AI 视觉感知技术及应用培训

单元一：

AI 视觉技艺概述和富士康情境适配

1.1 核心主题：AI 视觉的 “非技艺视角” 认知和富士康情境匹配

1.1.1 何为 AI 视觉？

-

管人者需掌握的核心定义

²

要害内容

：

n

用

“机器看→机器判→辅助决策” 通俗解释，防止技艺术语，强调 “破解业务问题的抓手” 属性。

n

对比传统人工检测、传统机器检测和

AI 视觉的差异（效率：人工 20 件 / 小时 vs AI 200 件 / 小时。准确率：人工 95% vs AI 99.5%）。

n

纠正认知误区：

AI 视觉不是 “替代人”，在实际应用里，而是 “解放人做更复杂决策”（如人工仅处理 AI 标记的疑似不良品）。

²

授课方式

：交流提问（

2 分钟）+ 讲师收束（5 分钟）

1.1.2 AI 视觉在制造业的价值和华为实例

²

要害内容

：

n

制造业

AI 视觉三大核心价值：降本（减少质检员，往细里说，华为某电子厂 1 条线减少 8 人，年省 64 万），提质（降低不良品流到下游的隐患）、提效（缩短检测周期）。

n

华为电子元件检测实例拆解：来由（人工检测芯片引脚变形，实操中，漏检率

8%）、方案（AI 视觉 + 边缘部署），成效（漏检率 0.5%，检测效率拉升 10 倍）。

n

华为心得提炼：技艺价值需绑定业务

KPI（如 “不良率下降 X%”“成本节省 Y 万”），运行层面，而非单纯谈 “技艺先进”。

²

授课方式

：资料图表（

2 分钟）+ 讲师解说（5 分钟）

1.1.3 富士康手机零组件情境的潜在运用点

² 要害内容：

n

加工环节：手机外壳表面划痕，凹陷检测（传统人工漏检率

12%，换个角度看，AI 可降至 1% 以下）。

n

组装环节：零件尺寸精度测量（如摄像头模组安装孔直径，换个角度看，误差

≤0.01mm）、组装定位校准（带出机械臂贴合屏幕）。

n

追溯环节：零件表面

OCR 识别（芯片型号，生产日期），从实践看，替代人工录入，准确率≥99.5%，对接 “云之范” 系统达成全流程追溯。

n

情境筛选要则：优先选项

“痛点突出、资料易获取、和现有系统兼容” 的情境（如外壳划痕检测，资料可从现有产线相机采集）。

²

授课方式：情境匹配拆解（

4 分钟）+ 参训者反馈（1 分钟）

1.2 小组碰头 1：富士康产线 AI 视觉痛点识别（10 分钟）

²

碰头主题

：基于本部门产线（如外壳加工，零件组装），识别

1 个核心检测痛点，用华为 “痛点 - 诉求 - 价值” 矩阵填写要害资讯

²

抓手支撑

：华为

“痛点 - 诉求 - 价值” 矩阵模板（纸质版发放，落地时，含 3 列：痛点描述（量化）、对应 AI 诉求、预期价值（量化））

²

带出话术

：

n “第一步：描述痛点，运行层面，具体来看，从实践看，需量化（如‘手机外壳划痕人工漏检率 12%，换个角度看，每月返工成本 5 万元’），防止‘检测效率低’这类模糊表述。”

n “第二步：对应 AI 诉求，明晰‘AI 需要达成什么功能’（如‘自动识别 0.1mm 以上划痕，落地时，标记位置并报警’）。”

n “第三步：预期价值，运行层面，需绑定业务指标（如‘漏检率降至 1%，落地时，执行层面，每月节省返工成本 4.5 万元’）。”

n “每组推选 1 位代表，就一线经验说，用 2 分钟分享 1 个最核心的痛点以及价值，重点说‘为何这个痛点值得优先破解’。”

²

授课方式：

4-5 人 / 组碰头（7 分钟）+ 2 组代表分享（各 1.5 分钟）+ 讲师点评（1.5 分钟，结合华为实例补充精进建议）

单元二：计算机视觉基础理论和核心技艺

2.1 核心主题：管人者需掌握的 “技艺常识”

