实际案例：笔记本零部件检测

本案例展示如何检测笔记本内指定零件的安装情况和高度差，以提高产品质量合格率。

优势

• 高精度检测能力 视觉大模型通过深度学习技术，能够准确检测笔记本内部零件是否存在以及是否安装到位，有效减少人为误差。

• 自动化与高效率 利用视觉大模型实现自动化检测流程，大幅提高检测效率。特别是在大规模生产中，在更换未知产品时可快速建模，显著降低产线时间和人力成本。

• 强大的特征提取能力 模型能够精准检测零部件的微小缺陷，区别于传统的模板比对方法。

• 少量样本训练 DaoAI AOI 系统仅需 1 至 20 张常规样本，即可完成非监督缺陷检测训练，前期工作量和成本大幅降低。

难点

笔记本零部件种类繁多且尺寸细小，加之产品材质多为反光材料，容易在点云拍摄中丢失细节，同时不同材质对高度信息的检测要求各异。

解决方案

采用微链 AOI 相机，并利用多角度混合光源进行检测，确保获得完整的点云数据，并根据实际产品情况调整右侧参数以适配当前效果。

调整笔记本 3D 效果：

点击左上角显示点云：

定义好检测的模型：

遇到 NG 判定 OK 操作

• 情况一：全部产品为 OK 若检测结果显示所有产品均为 OK，则点击左侧“全部”按钮，将其统一标记为 OK。

  

• 情况二：当前组件为 NG，但标记为 OK 若检测中发现组件异常，但默认标记为 OK，则点击该组件，反馈为 “不良”。

  

模型训练与验证

经过一版模型在大约 10 张数据上的测试后，点击“重新训练模型”，更新后即可得到更优的检测效果。

结果验证

• OK 状态：

  

• NG 状态（组件异常）：

  

• NG 状态（高度异常）：