一、项目背景
随着标签制造、包装印刷、电子标识、医药与日化行业对质量要求持续提升，传统人工抽检方式已难以满足高速、高一致性生产需求。标签缺陷（漏印、偏移、污点、褶皱、错码、条码不可读等）不仅影响产品外观，还可能导致追溯失败、客户投诉甚至召回风险。AOI（Automated Optical Inspection，自动光学检测）方案通过工业视觉实现在线全检，形成“检测—报警—剔除—追溯”闭环。
二、建设目标
建设标签 AOI 自动检测平台，实现：
✓ 标签全检替代人工抽检
✓ 缺陷自动识别与分类
✓ 实时报警与自动剔除
✓ 提升良率与一致性
✓ 建立质量追溯数据库
三、典型检测对象
检测范围
| 类别 | 检测内容 |
| 外观缺陷 | 污点、划伤、脏污、折痕 |
| 印刷质量 | 漏印、重影、颜色异常 |
| 内容完整性 | 缺字、错字、漏字段 |
| 位置检测 | 偏移、旋转、贴标位置 |
| 编码识别 | 条码、二维码、OCR |
| 尺寸检测 | 长宽、公差检测 |
四、总体解决架构
| 图像采集层 | 检测分析层 | 执行控制层 | 数据管理层 |
| 平场管 | AOI视觉软件 | PLC控制 | MES接口 |
| 平场传感器 | 图像处理算法 | 自动报警 | SPC质量分析 |
| 采集板 | OCR识别引擎 | NG剔除机构 | 缺陷数据库 |
| 条码解码模块 |
五、核心检测流程
标签进入检测位 → 触发拍照 → 图像预处理 → 模板比对 / AI识别 → 缺陷判定 → 结果输出（PASS / NG） → 自动剔除 + 数据记录
六、实施路线
| 阶段 | 周期 |
| 现场调研 | 1周 |
| 样品验证 | 1周 |
| 系统设计 | 1周 |
| 安装联调 | 2周 |
| 验收上线 | 1周 |
七、预期收益
| 指标 | 改造前 | 改造后 |
| 检测效率 | 抽检 | 100%全检 |
| 漏判率 | - | 0.05%~0.1% |
| 误判率 | - | 0.1%~0.5% |
| 数据实时性 | 延迟 | 实时 |