-

不深钻原理，但能判断适配性

2.2 图像采集和预处理技艺（管人者关注要点）

²

要害内容

：

n

图像采集核心硬件：相机（优先匹配

“检测精度”，实操中，在实际应用里，手机零件检测选 200 万像素以上工业相机，落地时，从实践看，无需追高像素）、光源（金属件用环形光源，就一线经验说，透明件用背光光源，华为心得：“光源选对，准确率拉升 30%”），换个角度看，镜头（关注 “事务距离”，运行层面，实操中，如产线工位间距 50cm，从实践看，选焦距 16mm 镜头）。

n

图像预处理目的：拉升图像质量（去噪，增强对比度），为后续识别打基础（如划痕检测前，换个角度看，先做

“边缘增强” 突出划痕轮廓）。

n

管人者视角：无需懂预处理算法，就一线经验说，往细里说，只需关注

“预处理后能否清晰看到缺陷”（可借助 “人工抽检预处理后的图片” 验证）。

²

授课方式

：预处理前后图片对比（

2 分钟）+ 讲师解说（5 分钟）

2.3 传统图像处理 vs 深度研习视觉模型

²

要害内容

：

n

核心差异：传统图像处理倚重人工规划规则（如

“划痕灰度值低于 X 即判定不良”），在实际应用里，适用于 “缺陷特征固定、来由简单” 情境（如手机螺丝缺失检测）；深度研习借助资料自动研习特征，适用于 “缺陷复杂、来由多变” 情境（如曲面外壳划痕检测）。

n

华为技艺选型矩阵：从

“情境复杂度（1-5 分），执行层面，资料量（1-5 分），成本预算（1-5 分）” 三维度打分，总分≥12 分选深度研习，否则选传统（例：华为某项目情境复杂度 3 分，资料量 2 分，成本 3 分，总分 8 分，就一线经验说，就一线经验说，就一线经验说，选传统方案，从实践看，就一线经验说，成本降低 40%）。

n 富士康适配建议：若产线缺陷特征稳定（如零件尺寸偏差），在实际应用里，优先用传统方案。若缺陷复杂（如外壳多类型划痕），实操中，落地时，落地时，执行层面，选深度研习。

²

授课方式

：对比表格（

2 分钟）+ 华为选型矩阵演示（3 分钟）+ 讲师解说（5 分钟）

2.4 卷积神经网络（CNN）基础和标的技艺简介

²

要害内容

：

n CNN 通俗领会：用 “多层滤网筛特征” 类比（输入图像→第一层筛 “边缘 / 颜色”→第二层筛 “局部缺陷”→最后层判断 “是否合格”），落地时，从实践看，无需数学公式。

n

标的检测

/ 分割 / 识别的情境适配：检测（定位缺陷位置，如 “划痕在外壳左上角”），分割（描缺陷精确边界，实操中，如 “划痕长度 2mm”）、识别（分类缺陷类型，换个角度看，如 “划痕 / 凹陷 / 色差”），往细里说，在实际应用里，富士康情境中，运行层面，换个角度看，就一线经验说，“外壳划痕” 需同时用 “检测 + 分割”（定位 + 测长度）。

n

字节跳动心得：用

“小样本预训练模型” 降低资料倚重（如仅 200 张样本，即可训练出精度 95% 的模型），适合资料不足的情境。

²

授课方式

：富士康情境技艺匹配表（

2 分钟）+ 讲师解说（5 分钟）

2.5 小组碰头 2：富士康产线技艺路径选型（10 分钟）

²

碰头主题

：针对小组选定的核心痛点（如外壳划痕检测），用华为

“技艺路径选型矩阵” 打分，确定选 “传统图像处理” 还是 “深度研习”，并说明依据

²

抓手支撑

：

n

华为

“技艺路径选型矩阵”（纸质版，含 3 项评分准则：情境复杂度 1-5 分、资料量 1-5 分、成本预算 1-5 分，附评分说明）

²

带出话术

：

n “第一步：明晰你们的痛点情境（如‘手机外壳曲面划痕检测’），就一线经验说，按照评分说明给‘情境复杂度’打分（曲面划痕来由多变，往细里说，落地时，打 4 分）。”

n “第二步：估算现有资料量（如‘当下有 150 张划痕照片’，在实际应用里，打 2 分；若有 500 张以上，运行层面，执行层面，打 5 分），就一线经验说，落地时，‘成本预算’按照单工位≤8 万打 3 分、≤15 万打 5 分。”

n “第三步：计算总分，≥12 分选深度研习，否则选传统，实操中，最后用 1 句话收束‘为何选这个路径’（如‘总分 9 分，具体来看，选传统，运行层面，在实际应用里，因情境复杂度低并且成本有限’）。”

²

授课方式

：

4-5 人 / 组碰头（7 分钟）+ 2 组代表分享（各 1.5 分钟）+ 讲师点评（1.5 分钟，在实际应用里，结合富士康情境补充调整建议）

单元三：智能视觉系统构筑和要害技艺

3.1 核心主题：管人者怎样将控系统构筑的 “要害环节”

