.png)
小模型强绑定场景
传统方案围绕单一产品、单类缺陷和工艺参数构建，难以迁移到新场景。
工业质检技术：从单场景定制建模
迭代至通用底座小样本快速适配
基于视觉语言大模型的通用工业 AI 质检平台，面向汽车内饰件、零部件和复杂外观检测场景，以更少标注、更快适配和更强泛化支撑制造企业质量升级
联系我们 →从“项目定制”迈向“标准产品”
传统视觉质检在多品类、多缺陷场景下复制成本高
长尾缺陷难覆盖
外观瑕疵通常包含细微边界、低频样本和语义差异，只依赖规则难以完整识别。
质检链路难闭环
图片、批次、点位、复核、报告和整改记录分散，难以支撑质量运营。
以 VL 大模型泛用性，覆盖更多工业质检问题
平台将图像特征、缺陷样本和 PROMPT 规则统一封装处理，让系统不仅识别像素，还理解缺陷语义、位置和判定逻辑
低数据标注量，不再为每个缺陷重做一套模型
通过“标准图 + 少量缺陷样本 + Prompt 规则”即可启动验证，减少逐缺陷大量框选标注与长周期训练投入
标准图
定义合格样件、色差角度和质检边界。
缺陷样本
沉淀典型缺陷图像，快速识别和复核。
Prompt 规则
以自然语言描述缺陷口径、等级和判定策略。
现场回流
人工复核结果持续进入样本库。
项目成果已在国内汽车零部件头部厂商完成闭环验证
围绕汽车内饰件的外观与装配质量问题，平台已跑通任务创建、多视角采集、AI 初检、人工复核、结果提交、检测记录及质检报告等核心链路，为后续向多内饰件、多工位规模化复制奠定基础。
覆盖典型内饰件
覆盖门板包覆件、扶手箱皮面、仪表台饰条、顶棚卡扣等不同材质与表面形态的内饰件，支持从抽检到全检的灵活作业方式。
识别多类复杂缺陷
支持对划伤、脏污、褶皱、开胶、鼓包、色差、错漏装等缺陷进行图像与质检语义联合识别。
形成件级追溯闭环
以零件编号作为唯一 ID，关联批次、任务、图片、AI 判定、人工复核、缺陷框及修改记录，实现全过程可追溯。
从 AI 检测到质量管理，构建完整产品闭环
不是单点算法展示，而是贯穿现场检测、质量判定、数据追溯与管理闭环的一体化工业 AI 质检平台
检测执行
任务选择、拍照检测、多视角采集、AI 初检、人工复核。
缺陷管理
缺陷字典、样本图片、等级和置信度维护。
任务判定
批次任务、点位检测、任务状态、结果提交和放行。
检测记录
按零件编号追溯图片、缺陷、判定和人工修改。
质量监控
质检总量、合格率、缺陷趋势、异常预警和排行。
质检报告
日报、周报、批次质量统计和 Excel 报表导出。
配置分析
相机管理、工位绑定、视角配置和设备状态刷新。
持续优化
复核样本回流，模型与质检标准持续迭代。