同福碗粥：封装缺陷检测与复核

业务问题

这个场景要解决什么问题？

公开报道呈现的任务是碗粥表面封装检查。人工目检会受到持续工作与判断差异影响，发现异常后还需要对应到产品和处理记录。这里讨论的是可见的包装外观缺陷，不能将其扩大为食品内部成分、微生物或所有安全指标的检测。

企业实际做法

AI 用在了哪些环节？

1. 01

   公开做法：同福与河北移动合作，在包装线上获取封装图像，在边缘端识别缺陷并联动不合格品剔除。

2. 02

   公开做法：把缺陷判断和处理情况记录下来，并对剔除异常、连续异常提供提醒，便于现场人员检查。

3. 03

   功能边界解读：识别只是流程中的一步。图像能否对应到正确产品、异常能否被人员确认，同样决定这条流程是否可用。

公开结果

原始报道呈现了什么结果？

结果对应来源披露的时间、场景与统计口径，不构成其他企业的效果承诺。

实践解读

对制造企业有哪些启发？

• 试点建议｜先限定检测对象。写清产品型号、包装位置、需要区分的缺陷和当前人工规则；将不能从外观图像判断的质量项目排除在本次范围外。
• 样本建议｜由质量人员保存合格、明显不合格和存在争议的图像，并附上批次与判断说明。与供应方确认是否覆盖正常换型、光照变化和不同班次，避免只用挑选过的演示样片。
• 职责建议｜AI 提供判断，质量负责人定义标准并处理争议。若要联动剔除，设备人员还需确认产品位置、动作反馈和故障处理；未完成验证前，保留已有放行与复检流程。
• 验收建议｜分别核查漏检、误判、结果追溯和异常处理，保存样本、输出、人工复核结论与问题记录。目标值应按真实产线条件约定，本文不提供可直接套用的合格阈值。
• 交接建议｜围绕如何查看检测记录、复核新缺陷、记录异常和更新样本开展岗位培训。把缺陷清单、复核说明和待解决问题作为交接资料，便于继续改进。