一、PCB测量计数是怎么实现的？
PCB（印刷电路板）生产与SMT贴装环节，最常见的视觉需求有两类。
1、计数：识别并统计画面中目标物体的数量。典型场景包括来料检验时核对螺丝、电容、芯片等元件的数量，一板PCB上的孔位数量验证，以及产线上下料时的件数清点。看似只是"数数"，实际难点在于目标可能重叠、大小不一、光照不均——传统模板匹配算法在目标密集排布时极易漏计、重计。
2、测量：在设定范围内测量元件的直径、角度、宽度、间距、面积等图像特征，用于来料检验、装配对位和工艺追溯。测量类应用对稳定性的要求比计数更高，因为轻微的反光、色差波动都可能被放大成尺寸读数的漂移。
过去解决这两个问题，行业惯例是"工业相机 + 光源 + 工控机 + 视觉软件"分开选型、单独调试。这套架构的问题不只是贵：相机、镜头、光源之间的匹配需要经验，视觉软件要专人编程调试，集成周期动辄数周，后期换产品还要重新找供应商改程序。对大量中小电子厂来说，这构成了视觉检测落地的一道隐形门槛。
国产视觉传感器的思路是把这些环节集成进一台设备。以东集SEV400为例，它是一台"相机+光源+工控机"三合一的智能视觉传感器，内置6~12 Tops算力，搭载130万图像传感器，集计数、有无、定位、测量、OCR识别等多种视觉检测功能于一体——接线、拍摄、训练，就能出检测结果。集成化砍掉的不是功能，而是选型、调试和编程这三段最消耗工程师时间的流程。
二、SEV400实现PCB计数：5张样本，3-5分钟训练
这是SEV400在PCB场景里被验证最多的一类应用：PCB板螺丝零件有无检测与计数。
实际操作流程只有四步：相机拍摄（配置相机触发、通信图像参数，设备自带光源，无需另配打光方案）→ 注册基准（配置基准图像，确定检测基准位）→ 追加工具（配置工具块，选计数、测量、有无等工具）→ 输出设定（配置方案输出参数，结果直出PLC/MES）。
关键在于AI加持的小样本训练：仅5张样本，3-5分钟即可在线完成图像中单个/多个目标的注册训练，实现目标的精准识别、定位与计数。
这5张样本、5分钟背后，其实藏着一条技术路线的分野，值得展开说说。传统视觉方案做计数，依赖的是人工提取特征——设定灰度阈值、调形态学参数、设计匹配模板，换一种元件就要重调一轮，且对光照变化非常敏感。而基于深度学习的方案虽然效果好，却需要几百上千张标注图片，数据准备本身就是一笔隐性成本。SEV400的路径介于两者之间：用极少量样本（不到10张）快速训练AI检测模型，训练1-5分钟即可覆盖AI分类、AI检测、OCR识别三类功能。落到产线上，换型时操作工自己拍照注册就能完成切换，不需要等算法工程师排期。
小样本训练的价值不止于PCB计数。官方实测中，8种规格的汽车轮毂，每种类型仅需5张图像，训练1-3分钟，单次检测时间300ms。轮毂与PCB看似不相干，但底层逻辑是相通的：只要目标特征在图像中占比够明显，"小样本+快速注册"就能快速复用——PCB多板型识别、多规格元件分类，都是同样的打法。
三、PCB测量：不只是"数一数"
计数之外，SEV400在测量维度覆盖了PCB及电子制造场景的高频需求，而且这些工具可以在同一方案内叠加使用：
尺寸测量方面，可测量直径、角度、宽度、间距，适用于元件共面性抽检、焊盘间距核对等场景；定位修正方面，可即时修正目标物品的位置偏差，配合贴装、装配工序做视觉对位——先定位再检测，也是应对来料位置波动导致误检的标准做法。
有无检测负责判断区域内是否存在目标物体，防漏装、错装，是装配线防呆的基础能力；方向/正反面检测则解决更细的问题：通过PCB阻焊、丝印、定位孔、缺口等特征区分正反面，识别电容方向、LED方向、芯片正反面。这类"方向防呆"在人工目检时代是出错重灾区，恰恰是视觉传感器性价比最高的替代场景。
