缺陷检测模型
针对具体品类定制训练
YOLO 定位已知缺陷,Anomalib 兜底未知异常;按 SKU 数据与验收要求训练。
MODEL组件级 · 面向视觉集成商
为视觉系统集成商提供缺陷检测算法、边缘推理盒与确定性 OK/NG 判决。我们不碰客户关系,不碰产线本体,边缘盒支持贴牌。
不只是要一个检测组件,而是有一个该上 AI 却落不下去的场景,想要端到端做通?
去看全栈 · 驻场交付01 / POSITION
这条轨道只做视觉缺陷检测这一层——算法、边缘推理盒、OK/NG 判决。
做出来的东西,是能装进集成商现有方案里的一个组件。
CORE CAPABILITIES
在这条组件级轨道里,不做工业相机,不做整线集成,不做通用视觉平台,不直接面对终端工厂。
针对具体品类定制训练
YOLO 定位已知缺陷,Anomalib 兜底未知异常;按 SKU 数据与验收要求训练。
MODELJetson / Rockchip 端侧部署
ONNX → TensorRT / RKNN,本地完成推理,原始图像不必离开厂区。
EDGE模型给分数,规则做判决
置信度阈值与业务规则双重把关,输出可控、可复核、可追溯。
CONTROLCURRENT VALIDATION
基于真实产线样本完成数据采集、模型训练、规则门设计与端侧部署路径验证。当前仍在补充坏边、破损类数据。
换一个品类,变的是训练数据和相机参数;架构、部署方式与判决逻辑不必重来。
FOCUS INDUSTRIES
缺陷代价高、视觉可训练、集成需求集中。先把一个具体品类做透,再复制工程链路。
封口、标签、异物——漏一件,可能退一批。
划痕、毛刺、缩水、缺料——人工判断难以长时间稳定。
细微划痕、磕碰——低对比度、高节拍,数据还不能出厂。
以上为项目初期建议验收口径,最终以现场节拍、缺陷定义、样本质量与双方确认的测试集为准。
BOUNDARY
聚焦 AI 判断这一层,才能把接口、交付与责任做得清楚。(更完整的场景与全栈交付,走全栈驻场那条轨道。)
适合的方向
这条轨道不做的
RESPONSIBILITY
集成商掌握客户与现场,铸界补上 AI 算法与边缘部署能力。
COOPERATION
不是固定套餐,具体条件按项目、SKU 数量与现场支持范围确认。
有具体单子就按项目推进。铸界提供算法、边缘盒与现场联调支持,完成后结算。
贴集成商自己的品牌,装进现有设备方案,对终端客户保持统一品牌与交付界面。
换品类、扩产线时,持续提供模型迭代、参数调优与远程技术支持。
一种产品、最常见的缺陷类型,以及一批可脱敏样本图。
用真实数据训练、真实推理,输出检测结果与问题清单。
按独立测试集核对漏检、误判与速度,结果过线再谈落地。
START WITH ONE SKU
无锡市梁溪区通沙路 280 号