洗衣机门板多区域螺丝安装缺陷
逐步演示 OV Auto-Defect Creator Studio 如何在多个紧固件上同时生成自定义"螺丝未正确安装"缺陷——每颗螺丝独立控制严重程度，全程在单次会话中完成。
完整工作流
4步操作演示
从加载干净的洗衣机门板图像到导出多份独立标注的螺丝缺陷——全部在单次会话中完成。
独特之处
多区域标注、每区域严重程度控制、自定义缺陷类别，全部在同一次会话中完成。这就是规模化构建装配检测模型的方式。
加载洗衣机门板图像
上传一张干净的洗衣机门板参考图像。本使用案例采用自定义缺陷类别："螺丝未正确安装"——这是一种高度特定于装配质量的缺陷，几乎不可能从实际生产线上大量收集。
自定义缺陷类别是工作室的核心优势。只要您能用自然语言描述一种缺陷，AI就能生成它。
功能展示
核心能力一览
本洗衣机门板演示突出展示了工作室在真实装配检测场景中的多区域和自定义缺陷类别能力。
自定义缺陷类别
"螺丝未正确安装"不是标准缺陷类别——由您定义，AI来生成。任何您能描述的装配缺陷，工作室都能合成。
真正的多区域标注
在单次会话中定义和配置多个缺陷区域——每个紧固件无需重新上传。每个区域独立追踪。
每区域严重程度控制
每颗螺丝有独立的严重程度滑块。在真实的多严重程度场景下训练模型，而非简单的"所有螺丝都坏"或"所有螺丝都好"的图像。
单次会话生成4份标注样本
一张照片，一次会话，四份不同严重程度的独立标注训练样本。将此应用于您的图像库，数据集将呈指数级增长。
自定义缺陷类别
"螺丝未正确安装"——为什么重要
为何发生
当装配工装略微偏移、操作人员施加不均匀扭矩或螺纹啮合不完整时，就会发生紧固件错位。在大批量生产线上，即使1-2%的发生率也意味着每班次数千件不良品。
为何难以检测
几乎就座的螺丝在相机图像中看起来与正确就座的几乎相同。差异很细微：头部位置略微偏高、轻微倾角或微弱阴影变化。模型需要接触全严重程度范围才能可靠捕获。
为何合成数据是解决方案
您无法等待生产线产生足够多的轻微偏位螺丝来训练模型。工作室可按需生成，支持每种严重程度、面板上每个螺丝位置，在五分钟内完成。
更多探索
其他使用案例
查看工作室在不同产品类型和缺陷生成场景下的实际应用。
规模化构建装配检测模型
自定义缺陷类别、多区域标注、每区域严重程度控制。训练紧固件检测AI所需的全部工具，无需等待真实缺陷出现。