- 综合排序
- 最热优先
- 最新优先
- 来自专栏智慧物联产品＆方案
基于AI边缘智能网关的工业质检应用
成品质量检验是工业生产最后必不可少的环节，随着我国工业化的蓬勃发展，工业产品日益迈向高端化、精密化，对于工业产品的质量检验要求和投入成本也在不断提高，产品质检涉及到比以往更多维度、更多零部件、更高精度的识别 针对产品质检需求，可以借助AI边缘智能网关的视频识别算法，实现更高效、更精准、更智能的产品质检，适应长期发展需求。 基于AI边缘智能网关的工业质检应用佰马AI边缘智能网关，针对工业生产领域的视觉识别分析应用研发，具备高性能、低功耗、环境适应性强等特点。 基于AI智能边缘网关，搭配工业摄像机实现AI视觉成品质检，能快速识别分析工业成品外观，实现对裂纹、划伤、脏污、缺损、变形、毛刺、异色等问题的分辨、记录和上报，提升质检效率，大幅降低质检过杀率与漏检率，且准确率不会随着时间降低 AI视觉质检主要依靠AI网关的边缘算力，本地数据识别处理不仅快速高效，而且无需额外通信带宽上传视频数据，节省云端算力。3、广泛适用性。
3.1K30编辑于 2022-12-30 腾讯云工业质检训练平台TI-AOI升级发布，成立工业AI质检生态联盟
7月19日，腾讯云在工业质检合作伙伴沙龙暨生态联盟发布会上，宣布升级发布工业质检训练平台TI-AOI 2.3版本，并携手首批合作伙伴成立工业AI质检生态联盟，共同推动人工智能技术与实体产业深度融合，助力行业加快发展新质生产力 经过多年积累，腾讯云与合作伙伴已经在3C、锂电、光伏、半导体、汽车等20多个行业领域沉淀了丰富的AI质检解决方案，单一企业累计完成超过2000万件产品外观检测，打造了富驰高科等一系列标杆性项目，工业AI 做好工业AI质检项目，需要“光、机、电、软、算”软硬件一体化的系统工程能力。 此次成立工业AI质检生态联盟，是腾讯云工业AI质检生态的进一步深化。 腾讯云副总裁顾伟表示，未来，随着工业AI质检生态联盟的稳健发展，腾讯云也将继续深化与合作伙伴的协同，持续深耕细分赛道AI质检的痛点、难点，打造更多具有创新性和实用性的工业AI应用，助力行业实现智能化升级
2.3K10编辑于 2024-07-22- 来自专栏腾讯云TI平台
AI Talk | AI工业质检之以图搜图引擎
伴随人工智能的极速发展，AI工业也随之大放异彩，工业质检是整个制造中一个非常重要的环节，传统人工工业质检缺乏统一性标准，人工质检效率低，人工质检失误多，制造企业招工难，AI智能质检也随之被各大AI公司看好 ，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力。 今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题，如何回溯漏检历史现场。 01 产品功能/使用 工业质检主要指标问题：过杀与漏检， 过杀是指工业产品是完好样品被AI质检系统判定为缺陷样品，漏检是指工业产品是缺陷样品被AI质检系统判定为完好样品，漏检的分析问题定位也是整个AI质检系统最难课题之一 3.对于模板T覆盖在I上的每个位置，把上一步计算的度量值保存在结果图像矩阵R中。在R中每个位置都包含对应的匹配度量值。 4.在结果图像矩阵中寻找最值(最大或最小，根据算法不同而不同)。
1.3K20编辑于 2022-01-27 - 来自专栏腾讯云TI平台
腾讯工业云智能AI质检沙龙圆满落幕，开启3C质检数智化新时代！
10月21日，由腾讯云联手《工业AI》杂志共同举办的腾讯工业云智能AI质检沙龙在深圳举办。 本次沙龙以“AI开启3C质检数智化时代”为主题，来自腾讯云、腾讯优图实验室、慧眼科技及合作伙伴的负责人、技术主管、业务伙伴，以及来自华南各地的3C及相关制造领域的与会代表欢聚一堂，结合各自在工业质检领域积累的经验 ，面对面探讨交流3C制造业质检的最新技术与解决方案。 慧眼科技人工智能研究院副院长 朱俊勇博士 朱俊勇博士以“3C产品外观检测利器——腾慧飞瞳AI质检仪产品介绍”为题作演讲。 针对3C零部件产品外观检测准确性差，效率低等难题，腾讯联合慧眼科技提出融合多项AI算法以及工程创新的软硬一体质检方案——腾慧飞瞳AI质检仪，突破了制造业外观检测自动化瓶颈，检测速度是人检测的10倍，节省