值得一提的是，工具之间是组合关系而非互斥关系。比如一个工位上可以同时配置"定位→计数→有无→OCR"的链路：先定位修正位置，再计数核对数量，再做有无判断兜底，最后读丝印字符做追溯——一台设备完成过去需要多套系统的活。
四、为什么"国产"方案现在能打？
很多工程师对国产视觉传感器的印象还停留在"能用但不好用"。判断一台视觉传感器是否成熟，OCR、定位抗干扰和AI泛化能力是三块试金石，SEV400背后的数据值得一看。
OCR能力。采用自编码器与注意力机制网络，OCR准确率达99.9%，支持L3级字符及点阵识别，兼容蚀刻、压印、喷墨、印刷、激光雕刻等多种字体；单行字符识别时间低于40ms，全图字符定位时间≤130ms。PCB丝印、包装喷码、金属雕刻字符这类传统OCR的"劝退场景"，直接受益于这套强自适应算法。
模板匹配抗干扰。即使在10%低对比度环境下依然精准识别，定位精度达亚像素级（1/16像素）。PCB上有反光焊盘、深色阻焊层、丝印干扰，低对比度下的稳定定位是测量精度的前提——定位漂一个像素，尺寸读数就可能差之毫厘。
AI分类与缺陷检测。仅需3-5张样本即可完成训练，训练时间控制在5分钟以内；图像占比超30%的特征，分类准确率达99.9%。缺陷分割方面，每类缺陷仅需3-5张样本，能识别不同位置和轻微形态差异的缺陷。更激进的是无监督缺陷检测模式：只凭一张OK样本学习，就能识别异常（NG）样本——对"缺陷种类说不清、NG样本攒不够"的产线，这几乎是为痛点量身定做的方案。
算法底座是配套的SEVision视觉算法平台，涵盖200+传统算子与AI算子，支持PC在线训练。传统算子负责高节拍、确定性强的常规检测，AI算子负责复杂背景、形态多变的难题，两条腿走路，这也是目前工业视觉的主流技术路线。
五、什么场景适合选SEV400？
结合官方典型应用，如果你在做这些事，可以直接对号入座：
1、电子制造：元件缺陷与位置检测、PCB元件计数与有无核对、连接器端子方向识别——这是SEV400的主场；
2、包装追溯：三期码识别校验，如药盒三期码检测要求150ms内完成，强节拍场景也能扛住；
3、外观质检：划痕、凹坑、脏污、毛刺、色差、变形等瑕疵检测，配合无监督模式可以覆盖缺陷种类难以穷举的场合；
4、字符识别：复杂工件表面OCR识别，如空调压缩机定子雕刻字符、锂电池顶盖二维码配套字符校验。
硬件搭配上，单一检测需求1台SEV400即可独立完成；多工位、多功能集成场景，可以用"SEV400智能相机 + X4 AI读码器"的组合。一个参考案例是汽车油冷却器检测项目：需求包括垫圈有无检测、码识别、上下相机拍照流档，难点在于打码质量不统一，且客户要求多种功能一体化集成——最终以1台SEV400智能相机搭配1个X4 AI读码器，用"AI解码+传统检测工具"的混合策略完成交付。这个案例的思路对PCB产线同样适用：把AI用在打码质量不可控的读码环节，把确定性强的有无、计数交给传统工具，各干各的强项。
六、常见问题（FAQ）
Q：不会编程，能用起来吗？
A：可以。SEV400采用引导式界面，"相机拍摄→注册基准→追加工具→输出设定"四步走，全程可视化指引，无需培训即可掌握操作要领，设备工作状态一目了然。
Q：AI训练需要多少样本、多久？
A：不到10张图样即可完成AI检测模型训练，训练1-5分钟，覆盖AI分类、AI检测、OCR识别三类功能；部分场景3-5张样本即可。
Q：计数和测量能同时做吗？
A：能。计数、测量、有无、定位、读码、OCR等工具集成于一体，同一方案内可叠加多个工具块，按"定位→检测→输出"的顺序组合成完整检测链路。
Q：算力够跑AI模型吗？
A：设备内置6~12 Tops算力，AI推理在设备端完成，不依赖外部服务器，检测延迟可控，也规避了产线数据外传的问题。
Q：光源需要另外选型吗？
A：不需要。SEV400为相机、光源、工控机一体化集成设计，开箱即可部署，省去打光调试环节。