AI赋能晨光文具，破解轻工业大规模生产品控难题

在制造业的浪潮中，晨光圆珠笔以其年产量约50亿支的庞大规模，稳坐行业前列。然而，每一支笔的完美出品，背后都离不开严格的品质把控。在装盒包装之前，每一支笔都要接受细致的外观检查，以确保产品质量的无懈可击。但当前，这一品质检验环节还主要依赖人工完成，每条生产线都需要两名全检员轮班工作，这无疑增加了人力成本和管理复杂度。特别是在国内制造业面临用工紧张的背景下，生产成本的逐年上升已成为企业不得不面对的现实。

以国内第一支按动式中性笔晨光“K-35”为例，这款笔的年产量高达约数亿支，因此，品质检验的每一个环节都至关重要。面对如此大规模的生产需求和严苛的质量控制要求，如何有效降低人工成本、提升检验效率，同时保证产品质量，成为了晨光当前亟待解决的问题。

滑动查看更多图片

目标复杂

• 目标小、频次低：要求检出的负样本目标占整图比例小、出现频次低，易造成误判和漏检；

  
  

• 相机成像不统一：现场生产环境复杂，多个相机成像效果无法做到完全一致，存在光学干扰因素；

  
  

样本不均衡

• 类别不均衡：类别数据分布不均衡，有些类别出现频次很高，另一些可能只有个位数；

  
  

• 类内差异大：即使是同一类别的目标也会有各式各样的形态；

推理速度要求高

NVIDIA Tesla T4机器上推理时间小于20ms，且在端测设备上可达到实时状态。