1.8K20编辑于 2022-01-27 - 来自专栏腾讯云TI平台
AI Talk | AI工业质检之以图搜图引擎
作者：maopengwang 伴随人工智能的极速发展，AI工业也随之大放异彩，工业质检是整个制造中一个非常重要的环节，传统人工工业质检缺乏统一性标准，人工质检效率低，人工质检失误多，制造企业招工难，AI 智能质检也随之被各大AI公司看好，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力 今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题，如何回溯漏检历史现场。 01产品功能/使用 工业质检主要指标问题：过杀与漏检， 过杀是指工业产品是完好样品被AI质检系统判定为缺陷样品，漏检是指工业产品是缺陷样品被AI质检系统判定为完好样品，漏检的分析问题定位也是整个AI质检系统最难课题之一 3.对于模板T覆盖在I上的每个位置，把上一步计算的度量值保存在结果图像矩阵R中。在R中每个位置都包含对应的匹配度量值。 4.在结果图像矩阵中寻找最值(最大或最小，根据算法不同而不同)。
2.1K31发布于 2021-09-28 - 来自专栏PaddlePaddle
工业金属零部件质检解决方案详解，让AI质检一步到位！
当下，以机器视觉为代表的AI技术，正在被广泛地应用于3C电子、食品制造、汽车零部件制造等多个领域，包括缺陷瑕疵检测、生产环境安全等多项功能，AI在工业智能化转型过程中也被寄予厚望。 本期将重点聚焦工业质检，深度解析AI质检全流程实现路径。 工业质检领域的AI应用 制造业离不开质检。我们目之所及的产品，都是经过工业质检环节才顺利出厂。 汽车零部件AI质检痛难点 本期案例企业来自于工业轴承质检方向的解决方案提供商——韦士肯，在轴承质检方向有很深的业务场景及技术积累；但在AI算法领域，缺少足够深的技术沉淀。 缺陷类型及企业常用解决方案 内部材质检测：包括材料成分、气孔及硬度检测，当前主要用到的技术是EM电磁技术及超声波技术做相关检测； 尺寸/形位检测：如检测轴承的直径、高度以及壁厚是否达到要求，当前是通过3D 进阶攻坚 金属零部件质检方案解析 看完上述汽车零部件质检案例，你是否也对AI质检有了更为具象的理解。
1.4K10编辑于 2022-08-31 AI质检平台系统
在制造业数字化转型浪潮中，传统人工质检模式正面临效率瓶颈与成本压力。基于深度学习算法构建的AI质检评分系统，通过计算机视觉与大数据分析技术的深度融合，为生产环节注入智能化基因。 一、核心优势解析相较于传统质检模式，AI解决方案在核心功能模块上实现突破性提升：缺陷识别方面，传统模式受人员疲劳影响漏检率高，AI系统可7×24小时稳定输出检测结果，确保检测一致性；标准一致性上，传统模式因人员经验差异导致判定基准不一 ，AI通过统一算法模型确保判定基准恒定，减少人为偏差；追溯管理中，传统纸质记录易丢失，AI实现全链路数据云端存档可溯，方便质量回溯；响应速度上，传统批量处理周期长，AI达成毫秒级实时反馈生产线状态，提升生产效率 四、柔性部署方案支持与MES系统、ERP平台的无缝对接，既可作为独立质检工作站运行，也能嵌入现有生产流程形成闭环管控。 十一、未来展望随着边缘计算与5G技术的普及，AI质检系统将向移动端延伸，实现车间级的即时响应。数字孪生技术的引入可将虚拟仿真与实物检测相结合，进一步压缩新品研发周期。
