这个项目真正要解决什么？
PCB 微观线路缺陷尺度小、形态多，但每个型号通常都有高质量标准图。与训练一个“认识所有缺陷”的分类模型相比，如何稳定对齐扫描图和标准图往往更关键。
产线希望在普通 CPU 工控机上运行，避免每个检测工位都配置 GPU，同时要求检测延迟极低。
扫描图存在平移、旋转、局部形变和亮度变化，简单像素差分会产生大量伪差异，因此必须先解决配准和鲁棒特征表达。
需求背景 / 解决方案 / 价值效果
需求背景
- PCB 微观线路缺陷尺度小、形态多，但每个型号通常都有高质量标准图。与训练一个“认识所有缺陷”的分类模型相比，如何稳定对齐扫描图和标准图往往更关键。
- 产线希望在普通 CPU 工控机上运行，避免每个检测工位都配置 GPU，同时要求检测延迟极低。
- 扫描图存在平移、旋转、局部形变和亮度变化，简单像素差分会产生大量伪差异，因此必须先解决配准和鲁棒特征表达。
解决方案
- 先从两幅图提取局部密集特征，在粗匹配后建立扫描图到标准图的全局对应关系；再对局部区域做精细配准，消除位置和尺度误差。
- 特征层采用注意力/Transformer 风格的上下文建模增强线条结构表达，对配准后的局部特征做差异检测，而不是直接比较原始灰度像素。
- 系统对开短路、微开短路、线路缺口、突铜、圆突铜、针孔等异常给出位置与类型，并针对 CPU 路径做模型裁剪和算子优化。
价值效果
- 项目资料给出的缺陷漏失率约 0.2%、检测准确率约 98%，用于表达该方法在标准图对比场景中的检测能力。
- 纯 CPU 运行的识别速度约 3ms 级，使算法更容易集成到已有工控机，不额外增加 GPU 硬件复杂度。
- 标准图就是强监督信号，型号切换主要依赖标准模板与配准参数，适合标准版图明确、节拍要求高的微观检测。
从业务问题到可执行系统
01标准图
02扫描图
03粗配准
04密集特征
05局部精配准
06特征差分
07缺陷定位
08CPU输出
0.2%漏失率
98%准确率
≈3ms识别速度
纯CPU算力
为什么这样设计
白泽的项目方法不是先决定“用哪一个模型”，而是先把现场对象、输入数据、关键决策、风险边界和最终动作画清楚，再决定哪些环节使用确定性程序、哪些环节使用视觉算法、哪些环节由大模型或 Agent 负责。这样做的目的，是让系统能够验收、追溯、维护，并能在真实业务变化时继续迭代。
实际项目采用标准图与扫描图的局部特征匹配路线，页面指标来源于原方案材料，应以现场相机、分辨率和具体板型验收为准。
AI 落地不止是算法
在白泽的交付中，算法只是其中一层。我们同时关注数据接入、现场网络、边缘计算、权限、安全、第三方系统接口、用户操作习惯、日志与审计、设备稳定性以及后续运维。对企业来说，真正有价值的不是一次模型演示，而是一套能够长期运行并持续创造结果的系统。