注塑件的外观缺陷既有几何类（飞边、缩水）又有视觉类（色差、流痕），且随模具、料批、颜色不断变化。与其为每种缺陷单独建规则，不如让模型学会良品的样子，一站识别所有偏离。
5min0 代码换型
少量良品建模
1 流程多缺陷统检
某注塑件厂为家电、消费电子、日用品供应外壳与结构件，模具数百套，同一产品又有多种颜色与料批。常见外观缺陷包括飞边、缩水、缩痕、流痕、银纹、色差、黑点与杂质，缺陷形态随工艺参数波动，人工目检主观性强、标准难统一，色差判定尤其依赖个人经验。
客户面临典型的多品种小批量困境：模具与颜色频繁切换，缺陷样本难以为每个组合都收集齐全；传统视觉为每种缺陷写规则，换一套模具就要重调，维护成本极高，根本跟不上换型节奏。
DaoAI 方案：良品基准 + APDT 正样本学习，一站识别多类外观缺陷
DaoAI 以良品基准结合 APDT 正样本学习，用少量良品建立每个模具/颜色组合的检测标准，系统在同一流程内统一识别飞边、缩水、流痕、色差等多类缺陷，无需为每种缺陷穷举样本。换型时直接调取对应组合的良品基准。
- APDT 正样本学习以少量良品建模，覆盖飞边、缩水、流痕、银纹、色差、黑点
- 几何类与视觉类缺陷在同一流程内统一识别，色差判定标准化、可复现
- 5 分钟 0 代码换型，模具/颜色切换由产线工人现场完成
- 按模具与颜色归档检测基准，多品种小批量快速上线
模具与颜色再多，标准只有一个：像不像这一组合的良品。
落地后，注塑件外观检测从依赖个人经验转为统一可复现的标准，色差与缩水等争议性缺陷有了客观判定。换型实现 5 分钟 0 代码切换，数百套模具与多颜色组合都能快速上线，漏检与误判同步下降，产线在小批量多品种下保持稳定的外观质量。