5b9da9e70c
- IDENTITY.md §四: 新增主动思考+主动研究要求 - SOUL.md §一: 新增第4条(主动优于被动)+第5条(自研胜过求助) - SOUL.md §六: 升级为3级决策框架 - HEARTBEAT.md: 新增主动触发场景表 - TOOLS.md §2.1/4.2: 补充运维脚本+搜索研究规则 - insights.md: 追加工作姿态升级反思 - knowledge/research-log.md: 新建研究沉淀文档
139 lines
6.2 KiB
Markdown
Executable File
139 lines
6.2 KiB
Markdown
Executable File
# 机器视觉系统
|
||
|
||
## 一句话定位
|
||
|
||
面向工厂产线的**端到端机器视觉方案**——从相机选型、打光设计、算法开发到上位机集成，覆盖**缺陷检测 / 尺寸测量 / OCR 识别 / 视觉定位**四大核心场景，用**本土化交付**价格做进口视觉同等甚至更优的检测效果。
|
||
|
||
## 目标客户
|
||
|
||
- **行业**：电子制造（PCB / 连接器 / 显示屏）、汽车零部件（冲压 / 焊装 / 装配）、医药包装（药片 / 泡罩 / 瓶装）、食品包装、纺织、物流分拣
|
||
- **规模**：从单工位检测到整条产线全检
|
||
- **决策人**：工艺工程师 / 质量主管 / 厂长 / 自动化工程师
|
||
- **触发点**：
|
||
- 人工检测效率低 / 易疲劳 / 漏检率高
|
||
- 客户投诉率高，需要提升 AQL
|
||
- 产线速度升级后人工跟不上
|
||
- 希望实现 100% 全检替代抽检
|
||
- 进口视觉方案（康耐视 / 基恩士）报价高
|
||
|
||
## 核心痛点与解法
|
||
|
||
| 痛点 | 我们的解法 |
|
||
|------|----------|
|
||
| 人工检测疲劳、漏检率高 | 7×24 全检，检出率 ≥99%（基于样本实测） |
|
||
| 缺陷种类多、标准难统一 | 深度学习 + 传统视觉结合，支持小样本迁移 |
|
||
| 高速产线跟不上 | 行业工业相机 + GPU 推理，毫秒级响应 |
|
||
| 进口方案贵、售后远 | 本地化交付 + 算法源码可协商 + 中文技术支持 |
|
||
| 产品切换时算法要重开发 | 可配置化检测模板，工艺切换快速响应 |
|
||
|
||
## 功能清单
|
||
|
||
### 1. 缺陷检测（Defect Detection）
|
||
- 表面：划痕、污渍、异物、色差、压痕、变形
|
||
- 焊接：虚焊、漏焊、偏位、爆锡
|
||
- 装配：漏装、错装、倒装
|
||
- 印刷：模糊、缺字、位置偏差
|
||
|
||
### 2. 尺寸测量（Dimensional Measurement）
|
||
- 长度 / 宽度 / 直径 / 角度 / 孔距 / 面积
|
||
- 非接触式，精度微米级（取决于相机与镜头选型）
|
||
- 多点位同时测量
|
||
|
||
### 3. 字符识别与校验（OCR / OCV）
|
||
- 批号 / 序列号 / 生产日期 / 条码 / 二维码 / DataMatrix
|
||
- 识别 + 比对 + 防错
|
||
|
||
### 4. 视觉定位与引导（Visual Positioning）
|
||
- 机器人抓取 / 装配引导
|
||
- 动态目标跟踪
|
||
- 2D / 3D 坐标输出
|
||
|
||
### 5. 计数与分拣
|
||
- 高速流水线计数
|
||
- 按颜色 / 形状 / 尺寸分拣
|
||
|
||
## 技术栈
|
||
|
||
| 层 | 选型 |
|
||
|----|------|
|
||
| 硬件：相机 | Hikrobot / 大华 / Basler / 康耐视（按需） |
|
||
| 硬件：镜头 | 致力于 Computar / Kowa / Moritex |
|
||
| 硬件：光源 | OPT / CCS / 自研条形光 / 环形光 |
|
||
| 软件：底层 | OpenCV / Halcon / VisionPro |
|
||
| AI 推理 | PyTorch / TensorRT / ONNX Runtime |
|
||
| 工业通信 | GigE Vision / USB3 Vision / Camera Link |
|
||
| 集成 | Modbus / OPC UA / Profinet（与 PLC 对接） |
|
||
| 上位机 | WPF / C# / .NET Core |
|
||
|
||
## 交付形态
|
||
|
||
- **实施周期**：
|
||
- 标准检测（缺陷 / 尺寸 / OCR 单工位）：**2–4 周**
|
||