51410编辑于 2025-10-16工业引入AR质检系统，重塑工业质量检测新模式
借助AR眼镜以可视化、智能化的方式，重新构建质检的流程和标准。推动工业进入全新的智慧决策质检时代。 ；自动识别与标注：结合AI图像识别技术，AR可自动识别产品缺陷位置，并进行高亮标注，辅助工人快速判断；标准化操作流程（AR SOP）：AR质检系统内嵌标准作业程序（SOP），避免人为误差，提高流程一致性 3. 工厂巡检与远程质控 在大规模工厂或多地协作生产中，AR可实现远程质量复核与专家支持。一线员工佩戴AR眼镜后，远端质检专家可实时观察检测画面并给出指导意见，大幅降低沟通与反馈成本。 三、AR质量检测的未来展望 随着5G、AI与工业物联网（IIoT）的融合，AR质量检测将进一步向智能预测、自主决策与协同作业方向演进。 企业可以基于历史质检数据进行模型训练，构建智能质检算法，实现自适应检测与持续优化。 在元幂境看来，AR质量检测不仅是制造业数字化转型的重要组成部分，更是未来工业智能化发展的关键节点。
35910编辑于 2025-09-19- 来自专栏财经科技
广域铭岛参编《AI工业质检应用发展白皮书》正式发布
近日，广域铭岛参编的《AI工业质检应用发展白皮书》（下称《白皮书》）正式发布。《白皮书》详细阐述了AI工业质检的发展阶段、存在问题、应用趋势及实践案例等，为AI技术在工业质检中的应用提供示范和指引。 AI质检提升汽车工艺质量管理效率《白皮书》指出，广义的AI 工业质检是指基于人工智能技术，在相关软硬件系统支持下，对工业产品进行质量检测的活动。 当前，AI工业质检特指基于深度学习算法的计算机视觉工业产品质量检验，已成为行业共识。 ▲汽车行业智造水平不断提升《白皮书》中，广域铭岛参编了AI工业质检在汽车行业领先企业应用案例，重点分享了广域铭岛助力汽车整车厂焊装工艺AI质检的成功实践。 AI 工业质检已经成为制造业从数字化向智能化转型的重要突破场景，对推进智能制造、工业企业数字化转型具有重要意义。
1K00编辑于 2023-05-21 0.5秒的精准捕捉：AR眼镜如何用AI视觉重塑工业质检标准
【工业案例小剧场】在电子元器件生产车间，质检员小陈每天的工作是盯着流水线上的电路板，检查上面密密麻麻的几十个指示灯状态。“红灯灭、绿灯亮、黄灯闪……”重复了上千次后，小陈的视线开始模糊，眼皮沉重。 眼镜的AI视觉系统在0.5秒内自动扫描视野，当识别到“红灯亮”这一异常状态时，镜片上立即出现红色方框锁定故障点，并伴随语音提示“NG，第3排指示灯异常”。 拥有AR眼镜，将会在工业巡检领域拥有：1. 毫秒级视觉检测： 针对仪表读数、指示灯状态、条码识别等场景，AI算法在0.5秒内完成比对，准确率高达99.9%，彻底解决“看走眼”问题。 3.精准识别： 针对特定场景，结合上下文语义，精准读取关键参数，拒绝无效信息干扰，确保核心数据采集无误。 TA可以成为工业质检的标准尺，用AI视觉替代人眼疲劳，用数字流程替代纸质台账，让每一件出厂产品都经得起最严苛的检验，让中国制造全力迈向零缺陷时代。
15510编辑于 2026-02-10迁移科技检测相机：重构工业质检天花板
拦截风险价值↑300% 闪电检测算法 0.01ms曝光控制 高速线漏检率↓至0.05% 尘盾成像引擎 油污穿透率＞92% 误判↓至行业均值1/10 AI ——终结质检盲区 亚毫米级洞察：10μm分辨率工业镜头组合 动态追焦技术：150m/min传送带零模糊成像 抗污透视：多光谱反射补偿算法 智能分级：自动判定缺陷等级（CR/MR/MA） ▶ 场景定制矩阵 产品系列 核心性能 最佳场景 闪电工业系列 400帧/秒高速检测 新能源/3C电子 尘盾食安系列 油污穿透＞95% 食品/药品包装 微光精密系列 1μm分辨率 医疗器械/半导体 3. 6800套系统守护全球产线，年拦截损失超￥45亿undefined某医疗器械厂实现24个月零客诉 未来进化： 量子成像技术将检测精度推进至纳米级 区块链构建不可篡改的质量数据库 AI
