：微鏈道愛 DaoAI 的 ACI 自動認知檢測把關表面缺陷、尺寸與形位公差、焊縫成形與裝配錯漏裝。多品種小批次用一塊良品樣板建模，換型不必重畫檢測框。
機械 / 裝備製造方案詳解
一、這條線上真正難的是什麼
機械製造的常態是多品種、小批次、換型頻繁：一條線上今天走這個件，明天走另一個件。上一代 AOI 的判據掛在座標上——檢測框、閾值、模板全部按這一個件的位置索引，所以每換一次型就要重來一遍。缺陷形態也說不完：毛刺、劃傷、磕碰、砂眼、縮孔、冷隔、摺疊、咬邊、未熔合，窮舉不完，而按「見過的缺陷」訓練的系統對沒見過的那一種天然是盲的。
二、方案怎麼搭
ACI 換掉的是判定依據：微鏈道愛 DaoAI 的做法是先用一塊良品件建立「正常」的模型，再判眼前這一件偏離在哪——無需 CAD、無需缺陷樣本庫。二維外觀看劃傷、磕碰與字元，結構光三維形貌看凹陷、缺料、焊縫餘高與平面度；判錯了就把複核結果回灌，見反饋學習。閾值與判據始終由你掌控，更新不覆蓋你手改過的參數。
三、機型怎麼選
抽檢、來料復判、多品種小批次走離線機型；與節拍同步的全檢走線上機型，見 2D ACI 設備與 3D ACI 設備。已有相機與產線的，直接接 ACI OS 作業系統，透過 SDK / API / Docker 嵌入既有設備。需要機器人取放的工位，見機器人視覺。
四、落地節奏
先挑一個換型最頻繁、或漏檢代價最高的工位做驗證：拿良品件建模、跑一批真實來料、把複核結果回灌一輪，看誤報是否隨複核次數下降。這一步不需要改產線，也不需要先決定買什麼。驗證透過後再決定是接軟體還是上整機。
五、成效怎麼量
按你自己產線上的三個數量：漏檢外流的返工與索賠、誤報復檢佔用的工時、換型重新編程的工時。三項都在你手上，不必等我們給數字——演算法與變數見 AOI 設備成本與投資回報怎麼算。
應用場景 · SCENARIOS
