AI质检报告生成定制：缺陷分类与追溯归档

很多工厂的AI视觉质检已经能判定OK/NG，但质检报告仍靠人工整理：截图、填Excel、写备注，一条产线每天花1~2小时，且不同班次口径不一。定制质检报告生成模块，重点不在排版，而在三件事。 第一，缺陷分类口径固化。模型输出往往是概率和粗类，需建立「缺陷大类—子类—严重等级」映射表，并把判定阈值、模型版本、拍摄工位写入报告，避免同一缺陷在不同班次被归到不同类别。建议将分类规则配置化，产线调整时不必改代码。 第二，证据链自动归档。每条记录应绑定原图、标注图、时间戳、工位号、批次号、设备编号，图片按日期与批次分目录存对象存储，数据库只存索引路径。注意设定留存策略：常规记录90天，客诉或试产批次单独标记长期保留，避免硬盘无限膨胀。 第三，与现有系统对接。报告以结构化JSON供MES/QMS调用，同时导出PDF供客户审核；NG记录触发邮件或企微通知，并回写工单状态。 要点：1）先统一缺陷字典再谈自动生成，否则只是把混乱搬到线上；2）留出人工复核入口，复核结果回流用于阈值调优。 落地周期通常2~4周，难点是缺陷字典梳理与历史数据清洗，建议先用一条线试跑两周再全厂推广。