在工业生产制造的过程中,为了降低产品的不合格率,通常产品在出厂之前都需要经过严格的检测,而随着对于产品精度要求的不断提高,单纯靠人工的肉眼检测已无法满足需要,传统机器视觉检测技术以其精确度高、成本低的优势在工业领域中得到了推广和应用,但有一些无法量化指标的缺陷,仍无法用传统的视觉检测技术替代人工检测,因此引入了基于深度学习的视觉检测算法,通过对视觉检测模型进行产线数据的训练,来进行分拣,用以替代人工和传统的视觉检测技术。在上述制造型企业中的AI视觉检测项目中,由于大多数专于生产制造的企业在算法研发方面储备不足,AI等新技术更新迭代较快,与其他项目相比,项目过程中的需求变化更为频繁。若不能对视觉检测项目较好地进行范围管理和范围控制,则极易出现项目范围蔓延,导致项目失败,从而致使企业无法进行智能化转型。本文针对AI视觉检测系统开发项目,通过文献探讨与案例分析,主要针对该项目中的点焊检测子项目的范围管理进行研究,通过复盘项目范围管理的整个过程,结合项目范围管理的理论和方法,包括如何收集需求、明确需求、定义范围、控制范围,总结了 AI视觉检测项目范围管理过程中容易出现的问题并给出了对应的解决方案。后续的网布检测项目中,利用该解决方案对项目流程进行了优化,并取得了良好效果,优化过程对制造型企业的技术攻关项目也可以起到一定的参考作用。