2025制造业AI应用场景案例研究报告：质量检测篇

质量检测篇 12025年6月 前言 制造业作为国民经济的支柱产业，其发展水平直接关系到国家的综合实力与竞争力。随着市场竞争的日益激烈和消费者需求的日益多样化、个性化,传统制造业面临着前所未有的挑战,如生产效率提升瓶颈、产品质量不稳定、成本控制难度增大等问题。人工智能(AI)技术正以前所未有的速度重构产业格局。作为新一轮工业革命的核心驱动力,AI通过其强大的数据处理能力、自学习算法和场景化应用，为制造业注入了前所未有的活力。 质量检测环节作为制造业生产流程中的关键环节,直接决定了产品的合格率与市场口碑。传统的质量检测方法往往依赖人工检验或简单的仪器测量,存在检测速度慢、精度低、易受主观因素影响等缺点。而AI技术在质量检测领域的应用,如基于深度学习的机器视觉检测系统,能够对产品的外观、尺寸、性能等多方面进行高精度、高速度的检测,即使是微小的瑕疵也难以逃脱其“法眼”，大幅提升了质量检测的效率与准确性。此外,AI还能够通过对历史检测数据的学习与分析,不断优化检测模型,实现质量检测的持续改进与智能化升级,为制造业企业提供更精准、更高效、更具前瞻性的质量管控解决方案。 在此背景下,本报告聚焦AI技术在制造企业质量检测环节的应用。通过分析多个实际应用案例，深入探讨AI技术如何借助深度学习、图像识别大数据分析等手段,解决传统质量检测中的痛点问题,为制造企业引入AI技术提供参考,助力其提升经济效益与产品质量。后续，,我们将推出系列报告，继续探讨AI技术在研发设计、生产管控、供应链物流、营销服务等环节的应用，敬请持续关注，与我们共同探索AI为制造业带来的无限可能。 目录content AI在制造业质量检测环节应用概况01 二 AI在制造业质量检测环节应用案例02 ·案例1：舍弗勒汽车轴承AI视觉检测02·案例2：某国际汽车零部件企业电驱动产品质量检测05·案例3：国内某汽车主机厂密封胶涂胶检测07·案例4：华赢新材利用AI打开硅钢外观质检黑箱09·案例5：基于AI的交流继电器产品异音检测11·案例6：佛吉亚汽车座椅电动调高器异音检测13·案例7：中韩石化基于“机理+AI”模型的质量预测15 三 AI质量检测的实施步骤 17 结语 19 附 案例表 20 一、AI在制造业质量检测环节应用概况 根据工信部发布的《智能制造典型场景参考指引(2025）》，智能制造在质量检测环节的典型场景为在线智能检测，即面向质量数据采集、分析、判定等业务活动，针对检测效率低、响应慢、一致性差等问题，构建在线智能检测系统，应用智能检测、物性表征分析、机器视觉识别、参数放行等技术，实现产品质量在线快速识别判定，提升检测效率和及时性。 在细分应用场景方面，基于检测的缺陷类别差异，可以划分为外观缺陷检测、装配质量检测、功能性能检测、异音异响检测、尺寸公差检测以及成分物性检测。这些场景涵盖了从生产前端到后端的主要检测环节,AI技术依托其卓越的数据分析与模式识别能力，正成为突破各环节检测痛点、提升质量管控效能的关键技术支撑。 本报告共梳理了7个案例,涵盖AI技术在外观缺陷检测、尺寸公差检测以及异音异响检测等细分场景的应用，包括汽车轴承外观检测、汽车电驱动工序缺陷检测、汽车密封胶涂胶检测、硅钢表面缺陷检测、继电器产品异音检测、汽车座椅电动调高器异音检测以及聚烯烃产品质量预测，以期通过这些案例的呈现，为制造企业提供可参考的实践。 二、AI在制造业质量检测环节应用案例 》案例1：舍弗勒汽车轴承AI视觉检测 1企业痛点： 舍弗勒是德国著名的汽车零部件企业，其汽车轴承产品型号多、尺寸范围大、缺陷种类超过20种,企业此前采用传统视觉技术+人工的方式检测，但遇到了较高的产品质量风险： (1)缺陷种类覆盖有限,传统视觉技术无法对所有缺陷实现100%的外观检测;(2)质检工人的检测水平不稳定,频繁发生客诉,再加上人员流动性高,用人成本不断攀升。 