视觉技术与检测软件
视觉检测项目由三部分构成：能否成像、能否判定、能否在产线上稳定运行。我们在这三部分都有自主研发与工程实现能力，而不是只做设备集成。
视觉算法
算法路线按缺陷特征选择，不做单一方案套用：
- 传统机器视觉：用于边缘、尺寸、位置、计数、灰度差等几何与光学特征明确的判定，结果可解释、参数可追溯。
- 深度学习：用于形态多变、难以用规则描述的缺陷，如纹理类瑕疵、不规则污点、复杂背景下的异常。需要足够的缺陷样本支撑训练与验证。
- 组合方案：先用规则做快速筛选与定位，再用模型做分类与分级，兼顾速度与准确性的常见做法。
算法是否适用，取决于样本数量与缺陷的一致性。缺陷样本不足时，我们会明确说明需要补充什么，而不是用少量样本给出乐观结论。
成像技术
成像决定了检测的上限。我们在以下方向做配置与验证：
- 相机与镜头：面阵与线扫的选择、分辨率与视野的匹配、远心镜头用于尺寸测量的场景。
- 光源方案：明场、暗场、背光、同轴、条形与环形光的组合，针对反光、深色、高光与曲面工件的照法。
- 多维成像：多角度拍摄、光度立体、2.5D 与 3D 成像，用于曲面、褶皱、凹陷等平面成像难以呈现的缺陷。
检测软件
软件负责把图像结果变成产线可用的判断：
- 图像采集与预处理；
- 检测流程与配方配置，支持多型号切换；
- OK / NG 判定与缺陷分类、定位输出；
- 检测记录与数据追溯；
- 与 PLC、机器人、MES 等系统的通信与协同。
系统集成
视觉系统要装进产线才算完成。我们配合完成与机械设备、PLC、机器人的信号联锁，包括触发时序、剔除动作、报警与停机逻辑。触发与剔除的时间配合，往往比算法本身更影响实际使用效果。
边界说明
算法能识别什么，取决于成像条件与样本覆盖范围。同一套算法换材料、换颜色、换表面处理，通常需要重新验证。我们不承诺「一套算法通吃所有工件」，也不在未做样品测试的情况下承诺具体检出率。