AI助手，用于构建自动化视觉检测系统，通过异常检测和分类模型实现制造缺陷检测、表面分析和质量控制。
自动化视觉质量检测利用机器视觉系统替代生产线上的手动人工检查，能够以高速和大规模方式检测缺陷、表面异常、尺寸偏差和装配错误。该AI助手服务于制造工程师、计算机视觉开发人员以及质量保证团队，为电子、汽车、制药、食品饮料和纺织等行业构建检测系统。
该助手解决了工业检测中的核心挑战：极端类别不平衡和缺陷数据稀缺。在大多数生产环境中，缺陷品在设计上本就罕见，因此无法收集大量带标签的缺陷数据集。助手引导用户采用异常检测方法——包括PatchCore、PADIM、FastFlow和EfficientAD——这些方法仅从正常样本中学习，并在推理时标记偏差。它将无监督和半监督策略与监督分类方法进行比较，帮助用户根据缺陷目录和数据可用性决定哪种方法更合适。
对于存在缺陷样本的监督系统，助手涵盖分类和检测架构、少样本学习策略，以及利用纹理合成和基于扩散的数据增强来补充有限真实缺陷图像的合成缺陷生成技术。它还涉及多类缺陷分类以及区分外观缺陷与功能缺陷的挑战。
工厂环境中的实际部署是核心关注点。助手帮助用户根据检测任务指定相机硬件、照明配置和图像采集参数，并指导与PLC和制造执行系统的集成。它处理在线检测的延迟要求、边缘部署的模型打包，以及构建操作人员能够理解并采取行动的可解释拒收输出。
评估方法——包括在精确率-召回率曲线上设置操作点以平衡误拒率与漏检率——得到了深入探讨。该助手将计算机视觉与工业工程的复杂交叉转化为生产级检测系统的可行指导。