通过相机在生产线上进行缺陷识别的应用程序

我们有一个小型制造操作，质量控制目前完全是手动的：操作员拿起每个产品，在灯下转动并决定它是合格还是有缺陷。人会感到疲惫，照明在整个班次中会变化，到了工作日的结束，明显的缺陷开始被忽视。我们需要一个基于计算机视觉的应用程序，通过相机观察生产线并自动标记缺陷，这样人只需确认有争议的案例，而不是从头手动检查每一个单元。

任务实际上是将训练好的计算机视觉模型应用于实时质量控制，而不仅仅是标记数据集。相机应在每个产品经过时捕捉它，模型应将其分类为合格或有缺陷，并尽可能识别缺陷类型：表面划痕、缺失或安装不当的部件、印刷错误——模糊、偏移或有缺陷的标签。每个被拒绝的项目需要拍照，记录时间戳和缺陷类别，并在仪表板上显示，以便班次主管看到合格和有缺陷项目的数量、缺陷率随时间的变化，并可以打开任何标记项目的保存图像进行复查。

我们将提供合格和有缺陷产品的照片样本用于训练和调优，并准备根据您的建议讨论相机选择、照明和框架。对我们来说，拥有一个实际在车间运行的工作流程非常重要：可靠的帧捕捉、合理的阈值以避免被误报淹没，以及可以审查的易懂日志。请描述您将如何收集和标记训练图像，您建议的模型架构是什么，您将如何测量我们部件的精确度和召回率，以及成品应用程序将如何由非技术人员安装和维护。