封口虚封、标签歪贴、喷码漏印或模糊，任何一项流到终端都可能引发召回。规则式视觉在光照与产品变化前频繁误判，该厂改用 AI-AOI 做全检。
>99.5%检测准确率
−61%客诉下降
100%在线全检
该食品包装厂为多个品牌做代工灌装与包装，SKU 多、换线频繁。包装环节的三大质量项——封口完整性、标签位置与贴合、生产日期喷码的有无与清晰度——此前依赖规则式机器视觉加人工抽检。规则式方案对光照波动、包装反光、产品轻微位移极其敏感，误判频发；为减少误停，只能放宽规则，结果真缺陷反而漏到下游，终端客诉与退货居高不下。
DaoAI 用 AI-AOI 深度学习方案替代规则式视觉，在灌装包装线上实现三项合一的在线全检。模型对封口褶皱与虚封、标签翘边/气泡/偏移、喷码缺字/重影/位置异常具备稳健识别能力，且对光照与外观变化的容忍度远高于规则式；不合格品实时联动剔除并记录。多 SKU 切换时，APDT 少样本能力让新包装规格快速建模，换线即可投产，大幅缩短调试时间。
AI-AOI 相比规则式的关键差异
- 从「写死阈值」转向「学习缺陷特征」，对光照、反光、位移更鲁棒
- 封口、标签、喷码三检合一，单工位完成，不再串接多套设备
- 换 SKU 用少样本快速适配，调试时间从天级降到小时级
- 全检留痕，每件可追溯，支撑品牌方的质量审计
规则式靠写死阈值，AI-AOI 靠学习缺陷——光一变、产品一动，差距就显现了。
上线后，三项检测的综合准确率超过 99.5%，在线实现 100% 全检而非抽检；因封口/标签/喷码问题引发的终端客诉同比下降约 61%，退货与召回风险显著降低，换线调试时间大幅压缩，产线整体 OEE 提升。