宇骏视觉 · 深圳
YJ VISUAL-AI · SHENZHEN
发现缺陷，追踪质量损失，让改善决策有据可依。
宇骏视觉连接工业视觉检测设备、工业视觉模型与质量数据分析，帮助客户统一判定标准、核查问题来源，并将验证有效的方法沉淀为可复用的质量标准。
工业质量 AI 大脑与四层能力
AI BRAIN × INDUSTRIAL CAPABILITIES
大脑先提出任务，各层再返回数据或结果。YJ-Care 把这些依据整理成客户能使用的质量建议。
把客户的问题，拆成查数据、看缺陷、找异常和提建议。
理解问题 / 调用工具 / 核查证据这批产品的不良，主要出在哪里？
调取这批产品的检测图像、点云和判定记录
质量问答、异常分析、设备对比、批次追溯与改善核查，将证据整理成可执行的建议。
查看 YJ-Care 交互向大脑提供人工复核、现场处置与改善验证反馈
大脑发起预警、质量报告与待现场验证的改善建议
汇聚图像、点云、检测结果、复判标签与批次信息，形成可追踪、可训练的质量数据资产。
查看 Jupiter+ 展示向大脑提供关联批次的复判标签、工艺参数与质量记录
大脑发起数据检索、口径核对与批次追溯任务
垂类模型学习缺陷规律，边缘模型执行现场推理，训练评估平台支撑少样本适配、效果验证与部署。
查看模型与训练能力向大脑提供缺陷识别、异常评分、模型评估结果
大脑发起视觉推理、样本复核与模型评估任务
电容：YJ-9204 / 9206；管状保险丝：YJ-9131；小型器件：YJ-908 / 9111；纽扣电池：YJ-9202；食品检测与亚微米量测研发。
查看产品系列向大脑提供图像、点云、尺寸、检测结果与设备状态
大脑发起数据查询与复测请求，按现场权限执行
Jupiter+：同一平台，连接质量数据管理与模型训练评估。
协同关系演示 · 非实时连接
产品系列与解决方案
PRODUCT SYSTEMS
五大产品系列，覆盖电子元器件、食品及精密量测；按产品形态与检测任务选择配置。
参数为公司资料及当前确认版本，最终配置以样品评估与技术协议为准。
成熟应用主线：电容、熔断器、纽扣电池的外观检测、分选与质量标准对齐；以实际机型与验收范围为准。
增长应用：封口、液位、形变与可见外观缺陷。按材料、包装及产线节拍验证光学方案和误判边界。
突破方向：超级电容成品外观与3D量测，并拓展至 AI 熔断器 与半导体精密元器件。视觉检测不替代电性能、气密性或内部焊接验证。
YJ-Care 质量分析与决策支持
YJ-CARE / QUALITY DECISIONS
从一个具体问题出发，比较数据、核查依据，再决定下一步行动。
用自然语言问质量数据：良率、缺陷、设备与型号对比、批次追溯。
用大白话问，回答附数据与核查依据。
按案例记录核对数据范围与统计口径
这批记录中，两类产品的外观不良率不同。产品目标与设备评价，应先考虑型号及缺陷类别。
| 产品 | 批次 | 投入数 | 不良数 | 外观不良率 |
|---|---|---|---|---|
| 产品 A | 101 | 159,083,129 | 2,711,399 | 1.70% |
| 产品 B | 107 | 91,886,788 | 960,636 | 1.05% |
不良总数 ÷ 投入总数，不取批次比例的简单平均。
来源：MLCC案例问答材料的外观工序摘录。产品A：101批，投入159,083,129只，不良2,711,399只；产品B：107批，投入91,886,788只，不良960,636只。按不良总数÷投入总数计算，不采用批次不良率的简单平均。型号已匿名；未混入电性工序数据。
当前均值不是合格目标；这些差异不能单独证明结构、材料或设备是根因。
可以直接把这个平均值定为合格目标吗？
分型号追踪主要缺陷，再结合客户要求、过程稳定性与后续样本制定管理基准。
当前均值不是合格目标；这些差异不能单独证明结构、材料或设备是根因。
按案例记录核对数据范围与统计口径
两台设备承担的产品构成不同。先对齐型号和比较条件，再判断设备是否需要整改。
| 设备 | 型号一 / 批 | 型号二 / 批 | 型号二占比 |
|---|---|---|---|
| 设备 A | 5 | 64 | 92.8% |
| 设备 B | 88 | 18 | 17.0% |
型号构成不同，先对齐比较条件。
来源：MLCC制程分析报告的设备产品构成。设备A：型号一5批、型号二64批；设备B：型号一88批、型号二18批。图中占比分别为64÷69和18÷106，仅描述产品构成，不是设备不良率。后续整改判断需同型号数据和现场验证。
