MLCC 微裂紋：1–20 張良品起步，微米級、毫秒級每顆

MLCC 良率本就很高，微裂紋這類缺陷出現概率極低，攢不出足夠的缺陷樣本來訓練常規分類模型。DaoAI 用 APDT 只學良品，把偏離正常分布的都當可疑，繞開了樣本困境。

多層陶瓷電容（MLCC）用量極大、單顆極小，端面與本體的微裂紋可能只有微米級寬度，且在高良率下出現概率很低。傳統視覺需要大量缺陷樣本訓練，但裂紋本就罕見，樣本攢不齊；靠人工目檢又受限于速度和一致性，在動輒每分鐘數千顆的產能下根本不現實。

工廠采用 DaoAI APDT 正樣本學習，僅用 1–20 張良品圖像建立「正常」的判據，無需預先收集大批裂紋樣本——任何偏離良品分布的細微紋理都會被標記為可疑。配合 DaoAI 高分辨成像，系統達到微米級分辨能力，可識別端面發絲狀細裂；單顆檢測在毫秒級完成，匹配高速來料檢與編帶前檢測的節拍。新規格電容上線時，0 代碼 5 分鐘即可換型，無需重新攢樣本、重寫流程。

為什麼用正樣本學習

• 裂紋罕見、缺陷樣本難收集 → 只學良品，1–20 張即可起步
• 微米級裂紋 → 高分辨成像 + AI 識別細微紋理偏離
• 每分鐘數千顆高節拍 → 單顆毫秒級推理
• 多規格頻繁切換 → 5 分鐘 0 代碼換型

不靠攢裂紋照片，只靠把「什麼是好的」講清楚。

系統上線後實現微米級裂紋的穩定識別，單顆檢測保持在毫秒級，滿足高速產線節拍；由于只需良品即可建模，新規格導入周期大幅縮短，目檢工位的人力和一致性壓力同步缓解。