AI 视觉项目风险自测

为了准确评估项目风险，请诚实回答这 15 个问题，
系统将为您生成分级诊断报告。

Part 1: 需求与价值 (The "Why")

1. 痛点是否量化？

是 (量化清晰)

明确知道漏检率 X%，客诉成本 Y 元。

否 (感觉而已)

觉得人工累，想搞智能化，没算细账。

2. 检测标准是否数字化？

是 (有明确边界)

如：直径 > 0.5mm 的黑点，对比度 > 20%。

否 (靠经验)

靠老师傅眼力，“看着不行”就不行。

3. 是否区分了“必须检”与“顺便检”？

是 (抓大放小)

核心缺陷 100% 检出，轻微瑕疵放宽。

否 (追求完美)

要求所有缺陷（包括未出现的）全部检出。

4. ROI 回本周期是否计算过？

是 (算过隐形成本)

算上维护费，能在 18 个月内回本。

否 (只算工资)

只算了节省的人工工资，没算别的。

Part 2: 光学与环境 (The "Physics")

5. 样品是否具有代表性？

是 (样本充足)

包含良品、不良品、边界品共 50+ 个。

否 (仅黄金样品)

只拿了 2-3 个典型的“黄金样品”测试。

6. 产品一致性如何？

好 (位置/颜色固定)

来料姿态固定，批次间无大色差。

差 (随机性大)

来料乱动、反光不一，色差巨大。

7. 安装空间是否受限？

否 (空间充足)

有足够的安装距离 (WD) 打光。

是 (空间极小)

缝隙里安装，很难打背光或侧光。

8. 环境光是否可控？

是 (有遮光)

不受天窗阳光或照明灯影响。

否 (不可控)

旁边就是窗户，早晚光照差异大。

Part 3: 数据与算法 (The "Brain")

9. 缺陷样本数量够吗？

是 (50+ 张)

每项缺陷能够收集至少50-100张真实的缺陷图。

否 (极少)

缺陷极少发生过，样本少于3个，希望AI生成。

10. 缺陷形态是否固定？

是 (有规律)

缺陷长得差不多（如固定位置划痕）。

否 (极其随机)

如胶水溢出、无规律异色，难以归纳。

11. 容忍误杀率 (False Rejection) 吗？

是 (允许少量误杀)

宁可错杀 5% (人工复检)，绝不漏放。

否 (追求双零)

既要 0 漏检，又要 0 误杀。

Part 4: 工艺与落地 (The "Reality")

12. 生产节拍 (Cycle Time) 够用吗？

是 (时间充裕)

处理时间 < 产线流转时间。

否 (毫秒级)

产线极快，留给 AI 的时间只有几毫秒。

13. 换型频率高吗？

低 (稳定)

同一款产品跑好几个月。

高 (频繁)

每月换好几种产品，都要重调参数。

14. IT/OT 接口是否打通？

是 (已确认)

PLC、MES 接口协议已确认，支持通讯。

否 (未想好)

还没想好怎么把信号传给剔除机构。

15. 谁来维护？

有 (专人负责)

厂内有自动化工程师愿意学习维护。

无 (完全依赖)

完全依赖供应商，没人擦镜头。

Part 1: 需求与价值 (The "Why")

Part 2: 光学与环境 (The "Physics")

Part 3: 数据与算法 (The "Brain")

Part 4: 工艺与落地 (The "Reality")

Lara 的专家整改建议：