白车身四五千焊点怎么全数防漏：5472×3648相机配CNN，0.4秒一件、准确率99.9%
乘用车白车身约有4000到5000个焊接点，焊点质量直接决定车身强度与整车安全。焊装线节拍快、焊点数量大，传统人工抽检无法覆盖全部焊点，漏焊一旦流出就是整车级质量风险。焊装质量追溯还要求焊点检测结论与车身随行，检测系统需与产线信息系统联动。
抽检留出的盲区，会在整车层面结算
四五千个焊点，抽检比例再高也只是抽样。漏焊的成本不体现在焊装线，而体现在总装、交付甚至售后。所以这道关的诉求不是提高抽样比例，而是把全数检测塞进在线节拍。
单帧覆盖与像素密度的平衡
方案用5472×3648像素的高分辨率工业相机单帧覆盖大范围焊点区域，配合工位布点实现车身全部焊点成像，焊点密集部位加密成像区域，保证每个焊点具备足够像素。焊点分布稀疏的大视野工位要校核单焊点像素数，防止分辨率被稀释。
ROI由工艺专家划，CNN学特征而不是学规则
专家预先在图像上划定ROI聚焦关键部位，让算法聚焦关键区域、减少无关背景干扰；CNN自动学习焊点的纹理与形态特征，形成标准焊点特征库，不依赖人工设定的固定规则。工艺变更时ROI可重新划定，无需重训整个模型。
置信度阈值是误报与漏报之间的旋钮
检测时实时图像特征与标准库比对并输出置信度，达到阈值判为合格，低于阈值判为异常。阈值过高误报多，过低漏报多，只能依据标准库比对结果设定，并在现场验证中平衡。判定结论与焊点位置绑定，漏焊点即时标识报警。
混线生产，标准库按车型分册
多车型焊点布局差异大，标准焊点数据库按车型组织，检测时按当前车型调用对应比对基准。新增车型要先积累样本再上线判定，不能拿老车型的库硬套。标准库随生产持续积累，新焊点形态纳入库中比对，判定标准随工艺逐步完善。
现场干扰、节拍与结果边界
焊点区域表面状态波动会影响成像，光照系统与标准库比对共同抑制表面干扰。推理单元就近部署，判定结果在0.4秒内回传，作业节拍0.5秒；模型推理与图像采集流水并行，前一件判定期间后一件同步成像。
项目实现准确率99.9%、检测速度0.4秒/件，单工位年节约成本约21万元，以上数据以现场验收结果为准。上线前需以历史漏焊样本验证阈值与标准库的完备性；选型需按焊点密度与工位视野确定相机分辨率，ROI划分与标准库积累决定模型上线质量。
现场会问到的
四五千个焊点怎么做到全覆盖？
高分辨率相机单帧覆盖多个焊点，配合工位布点覆盖车身全部焊点，专家划定ROI保证每个焊点纳入检测。
CNN怎么区分正常焊点与漏焊？
CNN学习标准焊点的纹理与形态并建立数据库，检测时与标准库比对输出置信度，阈值判定合格与异常。
换车型要重新训练吗？
不必整体重训。标准库按车型组织，新增车型先积累样本再上线；工艺变更时ROI可重新划定。
0.4秒一件怎么保证不牺牲判定质量？
靠单帧覆盖多个焊点、ROI并行推理与流水并行；判定能力由像素密度与标准库完备性决定，需上线前用漏焊样本验证。