【话术】东莞长安镇电子厂AI质检场景的5个核心Prompt设计

在东莞长安镇的电子厂里，AI质检系统正在改变传统的质量检测方式。
今天分享5个核心Prompt设计，帮助工厂快速实现智能化质检升级：
Prompt 1：外观缺陷识别
请仔细检查图片中的电子元器件外观，识别以下缺陷类型：划痕、污渍、缺件、错位、变形。如果发现任何异常，请用红色框标注异常区域并描述缺陷类型。
Prompt 2：焊点质量检测
分析图片中的焊点质量，判断是否符合IPC-A-610标准。重点检查：焊点饱满度、润湿性、气孔数量。如有问题请详细说明。
Prompt 3：元器件极性判断
检测图中电解电容、二极管等有极性元器件的安装方向是否正确。如发现反向安装请立即标记。
Prompt 4：批次号OCR识别
识别图中PCB板上的批次号和生产日期，确保与当前生产批次一致。
Prompt 5：综合质检报告
综合以上检测结果，生成标准化质检报告，包含：检测时间、产品型号、良品数量、不良品数量、不合格率、建议措施。

实战建议：
1. 根据实际产品类型调整缺陷描述
2. 建议搭配工业相机+边缘计算设备使用
3. 定期用新样本更新训练数据集

配图展示了长安镇某电子厂的实际应用场景。

这个帖子太实用了，刚好我们厂最近也在试AI质检，分享几点踩坑后的经验：

第一，Prompt 2里建议把IPC-A-610的具体等级写进去（比如Class 2还是Class 3），不同客户标准不一样，模型判断的松紧度差别很大，我们一开始没细分，返工率反而上去了。

第二，Prompt 5的质检报告可以加一个“缺陷坐标热力图”，方便维修工位快速定位问题区域，比纯文字描述直观得多，尤其是在长安这种产线节奏快的厂里特别省时间。

第三，建议给Prompt 1加一个“疑似缺陷”的置信度阈值选项，比如低于80%的标记为“需人工复核”，避免误杀太多良品——我们实际跑下来发现这比直接出缺陷结论更实用。

另外，配图里的工业相机安装高度和光源角度其实很关键，建议楼主下次可以讲讲多角度打光对识别率的影响，这个在贴片电容上特别明显。

[quote="楼主"]东莞长安镇电子厂AI质检场景的5个核心Prompt设计[/quote]

楼主这套Prompt设计得很实用，尤其是Prompt 2焊点检测，直接对标IPC-A-610标准，这在SMT产线上太关键了。我补充一个细节：实际跑的时候，建议把“气孔数量”改成“气孔面积占比”，因为有些微小气孔在低分辨率下会被漏掉，但面积占比能更稳定地反映焊接质量。

另外Prompt 5的综合报告生成，可以给“建议措施”加一个条件分支，比如当不良率超过2%时自动触发“停机复检+追溯批次”的逻辑，不然单纯生成报告，现场班组长还得人工判断要不要停线，效率会打折。

顺便问下楼主，配图里用的是单目相机还是双目？我们试过单目在反光元件上误检率偏高，后来加了偏振片才好些，想看看你们有没有类似的坑。