-

防止硬件浪费，软件脱节

3.2 视觉系统硬件选型：相机、光源，从实践看，镜头、工控机

²

要害内容

：

n

硬件选型

“业务导向” 推演：

u

先明晰检测诉求（精度，具体来看，就一线经验说，速度），再选硬件，执行层面，实操中，落地时，而非

“先看硬件参数”。

u

例：手机外壳划痕检测精度

0.1mm，实操中，在实际应用里，往细里说，选 200 万像素相机（像素 = 检测范围 / 精度 ×1.5，就一线经验说，就一线经验说，运行层面，即 10cm×10cm 检测范围，换个角度看，落地时，换个角度看，0.1mm 精度，需 150 万像素，选 200 万留冗余）。

n 华为硬件选型避坑指南：

u

不单独采购硬件，运行层面，优先选

“硬件 + 基础软件” 套装（防止硬件和软件不兼容，华为某项目单独采购后返工，运行层面，成本增加 20%）。

u

预留接口扩展性（相机选

Ethernet 接口，实操中，往细里说，方便后续接入 “云之范”）。

u

工控机按照

“模型类型” 选（传统方案用 CPU，换个角度看，从实践看，在实际应用里，深度研习用 GPU，落地时，降低成本）。

n

富士康硬件成本参考：单工位传统方案（相机

+ 光源 + 镜头 + 工控机）约 5-8 万，换个角度看，落地时，运行层面，深度研习方案（含 GPU 工控机）约 10-15 万。

²

授课方式

：华为避坑指南清单（

3 分钟）+ 讲师解说（5 分钟）

3.3 软件平台和开发抓手引见

²

要害内容

：

n 主流软件抓手分类：

u

开源抓手（

OpenCV/TensorFlow/PyTorch）：适合有算法队伍的公司，从实践看，从实践看，执行层面，成本低但需专精英才，字节跳动用 TensorFlow 做模型迭代；

