大模型助力工业质检，效率和准度双提升30%

场景描述

在主体产线和设备实现一定程度数字化的基础上，冠捷一直在寻找能够解决其传统屏幕质检难题的好方案。但屏幕缺陷检测不同于其他流水线的常规检测，其价值在于保证良品率，即有缺陷必返工，因此质检工作的高要求就体现在对缺陷的精准识别：最关键的是不放过一个缺陷，其次是不误判一个良品。

传统质检往往以人力为主，不仅消耗人力，且质检结果受人为因素影响。而尽管AI质检早有先例，让AI模型学习残次品不同的缺陷，在质检中如果遇到了同一类缺陷即可检出坏品。但这种方案同样存在局限，因为实际生产场景中缺陷品毕竟是少数，用于模型训练的数据收集较为困难，模型训练周期非常长，甚至可能需要3-6个月的时间，这显然跟不上当今的“智造速度”。

解决方案

联想研究院人工智能实验室推出基于自研工业质检基础大模型的边缘大脑AI小样本终身学习质检平台。仅需少量正常样本，即可快速建模去识别产品异常，在一些场景中甚至不需要训练就可以直接进行质检推理。同时，该方案具备泛化能力和成熟的工具套件，使其能快速适应多种产品和生产线，提供精准高效的质检，显著提升检测效率并降低人工成本与误检率。

成效

应用该方案后，冠捷质检效率与准度提升30%；在屏幕、螺丝等质检场景，客户质检UPH（Units Per Hour，每小时的生产单位数）可达300台/小时，生产效率最高提升150%，至多节省80%的质检人力成本，且能进行7×24小时的持续质检。