其中一个产品分组仅5批。样本不足或未发现明显差异，都不能证明设备没有问题。
那下一步应该查什么？
在同型号内比较缺陷和样本量，结合时间、工艺及维护记录核查，再决定调机或维修。
其中一个产品分组仅5批。样本不足或未发现明显差异，都不能证明设备没有问题。
按案例记录核对数据范围与统计口径
在本次两类产品的外观记录中，产品A贡献约73.8%的不良数量，值得优先核查缺陷构成和批次集中度。
| 产品 | 不良数 | 不良数量贡献 |
|---|---|---|
| 产品 A | 2,711,399 | 73.8% |
| 产品 B | 960,636 | 26.2% |
仅比较这两类产品的外观不良数量，不代表全厂损耗。
范围与产品管理案例一致，仅包含两类产品的外观不良。2,711,399÷(2,711,399+960,636)≈73.8%；另一类约26.2%。这是数量贡献分析，未接入单位成本、改善费用和改善试验结果，不承诺节省金额。
数量占比不等于利润损失占比，也不代表全厂损耗。大批量产品可能天然贡献更多不良。
是否意味着这里的利润损失也最大？
下钻高不良批次，区分数量、比例和可改善性。补充报废、返工与阶段成本后，再比较经济优先级。
数量占比不等于利润损失占比，也不代表全厂损耗。大批量产品可能天然贡献更多不良。
核心技术
CORE TECHNOLOGY
高精度感知与工业视觉模型协同，Jupiter+ 连接样本、训练和评估。
VISION / 01
YJ-AI-L 提供视觉表征，Jupiter+ 完成训练与评估，两者协同适配现场。
内部适配实验：三个现场的展示准确率分别对应每类补充 200、50、100 张 NG 标注样本。准确率不等于漏检率；实际导入需同时验证漏检、误判与节拍。
内部同条件实测：RTX 3070 Ti Laptop 8GB、Windows 11；12,585 张训练图像、696 张验证图像；ResNet-18、448×368、batch 16。该结果衡量 Jupiter+ 工具性能，并非 YJ-AI-L 模型测速；不代表对 MVTec/Halcon 全部功能的比较。版本及完整协议请联系获取。
合作客户与现场验证
CUSTOMERS & FIELD VALIDATION
从单机验证到规模部署，现场影像记录设备进入日常生产的过程。
从产品、缺陷与节拍要求出发，完成检测能力验证和质量标准对齐。
从单机导入走向多设备稳定运行，让检测能力进入日常生产体系。
检测数据、复判标签与现场经验持续回流，推动模型、标准与工艺优化。
围绕微鼓、形变、划伤等外观问题，将检测图像与判定结果保留为可复核记录；结合人工复判，对齐灰区样本与缺陷标准。现场设备影像与质量分析案例分别展示，不将历史交付效果归因于后续新增的平台能力。
排名不分先后，现场影像与客户 Logo 不作对应关系
关于宇骏视觉
ABOUT YJ VISUAL-AI
自2018年扎根制造现场，持续研发工业视觉设备、模型与质量智能平台。
2018 年 12 月成立，总部位于深圳
建立人工智能联合实验室
国家高新技术企业 / 深圳专精特新企业
客户场景应用与商业化验证
天使轮与 A 轮融资，获深圳市天使引导基金、光明区引导基金、金沙江创投等认可
重庆、陕西、湖南、湖北、江西、福建、江苏及南通分公司等服务网络
深圳宇骏视觉智能科技有限公司（YJ Visual-AI）成立于 2018 年 12 月，总部位于深圳，是国家级高新技术企业、深圳市专精特新企业。2021 年，公司与哈尔滨工业大学（深圳）合作建立人工智能联合实验室，并先后获得深圳市天使引导基金、深圳市光明区引导基金及金沙江创投等机构投资。
宇骏视觉在深圳设立总部，在南通设立分公司，并建立覆盖重庆、陕西、湖南、湖北、江西、福建、江苏等区域的服务网络。公司坚持从一次可验证的检测开始，与客户共同建设能够学习、迭代和沉淀标准的质量智能系统，让真实制造数据持续转化为更稳定的产品质量与更高效的制造能力。
从您的现场需求开始
START WITH YOUR OPERATION
先明确范围、验证价值，再决定如何扩展。
适合新产线或检测能力不足的工位。先对齐产品、缺陷样本、节拍与验收指标。
咨询样品测试适合误判、换型或模型维护困难的现场。评估光学、算力、接口与可复用范围，不默认整线替换。
评估存量升级适合已有检测与生产记录的客户。从一个反复发生的问题开始，确认数据权限、统计口径和试点目标。
带一张报表来讨论确认需求 → 样本或数据验证 → 现场导入与验收 → 持续服务
广东省深圳市光明区玉塘街道德永佳工业园2栋301
江苏省南通市开发区崇州大道60号紫琅科技城10A号楼708
