留在工厂本地
原始视频与图像、生产工艺参数、缺陷样本数据，全部存储在工厂本地，不上传。
边缘 AI 盒子直接部署在产线边上，所有检测推理在本地完成，单张板材响应时间控制在 200 毫秒以内——完全匹配钣金喷涂线每分钟 4–6 张板的生产节拍，不拖慢产线。
边缘节点负责"快"和"私密"，训练与迭代在园区算力侧完成，液冷整机由生态伙伴交付，分工明确。
边缘 AI 盒子部署在产线旁，所有检测推理在本地完成，单张板材检测响应时间控制在 200 毫秒以内，完全匹配钣金喷涂线每分钟 4–6 张板的生产速度，不拖慢产线节拍。
采用工业高清相机 + 定制稳定光源 + 边缘网关的标准化组合，针对铝板喷涂的色差、划痕特征优化光学参数，可清晰捕捉人眼难以分辨的细微色差和表面缺陷。
原始视频和图像全部存储在工厂本地，仅向本地平台与园区算力上传结构化检测结果和异常告警，既满足数据回流训练需求，又保障工厂数据安全，满足数据不出厂要求。
提供标准化 API 接口，可快速对接市场上 主流 MES / ERP 系统（标准 API）。检测结果自动写入产品生产档案，不合格品自动标记，后续质量追溯可一键查询全流程数据。
当前已成熟支持铝板色差、划痕、凹坑、油污、尺寸偏差等常见缺陷检测，可根据工厂特殊需求快速扩展新的检测类型，无需更换硬件，仅需更新模型。
以下检测项都在我们自有喷涂产线上跑通。新增检测类型通常只需补充样本与更新模型，硬件不用动。
| 色差 | 自动计算 ΔE 值并比对阈值，可识别人眼难以分辨的批次间细微色差 |
|---|---|
| 划痕 | 识别表面细线状损伤，含喷涂前基材划伤与喷涂后表面划伤 |
| 凹坑 | 识别板材表面隐形凹凸，不受光照角度影响 |
| 油污 | 识别残留油污与指纹污染，避免影响后续附着力 |
| 尺寸偏差 | 在线测量关键尺寸，超差自动报警并标记 |
| 检测节拍 | 单张响应 ≤ 200 毫秒，匹配每分钟 4–6 张板的产线速度 |
| 系统对接 | 标准 API 对接主流 MES / ERP 系统 |
检测项以最终技术方案书为准。特殊缺陷类型可在现场采集样本后定制训练，硬件无需更换。
这是客户最关心的问题，我们把边界说清楚。
原始视频与图像、生产工艺参数、缺陷样本数据，全部存储在工厂本地，不上传。
结构化检测结果、异常告警、统计指标上传至园区内算力平台，用于聚合分析与模型迭代。
联邦学习时仅上传模型梯度参数，不上传任何原始业务数据，数据主权始终属于工厂。
不向任何公有云平台上传生产数据，模型与软件自主可控，不存在第三方接触面。
硬件安装通常在计划停机或换班间隙完成，传感器与相机为加装式，不改变产线原有机械结构。检测在板材流转至工位时自动触发，属于非接触式在线检测，不占用额外工序时间。单张响应控制在 200 毫秒以内，不会拖慢原有节拍。
这正是我们强调"定制稳定光源"的原因。我们为每个检测工位配置专用光源与遮光结构，把检测区域的光照条件固定下来，而不是依赖车间环境光。光学参数针对铝板喷涂的色差、划痕特征做过专门优化。这套方案在我们自己的喷涂车间长期运行，工况与您的车间类似。
提供标准化 API 接口，可对接主流 MES / ERP 系统（标准 API），无需对现有系统做大规模改造。检测结果自动写入产品生产档案，不合格品自动标记。如果贵厂使用的是较为小众或自研系统，我们会在方案阶段做一次接口评估。
误判、漏判样本会自动回流至模型迭代流程，支持在线标注，重新训练后一键下发至所有边缘节点，无需现场逐个部署。模型精度随使用时间逐步提升，这是联邦学习与闭环回流机制的设计初衷。