封口虛封、標簽歪貼、噴碼漏印或模糊，任何一項流到終端都可能引發召回。規則式視覺在光照與產品變化前頻繁誤判，該廠改用 AI-AOI 做全檢。
>99.5%檢測準確率
−61%客訴下降
100%在線全檢
該食品包裝廠為多個品牌做代工灌裝與包裝，SKU 多、換線頻繁。包裝環節的三大質量項——封口完整性、標簽位置與貼合、生產日期噴碼的有無與清晰度——此前依賴規則式機器視覺加人工抽檢。規則式方案對光照波動、包裝反光、產品輕微位移極其敏感，誤判頻發；為減少誤停，只能放寬規則，結果真缺陷反而漏到下游，終端客訴與退货居高不下。
DaoAI 用 AI-AOI 深度學習方案替代規則式視覺，在灌裝包裝線上實現三項合一的在線全檢。模型對封口褶皺與虛封、標簽翹邊/氣泡/偏移、噴碼缺字/重影/位置異常具備穩健識別能力，且對光照與外觀變化的容忍度遠高于規則式；不合格品實時聯動剔除並記錄。多 SKU 切換時，APDT 少樣本能力讓新包裝規格快速建模，換線即可投產，大幅縮短調試時間。
AI-AOI 相比規則式的關鍵差異
- 從「寫死閾值」轉向「學習缺陷特征」，對光照、反光、位移更魯棒
- 封口、標簽、噴碼三檢合一，單工位完成，不再串接多套設備
- 換 SKU 用少樣本快速適配，調試時間從天級降到小時級
- 全檢留痕，每件可追溯，支撑品牌方的質量審計
規則式靠寫死閾值，AI-AOI 靠學習缺陷——光一變、產品一動，差距就顯現了。
上線後，三項檢測的綜合準確率超過 99.5%，在線實現 100% 全檢而非抽檢；因封口/標簽/噴碼問題引發的終端客訴同比下降約 61%，退货與召回風險顯著降低，換線調試時間大幅壓縮，產線整體 OEE 提升。