AI设备点检定制：拍照识别与漏检闭环

设备日常点检看似简单，落地难点在漏检、代签和异常闭环。做AI定制时，不建议直接上大模型识别一切，而是先把点检表拆成可判定项：仪表读数、油位区间、泄漏、护罩缺失、跑冒滴漏、人员PPE等。每项对应采集方式与判定规则，模型只处理照片或视频里的视觉问题，数值仍走OCR或人工复核。 要点一：采集端。工位贴二维码或NFC，扫码后强制拍照，照片带时间、设备号、定位水印；弱网车间用端侧推理，只上传异常图和结构化结果，避免把整条产线视频传上云。 要点二：闭环。异常自动分级，轻微项提示复检，严重项直接开工单到EAM或维修群；复检照片回填后关闭，并形成漏检看板。上线先用两周真实点检数据评估误报与漏检，再按工位调整阈值。适合多班组、夜班、外包保运场景。指标看漏检率、误报率、异常响应时长和单次点检耗时，而不是只盯识别准确率。