36110编辑于 2025-06-24工业质检场景下的机器学习工程实践
在智能制造时代背景下，传统质量检测方法正面临三大技术挑战：人工检测的精度天花板（平均误检率18.7%-32.4%）、多维度工艺参数与质量结果的非线性关联、实时检测的响应延迟（典型场景>500ms），比如焊接质量直接影响工业产品的安全性和可靠性 本文基于Spring Boot 3.x与Weka机器学习框架，构建完整的焊接质量检测系统，提供从数据采集到生产部署的全链路解决方案。 params.getCurrent(); double heatInput = power / params.getTravelSpeed(); instance.setValue(3, 应用部署 ARG JAR_FILE=target/*.jar COPY ${JAR_FILE} app.jar # 健康检查 HEALTHCHECK --interval=30s --timeout=3s 6.2 Kubernetes部署描述 apiVersion: apps/v1 kind:Deployment metadata: name:welding-detector spec: replicas:3
39420编辑于 2025-05-30- 来自专栏腾讯云TI平台
AI资讯 | 人工质检太“繁”了？腾讯云让AI成为工业生产的守门员
腾讯云化繁为简 基于腾讯云AI技术能力的工业质检仪： 1）增效：仅需几秒就能完成对目标零件360度无死角的采图、分析、分类的工作，而原来人工质检则需要大概一分钟，相对人工质检速度提升10倍。 3）降本：在10多台设备持续满载生产的情况下，项目预计每年为客户节省人力成本数千万元。 在2018年“930变革”之后，腾讯To B业务一直保持着持续进化状态。 而在质检效果上，经过实际测试，基于腾讯云技术方案的工业质检仪已经可以达到预期水平，并且实际效果已明显高于人工质检水平。 除了提质、增效，自动化设备的应用，也帮助富驰高科实现了降本。 而现在，腾讯云通过富驰高科的质检项目，已经在同领域立下了标杆。 当然，工业数字化远不止是质检。 钟伟表示，富驰高科在更多产线上应用工业质检仪的同时，与腾讯云共同推进智慧工厂建设，希望通过AI、大数据的应用，来提高运营管理效率——这也是腾讯云与富驰高科将一起勾勒的，更大蓝图！
74230编辑于 2022-01-27 - 来自专栏腾讯云TI平台
AI资讯 | 人工质检太“繁”了？腾讯云让AI成为工业生产的守门员
腾讯云化繁为简 基于腾讯云AI技术能力的工业质检仪： 1）增效：仅需几秒就能完成对目标零件360度无死角的采图、分析、分类的工作，而原来人工质检则需要大概一分钟，相对人工质检速度提升10倍。 3）降本：在10多台设备持续满载生产的情况下，项目预计每年为客户节省人力成本数千万元。 在2018年“930变革”之后，腾讯To B业务一直保持着持续进化状态。 而在质检效果上，经过实际测试，基于腾讯云技术方案的工业质检仪已经可以达到预期水平，并且实际效果已明显高于人工质检水平。 除了提质、增效，自动化设备的应用，也帮助富驰高科实现了降本。 而现在，腾讯云通过富驰高科的质检项目，已经在同领域立下了标杆。 当然，工业数字化远不止是质检。 钟伟表示，富驰高科在更多产线上应用工业质检仪的同时，与腾讯云共同推进智慧工厂建设，希望通过AI、大数据的应用，来提高运营管理效率——这也是腾讯云与富驰高科将一起勾勒的，更大蓝图！
1.3K40发布于 2021-06-25 AI_图像识别：从工业质检到文化遗产保护的跨界实践