u

工业视觉软件（

Halcon/MVTec）：含现成检测模板，部署快（1 个月内），适合无算法队伍的公司，华为产线常用 Halcon 做传统检测；

u

云平台抓手（华为云

ModelArts）：提供 “资料标注 - 模型训练 - 部署” 全流程服务，运行层面，适合迅速试点项目。

n 软件选型决策因素：

u

内部技艺本领（无算法队伍

→选工业软件 / 云平台）。

u

系统衔接诉求（需对接

“云之范”→选支持 API 接口的抓手，实操中，往细里说，往细里说，在实际应用里，如华为云 ModelArts 可直接对接）。

u 后期维护成本（开源抓手需持续投入人力，工业软件有厂商售后）。

n

富士康适配建议：优先选

“工业软件（Halcon）+ 华为云 ModelArts” 组合，既满足迅速部署，又能对接 “云之范”，后期可渐次练就内部队伍用开源抓手迭代。

²

授课方式

：讲师解说（

5 分钟）

3.4 模型训练和部署流程，边缘 + 云端协同架构

²

要害内容

：

n 模型训练要害节点（管人者视角）：

u

资料标注（华为

“产线质检员 + 算法队伍” 双审，执行层面，从实践看，准确率≥98%）；

u

训练监控（关注

“精度”“时长”，实操中，具体来看，往细里说，在实际应用里，换个角度看，华为某项目 3 轮训练后精度从 92% 升至 99.2%）。

u

验收准则（如检测准确率

≥99%，从实践看，在实际应用里，具体来看，误判率≤1%）。

n 部署模式：

u

边缘部署（模型在产线工控机，响应快

≤0.1 秒，适合实时检测，实操中，运行层面，如外壳划痕拦截）

u

云端部署（模型在

“云之范”，具体来看，适合多产线资料汇总拆解，从实践看，如各厂缺陷类型统计）

u

富士康建议

“边缘检测 + 云端拆解” 结合。

n

边缘

+ 云端协同价值：

u

边缘端只传

“不良品资料”，在实际应用里，运行层面，运行层面，在实际应用里，减少资料传输量（华为某项目资料传输量减少 60%）

u

云端拆解输出

“产线改进建议”（如某厂划痕多，建议精进打磨工艺）。

²

授课方式

：训练流程图（

2 分钟）+ 部署架构图（3 分钟）+ 讲师解说（5 分钟）

3.5 小组碰头 3：富士康视觉系统硬件 / 软件选型（10 分钟）

²

碰头主题

：针对小组核心痛点情境，换个角度看，完成硬件（相机

/ 光源 / 工控机）和软件抓手选型，落地时，填写华为《硬件选型核查表》，运行层面，实操中，并估算单工位成本

²

抓手支撑

：

n

华为《硬件选型核查表》（纸质版，含诉求匹配、兼容性、扩展性

3 类 12 项查验项）

n

成本参考表（相机

1.5-3 万，光源 0.5-1 万、工控机 1-3 万（CPU）/5-8 万（GPU））

²

带出话术

：

n “第一步：根据痛点情境的精度诉求（如 0.1mm 划痕），从实践看，就一线经验说，选相机像素（200 万）、镜头焦距（16mm），执行层面，就一线经验说，填核查表‘诉求匹配’项。”

n “第二步：判断是否需对接‘云之范’，实操中，在实际应用里，执行层面，运行层面，选支持 Ethernet 接口的相机，从实践看，从实践看，实操中，运行层面，执行层面，支持 API 的软件（如 Halcon），就一线经验说，从实践看，执行层面，从实践看，实操中，填‘兼容性’项。”

n “第三步：估算单工位成本（如相机 2 万 + 光源 0.8 万 + CPU 工控机 1.5 万 + 软件 3 万 = 7.3 万），判断是否符合预算（如单工位≤8 万，可行）。”

²

授课方式

：

4-5 人 / 组碰头（7 分钟）+ 2 组代表分享（各 1.5 分钟）+ 讲师点评（1.5 分钟，往细里说，补充成本精进建议，如 “选国产工业软件，往细里说，落地时，往细里说，从实践看，成本可降 30%”）

单元四：

AI 视觉在制造业中的运用情境

4.1 核心主题：锁住 “可落地的情境”

-

从业界实例到富士康手机零组件适配

4.2 制造业 AI 视觉典型运用情境拆解

²

要害内容

：

n

外观缺陷检测（最核心）：适用零件表面划痕、凹陷、色差（如手机外壳、屏幕），在实际应用里，往细里说，华为实例：某手机厂用

AI 检测外壳，往细里说，漏检率从 8% 降至 0.5%，换个角度看，就一线经验说，具体来看，落地时，1 条线减少 10 名质检员，在实际应用里，在实际应用里，年省 80 万。

n

尺寸测量和定位：替代传统卡尺，在实际应用里，执行层面，换个角度看，换个角度看，从实践看，运行层面，非接触式测量（如摄像头模组安装孔直径，精度

±0.005mm）、带出机械臂组装（屏幕和中框贴合，在实际应用里，实操中，具体来看，实操中，在实际应用里，误差≤0.01mm），富士康适配：可用于 “组装前尺寸筛查”，实操中，就一线经验说，往细里说，防止因尺寸偏差导致组装不良。

n OCR 和条码识别：识别零件表面字符（芯片型号、生产日期）、条码 / 二维码，替代人工录入，往细里说，执行层面，准确率≥99.5%，换个角度看，就一线经验说，对接 “云之范” 达成全流程追溯（如螺丝从采购到组装的每一步都可查）。

n

行为识别和

AGV 导航：行为识别（监控产线人员违规操作，实操中，如未戴安全帽，华为工厂用后安全事故降 70%），AGV 导航（视觉带出小车运输物料，路径误差≤5mm），富士康适配：可用于 “产线物料运输自动化”。

²

授课方式

：资料图表（

2 分钟）+ 讲师解说（7 分钟）

4.3 富士康手机零组件情境匹配和优先级评核

²

要害内容

：

n

情境匹配清单：

①加工环节：外壳划痕 / 凹陷检测，从实践看，具体来看，金属中框变形检测；②组装环节：零件尺寸测量，从实践看，换个角度看，执行层面，屏幕贴合定位；③追溯环节：芯片 OCR 识别，换个角度看，执行层面，运行层面，零件条码扫描。④安全环节：产线人员违规行为识别。

n

华为情境优先级评核矩阵：从

“痛点强度（1-5 分，从实践看，实操中，具体来看，换个角度看，换个角度看，影响产能越大分越高），就一线经验说，实操中，落地难度（1-5 分，从实践看，越易落地分越低），从实践看，执行层面，价值规模（1-5 分，成本节省越多分越高）” 三维度打分，运行层面，实操中，总分 = 痛点强度 + 价值规模 - 落地难度，分数越高优先级越高。

n

富士康优先级示例：外壳划痕检测（痛点

4 分 + 价值 4 分 - 难度 2 分 = 6 分）＞屏幕贴合定位（痛点 3 分 + 价值 3 分 - 难度 3 分 = 3 分），优先落地划痕检测。

²

授课方式

：情境匹配清单（

3 分钟）+ 评核矩阵演示（2 分钟）+ 讲师解说（5 分钟）

4.4 小组碰头 4：富士康产线 AI 视觉运用情境识别和优先级排序（10 分钟）

²

碰头主题

：结合本部门产线（如外壳加工、零件组装、成品检测），实操中，识别

3 个可落地的 AI 视觉运用情境，换个角度看，用华为评核矩阵打分排序，执行层面，确定 1 个 “优先落地情境”

