印刷類缺陷形態千變萬化，窮舉缺陷樣本幾乎不可能。DaoAI APDT 反其道而行——只學良品，把任何偏離良品的形態都視為可疑，從而在樣本稀缺時也能快速上線。
1–20良品上線
5min0 代碼換型
+40%效率提升
某家電廠在面板、外殼上印製品牌 Logo、型號絲印與安規標識，同一產線服務多個品牌與區域版本，印版與文字內容頻繁更換。印刷缺陷形態高度發散：雙印、斷印、缺筆畫、油墨拖尾、位置偏移、深浅不均，且很多缺陷只有零點幾毫米，人工在快速節拍下極易漏檢。
傳統監督式方法要求為每一類缺陷收集足量樣本，但印刷缺陷偶發且形態無窮，根本無法窮舉；而每次換版都要重做樣本與模型，導致上線慢、維護重。客戶需要一種對樣本不敏感、換版後能快速恢複檢測能力的方案。
DaoAI 方案：APDT 正樣本學習，1–20 張良品定義檢測標準
DaoAI 采用 APDT 正樣本學習，只需 1–20 張合格印刷的良品即可建立基準，系統自動學習字符筆畫、Logo 輪廓與油墨分布的正常形態。任何偏離良品的雙印、斷印、缺筆畫都會被標記為缺陷，無需事先收集缺陷樣本。
- APDT 僅用 1–20 張良品上線，無需缺陷樣本，換版後快速重建基準
- 穩定識別雙印、斷印、缺筆畫、油墨拖尾、位置偏移等印刷缺陷
- 檢測效率較人工目檢提升超過 40%，節拍內全檢不再依賴人眼
- 換版采用 0 代碼操作，產線工人即可完成基準切換
不必預判缺陷長什麼樣——只要它不像良品，就拦下來。
上線後，印刷工位實現節拍內全檢，雙印與缺筆畫等高頻缺陷在出廠前被穩定拦截。換版時間從依賴工程師調試縮短為現場快速切換，檢測效率較原人工目檢提升超過 40%，品牌印刷一致性明顯改善。