印刷类缺陷形态千变万化，穷举缺陷样本几乎不可能。DaoAI APDT 反其道而行——只学良品，把任何偏离良品的形态都视为可疑，从而在样本稀缺时也能快速上线。
1–20良品上线
5min0 代码换型
+40%效率提升
某家电厂在面板、外壳上印制品牌 Logo、型号丝印与安规标识，同一产线服务多个品牌与区域版本，印版与文字内容频繁更换。印刷缺陷形态高度发散：双印、断印、缺笔画、油墨拖尾、位置偏移、深浅不均，且很多缺陷只有零点几毫米，人工在快速节拍下极易漏检。
传统监督式方法要求为每一类缺陷收集足量样本，但印刷缺陷偶发且形态无穷，根本无法穷举；而每次换版都要重做样本与模型，导致上线慢、维护重。客户需要一种对样本不敏感、换版后能快速恢复检测能力的方案。
DaoAI 方案：APDT 正样本学习，1–20 张良品定义检测标准
DaoAI 采用 APDT 正样本学习，只需 1–20 张合格印刷的良品即可建立基准，系统自动学习字符笔画、Logo 轮廓与油墨分布的正常形态。任何偏离良品的双印、断印、缺笔画都会被标记为缺陷，无需事先收集缺陷样本。
- APDT 仅用 1–20 张良品上线，无需缺陷样本，换版后快速重建基准
- 稳定识别双印、断印、缺笔画、油墨拖尾、位置偏移等印刷缺陷
- 检测效率较人工目检提升超过 40%，节拍内全检不再依赖人眼
- 换版采用 0 代码操作，产线工人即可完成基准切换
不必预判缺陷长什么样——只要它不像良品，就拦下来。
上线后，印刷工位实现节拍内全检，双印与缺笔画等高频缺陷在出厂前被稳定拦截。换版时间从依赖工程师调试缩短为现场快速切换，检测效率较原人工目检提升超过 40%，品牌印刷一致性明显改善。