²

抓手支撑

：华为《情境优先级评核矩阵》（纸质版，就一线经验说，落地时，含

3 项评分准则以及说明，如 “痛点强度 5 分 = 不良品导致买方投诉”）

²

带出话术

：

n “第一步：列出 3 个情境（如‘外壳划痕检测’‘零件尺寸测量’‘OCR 识别’），换个角度看，往细里说，运行层面，从实践看，按照评分说明给每个情境打分（如划痕检测痛点 4 分、落地难度 2 分，实操中，具体来看，价值 4 分）。”

n “第二步：计算每个情境的总分（划痕检测 4+4-2=6 分，实操中，实操中，运行层面，就一线经验说，尺寸测量 3+3-3=3 分，OCR 识别 2+2-1=3 分）。”

n “第三步：按照总分排序，执行层面，确定‘外壳划痕检测’为优先落地情境，实操中，从实践看，说明依据（‘痛点最突出，落地难度低，价值高’）。”

²

授课方式

：

4-5 人 / 组碰头（7 分钟）+ 3 组代表分享（各 1 分钟）+ 讲师点评（2 分钟，结合富士康整体数智化方略，在实际应用里，实操中，补充情境调整建议）

单元五：视觉项目落地路径和施行办法

5.1 核心主题：掌握 “从 0 到 1” 的落地流程

-

借鉴华为项目管控办法论

5.2 从业务诉求到视觉方案规划

²

要害内容

：

n

诉求调研：用华为

“诉求五问法”：

u

问痛点（

“当前人工检测的具体问题为何？量化资料？”）；

u

问标的（

“AI 要达成什么成效？如漏检率≤1%”）。

u

问约束（

“预算，周期、系统衔接诉求？”）。

u

问干系人（

“产线，质检、IT、采购谁参与？职责为何？”）；

u

问隐患（

“资料不足，在实际应用里，部门协同不畅怎么办？”）。

n 方案规划核心输出物：

u 诉求拆解报告（需管人者签字，实操中，换个角度看，落地时，防止后续诉求变更）。

u

技艺方案（硬件选型、软件抓手、部署模式，需

IT 部门审核兼容性）；

u

预算表（分硬件

60%-70%、软件 15%-20%、施行 10%-15%，实操中，换个角度看，华为建议预留 10% 应急预算）。

n 华为方案评审准则：

u 诉求匹配度（是否破解核心痛点）。

u 技艺可行性（硬件软件是否适配）；

u 成本合理性（预算是否在合理范围）。

u 落地可能性（周期是否可控）。

²

授课方式

：华为

“诉求五问法”（3 分钟）+方案输出物示例（2 分钟）+讲师解说（5 分钟）

5.3 资料采集和标注，模型精进、系统集成

²

要害内容

：

n

资料采集要点：

①样本覆盖性（含正常样本，执行层面，在实际应用里，所有类型不良样本，往细里说，如划痕需覆盖不同长度，角度，位置）；②环境一致性（和产线实际光照、拍摄角度一致，华为某项目因采集光照不同，模型误判率高，返工 2 周）；③资料量（传统方案需 50-100 张，在实际应用里，执行层面，深度研习需 200-500 张标注样本）。

