MLCC 微裂纹：1–20 张良品起步，微米级、毫秒级每颗

MLCC 良率本就很高，微裂纹这类缺陷出现概率极低，攒不出足够的缺陷样本来训练常规分类模型。DaoAI 用 APDT 只学良品，把偏离正常分布的都当可疑，绕开了样本困境。

多层陶瓷电容（MLCC）用量极大、单颗极小，端面与本体的微裂纹可能只有微米级宽度，且在高良率下出现概率很低。传统视觉需要大量缺陷样本训练，但裂纹本就罕见，样本攒不齐；靠人工目检又受限于速度和一致性，在动辄每分钟数千颗的产能下根本不现实。

工厂采用 DaoAI APDT 正样本学习，仅用 1–20 张良品图像建立「正常」的判据，无需预先收集大批裂纹样本——任何偏离良品分布的细微纹理都会被标记为可疑。配合 DaoAI 高分辨成像，系统达到微米级分辨能力，可识别端面发丝状细裂；单颗检测在毫秒级完成，匹配高速来料检与编带前检测的节拍。新规格电容上线时，0 代码 5 分钟即可换型，无需重新攒样本、重写流程。

为什么用正样本学习

• 裂纹罕见、缺陷样本难收集 → 只学良品，1–20 张即可起步
• 微米级裂纹 → 高分辨成像 + AI 识别细微纹理偏离
• 每分钟数千颗高节拍 → 单颗毫秒级推理
• 多规格频繁切换 → 5 分钟 0 代码换型

不靠攒裂纹照片，只靠把「什么是好的」讲清楚。

系统上线后实现微米级裂纹的稳定识别，单颗检测保持在毫秒级，满足高速产线节拍；由于只需良品即可建模，新规格导入周期大幅缩短，目检工位的人力和一致性压力同步缓解。