麟图科技 Tunicorn 通用视觉平台
立即咨询
首页
四类
检测定位测量识别
一套
标注训练部署同环境
边缘
产线侧就近推理
可调
参数按工位配置
⚠️行业痛点与挑战
🔍每个项目重写代码
一条产线一个需求，算法工程师重复写采集、预处理与推理代码，交付周期被拖长，人力全耗在相似的工作上。
⏱️样本标注靠外包
缺陷样本少且分散，标注外包来回沟通几轮还对不齐标准，同一类缺陷两个人标出两种结果。
🧠换型就要重调
产品换型号，光照、曝光、检测区域都要重设，调一次停线半天，产线不愿意配合，最后只能凑合。
🔗误检说不清原因
现场误检多，工程师到现场只能凭经验改阈值，改完这头好了那头又坏，问题反复出现找不到根因。
📉部署环境杂
工控机、边缘盒子与服务器型号各异，依赖装不上、驱动不匹配，部署环节消耗的时间常常超过建模。
🚧效果无法评估
没有统一的测试集与指标，模型到底比上一版好还是差说不清，验收时只能靠现场跑几天看感觉。
🎯产品定位与核心价值
一套做工业视觉应用的开发环境，把算法从实验室搬到产线，让懂工艺的人自己配检测方案，不必每个项目都从头写代码，交付周期也短一些。
💡工程化落地
缺陷样本标注与模型下发工具的实施方法与交付节奏成熟，上线到见效的路径可复制。
🔁开放协同架构
标准接口对接既有体系，机器视觉软件能力按需叠加而非推倒重建。
🧷场景纵深适配
AI图像技术场景的特殊性被专项建模，缺陷样本标注与模型下发工具需求的覆盖不是套用通用模板。
⚙️核心能力详解
🧮采集与标定
对接工业相机与光源，做相机标定与畸变校正，把像素坐标换算成实际尺寸，测量类应用才有可比性。
🧱样本标注
支持框选、多边形与关键点标注，提供预标注减少手工，标签体系按缺陷类型统一维护，多人标注可交叉复核。
⚡模型训练
内置常用检测与分类模型，按任务选择，训练过程可视化，支持增量训练，新样本进来不必从头再跑。
📊产线部署
模型打包下发到工控机或边缘盒子，按工位配置参数与阈值，支持远程更新与回滚，减少现场跑动。
🌐结果与追溯
检测结果按件记录图像与判定，NG 图片自动归档，便于复判与追查，也为后续补充样本提供来源。
🔧低代码配置
检测区域、判定规则与报警动作通过界面配置，工艺人员可自行调整常规项，不必每次都提需求给算法团队。
📐技术规格
| 产品名称 | Tunicorn通用视觉平台 |
| 所属厂商 | 麟图科技 |
| 产品分类 | AI图像技术·机器视觉软件 |
| 核心能力 | 采集与标定、样本标注、模型训练 |
| 应用场景 | 外观缺陷检测、尺寸测量、字符与条码识别 |
| 服务边界 | 缺陷检测系统相关的第三方配合事项在实施清单中单独列明 |
| 替换考虑 | 既有缺陷样本标注与模型下发工具系统的切换路径可与AI图像技术行业惯例对齐 |
| 能力延续 | 机器视觉软件的版本迭代不要求缺陷样本标注与模型下发工具场景重新配置 |
| 产品定位 | Tunicorn通用视觉平台·AI图像技术领域的产品形态与应用边界 |
🏭典型应用场景
✈️外观缺陷检测
产品表面有划伤、脏污与压痕，相机在工位上方取图，模型按缺陷类型判定，NG 件在输送线上被剔除。图片自动存下来供复判，人眼不必长时间盯屏。质检班长每天抽查十张判定图。
🚗尺寸测量
关键尺寸用视觉测量替代卡尺抽检，标定后直接读实际值，超差即报警。节拍快时只测关键尺寸，全尺寸留到抽检环节，卡尺只用于复核。设备工程师每周校准一次相机。
🔋字符与条码识别
产品表面打码后读取字符与二维码，识别失败时提示重打。避免流入下道工序才发现追溯信息缺失，返工成本高得多，追溯链也不会断。工艺员按型号维护配置表。
🌊换型调整
换型号时调用对应的工位配置，检测区域与阈值一并切换，首件确认后批量生产。调整由工艺员完成，不必等算法工程师到场，首件确认后才批量。维修组按报警记录安排点检。