n 模型精进打法：

u

先精进资料（补充标注样本、修正标注错误，华为某项目补充

100 张样本，精度从 92% 升至 99.2%）；

u 再调整模型参数（防止盲目用复杂模型）；

u 小步迭代（每轮训练后在产线试点，就一线经验说，执行层面，收集反馈）。

n 系统集成流程：

u 硬件安装（协调装置部门预留空间、电源、网络）。

u

软件对接（

IT 部门负责和 “云之范” API 对接）。

u

调试（先单机调试，再联机调试，在实际应用里，华为建议预留

2 周缓冲期）。

²

授课方式

：资料采集规范（

2 分钟）+ 模型精进流程图（2 分钟）+ 集成时序图（2 分钟）+ 讲师解说（4 分钟）

5.4 成效评核，持续精进和华为实例

²

要害内容

：

n 成效评核指标：

u 技艺指标（检测准确率，误判率、响应时间）。

u

业务指标（成本节省（减少的人工

+ 返工成本），效率拉升（检测速度拉升百分比），不良品率下降幅度），落地时，华为用《项目成效评核表》量化对比标的值和实际值。

n 持续精进闭环：

u

每月复盘资料（拆解不良品类型变化，就一线经验说，换个角度看，如新增

“外壳色差”，具体来看，补充样本训练模型）；

u 每季度迭代模型（融入新情境资料）。

u

每年精进流程（如将

AI 检测工位前移，更早拦截不良品）。

n

华为电子公司

AOI 实例（对标富士康）：

u

来由（人工检测屏幕缺陷，漏检率

10%，日都返工成本 5 万）

u

落地流程（

2 周诉求→1 周方案→3 周资料→2 周调试→2 周试点→1 个月推广）

u

成效（漏检率

0.8%，年节省成本 1800 万，回收周期 8 个月）。

²

授课方式

：评核表示例（

2 分钟）+ 精进闭环图（2 分钟）+ 实例时间轴（3 分钟）+ 讲师解说（3 分钟）

5.5 小组碰头 5：富士康 AI 视觉项目诉求调研实战（10 分钟）

²

碰头主题

：针对优先落地情境（如外壳划痕检测），运行层面，在实际应用里，用华为

“诉求五问法” 完成诉求调研表，明晰痛点，标的，约束等等核心资讯

²

抓手支撑

：

n

华为

“诉求五问法” 调研表

（纸质版，就一线经验说，具体来看，含

5 列：问题，回答（需量化）、支撑资料、责任人，隐患化解）

²

带出话术

：

n “第一步：回答‘痛点为何’，实操中，需量化（如‘外壳划痕人工漏检率 12%，往细里说，换个角度看，每月返工 500 件，落地时，实操中，就一线经验说，单件返工成本 100 元，月损失 5 万’），往细里说，从实践看，实操中，实操中，附上‘近 3 个月返工资料’支撑。”

n “第二步：回答‘标的为何’，从实践看，换个角度看，用 SMART 要则（如‘AI 检测漏检率≤1%，换个角度看，从实践看，在实际应用里，从实践看，检测速度从 20 件 / 小时拉升至 200 件 / 小时，就一线经验说，执行层面，3 个月内上线’）。”

n “第三步：回答‘约束为何’，明晰预算（如‘单工位预算≤8 万’）、周期（‘3 个月内上线’）、系统衔接（‘需对接云之范，实时上传不良品资料’）。”

²

授课方式

：

4-5 人 / 组碰头（7 分钟）+ 2 组代表分享（各 1.5 分钟）+ 讲师点评（1.5 分钟，补充诉求细化建议，如 “明晰‘划痕’的定义：长度≥0.1mm、宽度≥0.05mm 才算不良”）

单元六：实战工作坊：视觉情境识别和方案规划

6.1 核心主题：输出 “可落地的方案轮廓”

-

用华为抓手模板，还原真实立项情境

6.2 分组实战：基于富士康产线情境规划视觉运用方案

²

要害内容

：

n

实战差事：每组针对

“优先落地情境”（如外壳划痕检测），运行层面，完成《AI 视觉项目方案轮廓》（含 5 个核心模块），往细里说，执行层面，1 小时内输出纸质版轮廓，落地时，准备呈报。

n 方案轮廓模块以及要求：

u

诉求拆解：含痛点（量化）、标的（

SMART 要则）、约束（预算 / 周期 / 系统），参考华为 “诉求五问法” 调研表。

u

技艺方案：硬件选型（相机

/ 光源 / 工控机型号、成本）、软件抓手（如 Halcon）、部署模式（边缘 / 云端）、和 “云之范” 衔接推演（如 “AI 检测资料实时上传至云之范，生成不良品报表”）。