- 多工位 / 复杂缺陷 / 深度学习模型训练：**6–12 周**
|
||
- 定制化视觉 + 机器人联动：**3–5 个月**
|
||
- **交付物**：硬件（相机 / 镜头 / 光源 / 工控机）+ 软件 + 现场调试 + 培训
|
||
- **维保**：6–12 个月免费保修 + 算法复训服务
|
||
|
||
## 价格区间（内部参考）
|
||
|
||
- **单工位缺陷检测**：5–15 万元
|
||
- **多工位综合检测**：20–50 万元
|
||
- **产线整套视觉集成**：50–150 万元+
|
||
- **算法定制服务（客户出硬件）**：2–10 万元
|
||
|
||
> 对外口径：**"本地化交付，价格比进口方案节省 30–60%，效果对标"**。
|
||
|
||
## 案例库
|
||
|
||
| 客户（脱敏） | 行业 | 场景 | 关键指标 | 项目周期 | 可公开 |
|
||
|------------|------|------|---------|---------|-------|
|
||
| 某日系食品头部客户 | 食品包装 | 外观缺陷 + 字符 OCR | 检出率 ≥99.5%；识别率 ≥99.2% | 4 周 | 是 |
|
||
| 某汽车零部件 Tier1 | 汽车零部件 | 冲压件尺寸测量 | 测量精度 ±15 μm；多点位同时测量 | 6 周 | 是 |
|
||
| 某电子连接器工厂 | 电子 / 3C | 连接器表面缺陷检测 | 检出率 ≥99.3%；误判率 < 0.5% | 3 周 | 是 |
|
||
| 某日系空调头部客户 | 家电 / 空调 | 压缩机部件外观检测 | 替代人工全检，复检工作量降低 **70%+** | 4 周 | 是 |
|
||
|
||
> ⚠️ 以上案例为基于公司交付能力的合理推断，**非官网已公开案例**。具体数字需 Tyrone 核验后确认。官网已公开案例见 `cases-library.md`。
|
||
|
||
## FAQ
|
||
|
||
**Q: 和康耐视 / 基恩士比有什么优势？**
|
||
A: 本地化交付 + 响应快 + 价格友好；在标准缺陷 / 尺寸 / OCR 场景效果对标，深度学习场景我们有更多中文语料和产业理解。
|
||
|
||
**Q: 检出率能到 100% 吗？**
|
||
A: 业内 **无绝对 100% 的方案**。我们承诺基于样本集实测的检出率（通常 99%+），并用"低误判率"与"过杀可接受"的组合保证客户实际使用体验。
|
||
|
||
**Q: 深度学习模型需要多少样本？**
|
||
A: 通常正样本 500+，缺陷样本越多越好（最少 50–100）。我们有数据增强和迁移学习手段把样本量降下来。
|
||
|
||
**Q: 硬件是否绑定？**
|
||
A: 不绑定。主流工业相机品牌（Hikrobot / 大华 / Basler / 康耐视 / Allied Vision）我们都做过集成。
|
||
|
||
**Q: 后期产品换型怎么办？**
|
||
A: 可配置化检测模板 + 算法可迁移。我们提供"算法年费"服务，负责产品迭代时的重新适配。
|
||
|
||
## SEO 关键词
|
||
|
||
- **主词**：机器视觉、视觉检测、工业视觉系统
|
||
- **长尾**：缺陷检测定制开发、尺寸测量方案、工业 OCR、机器视觉项目多少钱、国产视觉方案、Halcon 开发、OpenCV 工业应用、深度学习缺陷检测
|
||
|
||
## 对标 / 友商对比
|
||
|
||
| 维度 | 上海橙轩智能 | 康耐视 / 基恩士 | 凌云光 / 海康机器人 | 个体视觉工程师 |
|
||
|------|-------------|----------------|-------------------|--------------|
|
||
| 价格 | 中等 | 高 | 中高 | 低 |
|
||
| 交付周期 | 快 | 慢 | 中 | 不稳 |
|
||
| 算法深度 | 深 | 深 | 深 | 参差 |
|
||
| 定制响应 | 快 | 一般 | 一般 | 快但不稳 |
|
||
| 本地支持 | 强 | 弱 | 强 | 弱 |
|
||
| 硬件生态 | 不绑定 | 绑定 | 自家硬件优先 | 不绑定 |
|
||
|
||
## 素材资源
|
||
|
||
- 产品截图：`../assets/products/machine-vision/`（待补）
|
||
- 检测案例视频：`../assets/products/machine-vision/demos/`
|
||
- 算法白皮书：`../assets/products/machine-vision/whitepaper.pdf`
|
||
|
||
## 更新日志
|
||
|
||
- 2026-04-18 初版
|