I需求分析： (1)建立算法、软件、设备一体化检测系统,机器智能检测替代人工检测,实现100%全检;(2)根据舍弗勒生产现场的实际情况,方案要满足缺陷检出率>95%、过检率≤5%、处理速度≤0.2秒/片的需求。 I解决方案: 舍弗勒联合思谋科技，依托思谋ViMo智能工业平台，搭建了基于AI的轴承智能检测方案,涵盖算法、软件、硬件等。光学整体方案采用站立式旋转拍照,采用“主动+从动双轴模式”模式，既能解决轴承OD(OuterDiameter,外径)面平放成像时造成的像素失真、产品打滑的问题,又能避免混入杂质造成二次污染,从而高精度100%呈现缺陷大小、尺寸等信息，保证检测的稳定性。 算法与模型方面，采集的数据通过集成在工业电脑中的思谋智造超脑进行数据处理，其采用多任务模式将OCR、检测、分割等定制化算法进行融合，形成了一个专门用于轴承检测的算法库。此外,由于缺陷形态多样、面积差异大,方案采用多分辨率结合的分割模型,即在模型中保持一个高分辨率的分支，并将其与不同低分辨率分支的特征进行融合与交互，以适配不同的缺陷形态。 模型训练方面，方案采用思谋自研SMAP训练框架，训练过程使用半精度和全精度结合的混合精度方案，即大部分模型使用半精度，对于-一些敏感部分使用全精度。这种混合精度训练方式可以将速度和精度的平衡达到最优,在系统部署时能达到最快运行速度,并且不会有精度损失。 数据展示方面,设备的检测数据(图片、检测结果、缺陷类型等)会实时上传到思谋SMoreVimo平台进行AI模型训练，处理后的数据通过平台数据服务器进行数字化看板展示,为产品质量管理提供数据支撑。 1价值成效： ·检测效率飞跃：一天可完成8万片轴承检测，处理速度≤0.2秒/片；·检测精度提升:方案兼容20余种型号,可一次识别23种缺陷,检出率≥99.59%,过检率≤5%;·人力成本降低：实现100%AI自动化全检，节省人力成本约80%,实现每条产线节省6人/天。 》案例2：某国际汽车零部件企业电驱动产品质量检测 丨企业痛点: 电驱动系统是新能源汽车的核心部件，其组件数量多、缺陷类型各异，导致质量检测场景多样且复杂。该企业在其电驱动部件制造过程中,面临以下困难： (1)汽车电驱动产品形态复杂、材质多样、缺陷种类繁多,检测复杂度和精细度要求升高;(2)人工检测效率低且不稳定,传统检测设备难全面覆盖;(3)线体生产速度加快，人工检测难以适配当前产能效率;(4)产线质检强依赖人工,缺乏数据分析,无法反馈前道制程，也不利于后续修护环节。 1需求分析： (1)缺陷检测尽可能100%检出,接近0漏检;(2)检测速度能够适配当前线体生产速度。 I解决方案: 方案基于微亿智造电驱动AI大模型智能解决方案，将人工检测转换为系统化的视觉检测。技术方面,利用工业相机和传感器采集文本、图片、音频等多模态数据,采用三维机器视觉技术实现特征提取与缺陷识别，并通过知识融入的预训练、知识数据双驱动的决策推理，构建多模态数据和知识融合的工业垂域通用大模型，通过大模型的知识注入能力、泛化能力、跨场景能力，可以极大缩短AI检测的上线周期。此外，利用深度视觉感知、机器人智能控制等关键技术赋能“相机+机械臂”同步运动，结合大模型的迁移泛化能力，满足电驱动精确识别、快速高效的检测需求。 1价值成效： ·质检效率提升：实现电驱动生产工序环节全域检测，几乎100%自动化检测，柔性适配不同生产节拍需求; ·人工成本节约：一台设备可以替代8～10个电驱动生产工序环节的质检员，每年可节省近百万人工成本; ·驱动质量改进：与修复系统结合，提升二次良率，降低总生产处成本，同时为客户提供量化的质检数据分析,反馈前道制程,驱动工艺优化。 丨企业痛点： 密封胶涂胶是汽车生产过程中的关键环节，胶条的尺寸、连续性、位置偏差都会影响整车密封性能。