🏗️误检排查
把一周的 NG 图片调出来分类，发现某类反光被误判，回到光源角度与曝光参数上改。问题从算法层转到成像层，反而更快解决，改成像层问题更快，改成像比改参数更快见效，现场也认。品质部每月统计一次误检率。
🚢多工位复制
一条线跑稳后把配置复制到同类工位，只改相机参数与料号。复制速度快，多个基地的品质标准也趋于一致，人力集中在难工位。项目组在复制前做首件确认。
🏆典型应用案例
📦
设备工程师
以前遇到新检测需求要排算法资源，现在自己采图、标注、训练，常规缺陷当天能出模型。复杂问题再找算法同事，交付节奏由自己掌握，年底项目数也上去了。设备科每月盘点一次工位状态。
🛫
品质部复判
NG 图片按工位与时间归档，复判时不用回产线找件，直接在系统里看图判定。争议少了，供应商来对账也拿得出图片来源与判定时间，对账时拿得出判定时间。品质部按周复判 NG 图片，复判工作量下来了。
🏭
视觉集成商
做整线交付时用同一套平台开发不同工位，代码复用率高，现场调试时间缩短。前端成像与联调的经验能沉淀成模板，新项目照着改就行。集成商在每个工位留一份调试记录。
📦
多基地推广
总部把成熟模型与配置下发到各基地，本地只做微调。避免每个厂重复开发，抽查时看到的是同一套判定记录，品质口径也统一了，本地只改相机参数。总部每季度下发一次配置基线。
🔌接入方式
🖥️工业相机与光源
按视野、精度与节拍选相机，光源角度往往比算法更影响成像。采集卡与触发信号要与产线同步，否则拍到的不是同一位置，测量值也没有可比性。相机与光源由设备科统一选型。
☁️产线控制与剔除
判定结果通过 IO 或总线传给 PLC，驱动剔除、报警或停机。时序要对齐，避免判定还没出来工件已经流走，剔除动作落空只能人工补位，剔除动作不能落空。PLC 信号表由电气组维护。
🤝制造执行与追溯
把检测结果与批次、工单绑定上报，NG 图片单独归档。追溯时能按批次调出全部判定记录，客户审核不用临时导表，也看得出哪台设备近期偏差大，NG 图片单独归档，NG 图片单独归档备查。追溯字段由品质部确认。
🧩生态协同与能力底座
🧩相机与光学厂商
镜头、光源与相机的匹配直接影响成像质量，选型阶段就把光学厂商拉进来看样件，比装好再换镜头省时间，也少一次停机，选型阶段就拉进来看样件，少停机。光学厂商参与选型评审。
🔗产线集成商
整线交付时视觉要与机械、电气同步，接口与节拍由集成商统筹。责任界面写清楚，现场调试才不会互相等人，进度也压得住。集成商负责整线节拍。
🌱算法与标注服务
样本量大的项目可引入标注服务，但标准必须由企业自己定。外包只做执行，标签体系与验收规则留在内部，换供应商也不影响数据，标准留在企业内部，标准自留。
🚀产品差异化特点
🌟工艺人员能上手
常规调整在界面上完成，不必写代码。重复调参交回懂工艺的人，算法资源集中攻难题，交付周期也随之缩短，重复调参交回工艺。工艺员当天就能改配置。
🆚成像与算法一起看
平台把标定、光源与模型放在同一条流程里，误检时顺着成像往下查，比只在参数里打转更快定位，也更容易说服现场，现场也更愿意配合。复判记录保留一年。
🧬配置可复制
工位配置与模型能整体复制到同类产线，多基地推广时标准一致。验收争议少，采购也能按同一口径比价。多基地共用一套基线，复制成本低。
✅最佳实践
📝
先把成像做稳
相机固定、光源角度与曝光先调到位，再做标注与训练。成像不稳时模型怎么调都会漂，先解决机械与光学，比反复改阈值有效，先修机械再调模型，先修机械。上线前做一次成像评审。
🔄
标注标准先对齐
同一类缺陷给出边界案例，标注前统一培训并交叉复核。标准不一致时，模型学到的就是互相矛盾的信号，越训越偏。标注规范由品质部签发。
🎯
留一套测试集
