机械 / 装备制造

一、这条线上真正难的是什么

机械制造的常态是多品种、小批量、换型频繁：一条线上今天走这个件，明天走另一个件。上一代 AOI 的判据挂在坐标上——检测框、阈值、模板全部按这一个件的位置索引，所以每换一次型就要重来一遍。缺陷形态也说不完：毛刺、划伤、磕碰、砂眼、缩孔、冷隔、折叠、咬边、未熔合，穷举不完，而按「见过的缺陷」训练的系统对没见过的那一种天然是盲的。

二、方案怎么搭

ACI 换掉的是判定依据：微链道爱 DaoAI 的做法是先用一块良品件建立「正常」的模型，再判眼前这一件偏离在哪——无需 CAD、无需缺陷样本库。二维外观看划伤、磕碰与字符，结构光三维形貌看凹陷、缺料、焊缝余高与平面度；判错了就把复核结果回灌，见反馈学习。阈值与判据始终由你掌控，更新不覆盖你手改过的参数。

三、机型怎么选

抽检、来料复判、多品种小批量走离线机型；与节拍同步的全检走在线机型，见 2D ACI 设备与 3D ACI 设备。已有相机与产线的，直接接 ACI OS 操作系统，通过 SDK / API / Docker 嵌入既有设备。需要机器人取放的工位，见机器人视觉。

四、落地节奏

先挑一个换型最频繁、或漏检代价最高的工位做验证：拿良品件建模、跑一批真实来料、把复核结果回灌一轮，看误报是否随复核次数下降。这一步不需要改产线，也不需要先决定买什么。验证通过后再决定是接软件还是上整机。

五、成效怎么量

按你自己产线上的三个数量：漏检外流的返工与索赔、误报复检占用的工时、换型重新编程的工时。三项都在你手上，不必等我们给数字——算法与变量见 AOI 设备成本与投资回报怎么算。