u

预算表：分硬件、软件、施行、应急（

10%）四类，列出明细以及总金额（参考华为成本模板）。

u

落地规划：分阶段时间节点（诉求调研、方案规划、资料采集、集成调试、试点、推广），执行层面，明晰每个阶段的责任人、输出物（如

“诉求调研阶段：责任人张三，输出诉求报告”）。

u

隐患化解：列出

3 个核心隐患（如资料不足、系统对接失败、产线配合度低），对应破解措施（如 “资料不足：联合质检部门，1 周内采集 300 张样本”）。

n 抓手支撑：

u 华为《方案轮廓模板》（纸质版，往细里说，含每个模块的填写说明，示例）

u 华为抓手包（成本模板、隐患矩阵、甘特图模板）

u 业界参考资料（硬件成本，部署周期）。

²

授课方式

：发放模板和抓手包（

5 分钟）+ 讲师解说差事要求（5 分钟）+ 小组实战（40 分钟，具体来看，讲师巡场指导，针对 “预算估算”“隐患识别” 提供个性化建议）

6.3 每组呈报 + 讲师点评

²

要害内容

：

n 呈报要求：

u

每组派

1 名代表，落地时，往细里说，用 5 分钟解说方案核心

（重点讲

“痛点 - 技艺路径 - 预算 - 落地规划”）

u

回答

“为何选这个技艺方案”“怎样确保 3 个月内上线” 2 个核心问题。

n 点评维度（华为方案评审准则）：

u

诉求匹配度：是否破解优先情境的核心痛点，标的是否量化（如

“漏检率≤1%” 是否明晰）。

u

技艺可行性：硬件软件选型是否适配情境（如

“0.1mm 划痕选 200 万相机是否合理”），在实际应用里，是否考虑和 “云之范” 衔接。

u

成本合理性：预算估算是否符合业界准则（如

“单工位 7.3 万是否在 8 万预算内”），落地时，落地时，是否预留应急资金。

u

落地可能性：时间节点是否合理（如

“2 周完成资料采集是否可行”），隐患化解是否具体（如 “资料不足的破解措施是否有责任人”）。

n

点评流程：每组呈报后，讲师先肯定优点，往细里说，再指出

1-2 个可精进点（如 “预算表漏了‘资料标注成本’，需补充 0.5 万”），并提供华为类似项目的精进实例参考。

²

授课方式

：

3 组呈报（各 5 分钟，换个角度看，共 15 分钟）+ 讲师逐组点评（各 3 分钟，从实践看，共 9 分钟）

6.4 常见误区和化解打法、跨部门协同制度

²

要害内容

：

n 方案规划典型误区：

u

误区

1：标的模糊（如 “拉升检测效率” 未量化）→ 化解：用华为 SMART 要则细化（如 “检测速度拉升 10 倍”）。

u

误区

2：忽视系统衔接（未考虑和 “云之范” 对接）→ 化解：方案中新增 “系统对接章节”，具体来看，明晰接口要求，需 IT 部门签字确认。

u

误区

3：预算漏项（未算资料标注、后期维护成本）→ 化解：用华为预算模板，确保覆盖 “硬件 + 软件 + 施行 + 资料 + 维护” 五类成本。

n

华为跨部门协同制度（

RACI 责任分配矩阵）：

u R（负责）：技艺队伍（负责方案落地）、产线队伍（负责提供资料、试点配合）。

u A（批准）：部门管人者（审核预算、诉求变更、成效评核）。

u C（咨询）：IT 部门（系统对接咨询）、质检部门（标注准则咨询）。

u I（知情）：采购部门（采购诉求知情）、财务部门（成本和收益知情）。

n

协同抓手：华为

“跨部门周例会”（同步进度、破解难题）、共享文档（实时更新方案版本，防止资讯差）。

²

授课方式

：误区

- 化解对照表（3 分钟）+ RACI 矩阵表（2 分钟）+ 讲师解说（6 分钟）

单元七：收束和赋能（总时长

40 分钟）

7.1 核心主题：巩固要害学识，明晰 “培训后怎样行动”，促成组织信念适配

7.2 培训内容回顾

²

要害内容

：

n

认知层面：

AI 视觉是 “破解业务问题的抓手”，核心价值是降本、提质、提效；技艺路径选型需匹配情境（传统 vs 深度研习），就一线经验说，不盲目追先进。

n 决策层面：用华为抓手（痛点矩阵、选型矩阵、诉求五问法）筛选痛点、做技艺选型、写诉求调研，具体来看，实操中，确保决策有资料支撑。

n

落地层面：按照华为

“五步法” 推进（诉求→方案→资料→集成→评核），重点关注资料质量、系统衔接，往细里说，成效量化。优先落地 “高痛点、低难度、高价值” 情境。

n

组织层面：跨部门协同用

RACI 矩阵明晰责任，往细里说，从实践看，促成 AI 信念需 “高层宣导 + 实例沉淀 + 全员培训”，在实际应用里，具体来看，激励用 “专项奖金 + 晋升倾斜”。