从样本里划出固定测试集，每次更新都跑一遍，指标可比。只看现场几天的表现，结论容易被偶然因素带偏。测试集每季度扩充一次，别随意替换。
📈
上线后持续收样本
把误检与漏检图片自动回流，按月增量训练。不收样本的模型半年就废，现场也会失去信任。回流要形成习惯，别等人催，形成固定节奏，别拖成季度动作。
🗺️企业落地路径
1️⃣
先做单工位验证
选一个缺陷明确、节拍不紧的工位做验证，把采集、标注、训练与部署走完。先求通不求快，确认现场可维护再谈复制，先跑通再谈复制。
2️⃣
再复制同类工位
把配置复制到相似工位，只改相机与料号参数，验证复制效率。这一步决定项目能不能规模化，也决定后续报价空间。同类工位按季度复制。
3️⃣
接着接产线系统
打通判定结果与追溯，让品质部能按批次查记录。视觉数据进入质量管理流程，才算真正用起来，也才有改进依据，品质部按批次查记录，能查记录。第二年接入追溯系统。
4️⃣
最后多基地推广
总部统一模型与配置，各基地本地微调，逐步统一验收标准与样本规范。口径一致，跨基地比较才有意义。第三年在基地间推广。
💬常见问题 FAQ
需要多少样本
取决于缺陷类型与成像质量，常见缺陷几十到几百张能出初版，稀有缺陷要靠现场积累。样本不足时先上规则兜底，不要指望模型一次到位。选型前先做一轮样件测试。
一定要GPU吗
训练侧建议有独立显卡，推理侧多数场景用工控机加加速卡即可。工位多时集中在边缘节点推理，比每台配卡便宜，也便于统一升级。产线班组长负责日常点检。
和传统视觉什么关系
传统算法在定位与测量上稳定且可解释，深度学习擅长外观缺陷。平台两者都支持，按场景选用，不必强行统一，也不必推翻现有方案，按缺陷类型选用，按缺陷类型选。算法工程师按月回收样本。
换型频繁能不能用
工位配置按型号保存，切换时调用即可。换型极频繁的产线建议把相机与光源做成固定模组，减少机械调整带来的变量，配置切换才可靠。工艺员维护阈值配置。
误检率高怎么办
先查成像与工装，再查标签一致性，最后才调模型。很多误检来自反光、振动与标注标准不一，只调阈值会反复，顺序不能颠倒。采购按工位数量分批下单。
部署要多长时间
单工位从采图到上线通常按周计，取决于样本准备与现场配合。多工位复制会快很多，前期把标准工位做扎实最划算，标准工位要做扎实。集成商负责现场联调。
能不能对接产线系统
通过接口把判定结果、图片与统计上报给产线系统或制造执行系统，按件绑定批次。字段在项目初期定好，后期再改会牵动两边，字段一次定下来，字段变更牵动两边。接口字段由信息部门定稿。
模型会不会退化
产线换料、换光源后精度会下降，需要定期用新样本做增量训练。建议每月复盘一次误检与漏检，别等客户投诉才处理，每月复盘一次漏检。每月做一次漏检复盘。
📄信息来源与免责声明
此页面内容由云巴巴汇总整理，信息来源包括麟图科技官方产品资料与公开报道。
页面中的机器视觉软件等描述仅供选型参考，具体功能以官方发布为准。
云巴巴平台支持Tunicorn通用视觉平台的咨询、对比与接入流程，协助企业完成数字化选型。
产品推荐
U-EYES STUDIO 是面向工业视觉的算法开发软件，把标注、训练、评估与模型包导出放在同一工程里，产出的模型包交产线运行时加载，样本与配置随工程留档。
Cisco®MDS9396S16G存储网络交换机是新一代高性能、高密度和高稳定性的Cisco MDS系列交换架构交换机。它具备高性能以及优异的灵活性和经济高效等综合优点。
智子熹源新能源单据处理智能体解决方案，完整覆盖票据自动化系统业务交互流程，包含票据上传、识别、规则校验、生成填报数据。双大模型交叉识别提升单据准确率，规则引擎灵活校验，AI 智能审核减少人工操作，产出结算数据支撑企业交易策略制定与复盘，实现新能源票据全流程智能化处理。
数字化社区
视频
文章