传统汽车涂胶质量检测方法包括人工检测和离线视觉检测，但两种方式均存在不足： (1)人工检测主要依靠人眼目视检查,受技能水平、工作经验及身心状态等多重因素影响,有很大的不确定性,存在漏检率高、效率低的问题,而且质检标准无法量化; (2)如果进行离线视觉检验，当发现质量缺陷时，由于机器人已经完成涂胶，因此只能线下人工补胶,增加返工成本。 1需求分析: (1)自动化检验取代人工检验：自动检验机器人+AI算法取代人工检验岗位;(2)在线检验、当场报警并修复;在线全检、结果实时上传、在线修复替代离线视觉检验。 「解决方案： 针对汽车焊接、涂装、总装车间密封胶条涂胶在线检测过程中容易出现传统照明成像识别局限性大、二维图像获取信息少、单激光线无法跟踪喷嘴轨迹等问题，企业联合摇橹船科技共同开发了3D视觉涂胶质量检测系统。 系统采用四激光光刀（四个线激光轮廓仪)级联设计，独特蓝光激光光源非接触式测量实现非接触式测量，光源采用自主研发的RGB光源。检测时，激光轮廓成像模组利用激光三角反射原理获取被测物体截面轮廓信息，在已知被测物体或模组运动轨迹后，即可得到被测物体三维信息。系统对采集的轮廓图像进行ROl(Region of Interest,感兴趣区域)提取及预处理,基于轮廓信息和图像分别设计缺陷的特征描述符和算子，构建多维特征尚量，通过特征尚量比较，结合距离度量，进行异常判断，待获取异常样本检测结果后形成缺陷分类。 同时植入深度学习算法,对因环境光导致对比度差的样本进行标注学习,达到更为理想的检测效果，同时保证产品的检测质量。系统可对检测数据进行实时分析，能够输出涂胶轨迹3D图、检测日志等，支持与PLC、ROBOT及客户业务系统数据对接，实现产线自动化控制和涂胶工艺优化。 1价值成效： 成本节约：，每台在线涂胶检测设备每年可为工厂节约15万～20万元的成本; 效率提升：生产效率相比之前的人工检测方式提升20%～30%;管理效能提升：数据实时上传和监控，便于后期质量追溯，同时也为阶段性数据分析提供支持 》案例4：华赢新材利用AI打开硅钢外观质检黑箱 1企业痛点： 华赢新材是以特种硅钢板生产为主营业务的高新技术企业。为了提高磁感性能，要求硅钢的有害杂质含量越低越好，表面质量好。而当前企业在硅钢片表面质量检测方面存在以下痛点： (1)人工质检误差：传统人工目视+触摸结合的方式，需人员在强光环境中长时间工作,易产生疲劳，产生漏检和误检; (2)效率低且存在安全隐患：硅钢板产线运行速度较快，选用“生产降速”+“样品抽检”方式质检,效率低容易漏检，且检测环境存在安全隐患； (3)材料浪费：冷轧工艺易出现边浪，依靠人工估测缺陷大小进行裁剪，易造成材料浪费。 I需求分析： (1)提升质检效率和准确率：采用自动化检验设备,引入机器视觉及AI算法，实现钢板表面细微缺陷的快速精准识别； (2)降低原材料损耗：利用AI检测指导现场切边工序，实现精准切边，减少切割材料的损耗。 I解决方案: 华赢新材基于华为云工业智能体，将硅钢板表面缺陷检测系统和工业视觉平台对接，通过端侧成像、边缘侧智能质检、云端AI算法训练模型提升质检准确率。 项目整个过程拆分为两个阶段：第一阶段采用工业成像设备获取钢板图片，通过视觉算法滤出缺陷图片，初步实现硅钢缺陷质检,同步收集显著缺陷图片，以此制定缺陷标准及类别,并标注部分图片；第二阶段实现缺陷精细化定位及分类,根据第一阶段标注数据训练AI检测模型，用模型检测缺陷的具体位置坐标以及类别。 整体方案包含图像采集装置、工控机、分布式推理引擎、AI检测模型历史数据存储、智能表检系统等,构成了端侧-成像、边缘侧-智能检测、云端-AI算法的三层架构。 随着更多缺陷样本上传到工业视觉平台，模型通过在线学习，提取更精确的特征，生成更准确的模型。优化后的模型被部署到客户侧的分布式推理引擎上，通过端云协同完成模型迭代更新。 1价值成效： ·提升质检准确率：通过AI质检方案，华赢新材构建起缺陷可视、质检标准统一、产品全量检测的质检能力，质检准确率达99.67%; ·节省材料成本：完成硅钢板边缘缺陷（边浪)的