²

授课方式

：思路导图（核心学识轮廓，运行层面，在实际应用里，运行层面，落地时，就一线经验说，实操中，

5 分钟）+ 讲师提炼要害词（3 分钟）+ 参训者交流（“一句话收束今天最大的收获”，具体来看，落地时，执行层面，从实践看，2 分钟）

7.3 AI 视觉技艺演进趋势和富士康机遇

²

要害内容

：

n

未来

1-3 年趋势：

u

多模态融合（视觉

+ 红外，检测手机内部发热缺陷；视觉 + 力控，就一线经验说，拉升组装精度）。

u

轻量化模型（边缘端小模型，降低工控机成本，字节跳动已推出体积减少

70% 的工业模型）；

u

全流程智能化（从

“检测” 延伸到 “预测性维护”（借助视觉资料预测装置故障），往细里说，“工艺精进”（拆解缺陷资料精进加工参数））。

n 富士康机遇：

u

短期（

1 年内）：从 “手机零组件检测” 切入，优先落地外壳划痕、零件尺寸情境，迅速见成效；

u

中期（

1-2 年）：拓展到 “组装定位，AGV 导航”，具体来看，达成 “检测 - 组装 - 运输” 自动化。

u

长期（

2-3 年）：结合 “云之范” 系统，达成全产线 AI 视觉覆盖，换个角度看，具体来看，输出 “智造标杆” 心得。

²

授课方式

：趋势图谱（

3 分钟）+ 富士康机遇时间轴（2 分钟）+ 讲师解说（5 分钟）

7.4 组织中促成 AI 视觉信念建设和华为激励措施

²

要害内容

：

n

华为

AI 信念建设三步骤：

u

高层宣导：管人者在部门会议中分享

AI 实例（如 “某产线用 AI 省 50 万”），实操中，落地时，就一线经验说，在实际应用里，传递 “技艺赋能业务” 理念，往细里说，实操中，防止 “技艺无用论”。

u

实例沉淀：将试点成功的项目整理成

“内部实例库”（含痛点，方案、成效），在实际应用里，就一线经验说，供其他产线参考（华为内部有 “AI 项目实例墙”，换个角度看，每月更新）。

u

全员认知：对产线员工做

“AI 基础培训”，在实际应用里，强调 “AI 是辅助抓手，不是替代人”（如人工仅处理 AI 标记的疑似不良品），减少抵触情绪。

n

华为激励措施（促成员工参与

AI 项目）：

u

项目激励：按照项目收益的

5%-10% 发放专项奖金（如某项目年省 100 万，奖金 5-10 万），队伍都分。

u

晋升倾斜：将

“主导 AI 项目落地” 纳入管控岗晋升考核指标（如 “主导 1 个 AI 项目，优先晋升”）。

u

荣誉认可：评选

“AI 革新队伍”“AI 运用先锋”，在公司内刊、宣传栏宣传，拉升队伍积极性。

n

富士康适配建议：结合现有

“生产奖金架构”，增设 “AI 项目专项奖”。将 AI 项目心得纳入 “干部考核 KPI”，就一线经验说，运行层面，占比 10%-15%。

²

授课方式

：华为信念建设流程图（

2 分钟）+ 激励措施清单（2 分钟）+ 讲师解说（5 分钟）

7.5 问答和交流，执行层面，后续资源对接

²

要害内容

：

n 针对性答疑：

u 解答参训者剩余疑问，就一线经验说，执行层面，

（如

“资料不足时怎样迅速采集？”“和云之范对接的具体流程为何？”）

u

结合华为

/ 字节心得提供实操建议（如 “资料不足：用‘小样本预训练模型’+‘人工合成资料’，往细里说，具体来看，换个角度看，从实践看，1 周内凑齐 300 张样本”）。

n 后续支撑资源：

u 抓手包：华为《诉求五问法模板》《硬件选型核查表》《方案轮廓模板》《预算模板》（电子版，落地时，从实践看，执行层面，课后发送）。

u

实例库：华为

AI 视觉制造业实例，富士康同业界实例（定期更新，每月分享 1 次）。

u

讲师支持：

1 个月内免费提供 “方案精进答疑”（微信 / 电话），协助破解落地中的问题。

n 行动倡议：

u 1 周内：确定本部门 “优先落地情境”，组建 “AI 项目小组”（含产线、质检、IT 人员）；

u 2 周内：完成诉求调研，输出《诉求报告》；

u 1 个月内：基于本次实战方案，精进形成《AI 视觉项目立项提案》，提交公司决策层。

²

授课方式

：开放式问答（

5 分钟）+ 资源清单展示（2 分钟）+ 行动倡议（3 分钟）

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|李檀老师