机械、电气、视觉、软件四个方向由自有团队承担，核心环节不外包。
定位、测量、缺陷检测、字符与条码识别。用的都是成熟算法工具：模板匹配、亚像素边缘、Blob 分析、卡尺测量与几何拟合。工具本身不稀奇，难的是针对具体缺陷选对组合，并把它调稳。
弱对比、随机纹理、形态不固定的缺陷，传统算法把规则写到崩溃也覆盖不全。这类场景改用深度学习：先标注样本，再训练与验证集评估，最后到现场部署并持续迭代。
自研 ZINYA-VISION 免编程平台，几百种图像处理工具自由组合，产线自己能改参数；平台覆盖不到的工艺做定制开发，含与 PLC、机器人、MES 的数据接口。
成像不行，算法再好也白搭。相机、镜头、光源与控制器选型，加上实际打光验证，把「拍不清楚」这件事挡在方案阶段，而不是等设备做出来才发现。
拿到产品图、材质、精度要求与目标节拍，逐项确认检测内容与判定标准。
用真实样件（含不良品）在实验室试打光，确认缺陷能不能稳定拍出来。
在验证图像上跑算法，先看检出率与误判率能不能达到要求，再谈设备。
输出布局方案、动作时序与节拍核算表，明确这台设备能不能达到产能要求。
机械结构、电控成套、视觉软硬件同步设计，接口在图纸阶段就对齐。
厂内完成联调与试跑，邀请客户到厂按技术协议指标做预验收。
进场安装、试产验证与培训；上线后按实际生产数据继续优化参数与模型。
视觉项目失败的常见原因不是算法不行，而是成像不行。等设备做出来才发现「拍不清楚」，返工代价是整个光学系统重做。
所以我们在报价之前就要求看样件。样件能稳定成像、算法能达标，方案才有意义；做不到就直说做不到，不做无法落地的承诺。
做一轮打光与算法验证，只需要下面这些东西：
下面这些条件是我们敢先验证再承诺的底气。
实验室配备丰富的视觉硬件与软件平台，可现场完成光学方案与视觉软件评估，不必等设备到厂才验证成像效果。
工业相机、工业镜头、视觉光源与光源控制器随时可取用试打光，不同方案之间可以直接对比，不用凭经验猜。
验证用的是带缺陷的真实样件，不是只有良品的理想测试。检出率与误判率都基于实际样本统计，不靠估算。
ZINYA-VISION、深度学习框架与主流商用视觉软件都在用。工具按场景选，不绑定单一平台。
手机模组 AG 在线检测设备、全自动异型插件设备等已取得软件著作权；高清度双工位辅料贴合设备、手机壳外观及尺寸检测设备、高精密软对硬贴合设备等为专利产品。
电气原理图、I/O 点表、PLC 源程序（含注释）与上位机工程随设备一并交付，后期维护与产线扩展不受制于人。