AI图像识别的跨界实践：从工业质检到文化遗产保护一、图像识别技术的跨界潜力在人工智能领域，计算机视觉技术正以惊人的速度突破应用边界。 二、工业质检中的图像识别技术2.1 金属表面缺陷检测在汽车制造行业，钢板表面的微小裂纹检测是质量控制的关键环节。 + c_2)}{(\mu_x^2 + \mu_y^2 + c_1)(\sigma_x^2 + \sigma_y^2 + c_2)} $$四、跨界技术的共性与差异4.1 技术共性分析技术维度 工业质检 超声波）小样本学习（缺陷样本占比<0.1%）文化遗产：非接触式检测（文物不可破坏性）跨模态数据关联（图像+历史文献）艺术性修复（GAN生成需符合美学规律）五、技术创新与实践突破5.1 跨领域迁移学习将工业质检训练的 通过深度神经网络的特征抽象能力，工业质检的高精度检测技术正为文物保护提供新的解决方案；而文化遗产保护对艺术性和历史背景的特殊要求，又反哺了AI模型的创新发展。
65310编辑于 2025-05-19工业质检只能依赖缺陷样本？PatchCore给出“冷启动”答案
在工业制造领域，产品质量检测是至关重要的一环。传统的人工质检不仅成本高昂，而且容易因疲劳或注意力分散导致漏检、误检。 随着计算机视觉技术的发展，基于深度学习的自动化缺陷检测系统正逐步成为工业生产线上的“智能质检员”。然而一个长期存在的难题是：如何在没有缺陷样本的情况下训练出一个可靠的异常检测模型？ 如图3所示，与随机子采样相比，此策略能更有效地保留正常特征分布的结构，使得记忆库规模可以数量级地缩减，而性能损失最小。 在像素级AUROC和PRO指标上，PatchCore同样达到了最优性能（表2，表3）。重要的是，其改进版本在更高分辨率图像和集成系统上也能应用，同时保持低于默认版本的推理时间（表4）。 性能在邻域大小p=3时达到峰值，确认适度的局部上下文对于准确的块级异常检测至关重要。中层特征层级的表现优于浅层和深层，验证了避免过度ImageNet偏差的设计选择。
73710编辑于 2026-01-06工业场景下AR+AI图像识别：精准选型赋能运维与质检
在工业数字化转型进程中，AR眼镜结合AI图像智能识别技术，凭借实时交互、智能提示、全程追溯的优势，为运维与质检工作带来革新。但技术落地效果取决于场景适配度，盲目应用易导致效率低下、成本浪费。 以下从不适配场景与适配场景两大维度，结合工业实际需求详细拆解，为企业选型提供清晰参考。一、不适配 AR+AI 图像识别的场景1. 二、适合 AR+AI 图像识别的场景1. 未智能化改造的传统产线：仍依赖人工进行质检判断的传统产线，适合快速部署 AR+AI 方案。 AI 视觉可预设标准模型与经验数据库，实时比对检测数据，为工人提供精准指引，减少经验依赖带来的不确定性。3. 只有让技术优势与实际需求深度契合，才能真正实现质检错误率降低、运维效率提升、成本优化的目标，为工业数字化转型筑牢根基。
19110编辑于 2026-02-02安宝特方案丨工业AR+AI质检方案：致力于提升检测精度与流程效率
据IDC预测，2025年中国工业AI质检市场规模将达62亿元，年复合增长率28.5%，新能源、消费电子、高端装备三大领域贡献超70%市场份额。 这一数据印证了AI质检已从可选技术升级为制造业降本增效的生存刚需。 针对以上情况，安宝特AR提出了“AR+AI智能质检解决方案”。 图片AR+AI智能质检解决方案安宝特工业AR+AI智能质检解决方案，通过“硬件终端+AI算法+数据闭环”三位一体架构，实现质检流程的全链路智能化。 3 数字化工作流实现可追溯管理【自定义工作流】可根据特定工作流程快速导入模板，支持添加文字、图片、视频、语音等【自定义任务发布】自定义任务执行时间、执行次数、执行人，任务可通过二维码或直接发布等多种方式获取
68310编辑于 2025-08-06腾讯云AI落地实战：智能质检与3D内容生产的效能重构
3D内容生产的高门槛与供需缺口：游戏开发、工业设计及VR/AR领域对3D资产需求巨大，但生产端存在严重滞后： 流程冗长：标准3D制作包含概念设计、中模、高模、拓扑、UV拆分等6大环节、30多个步骤。 LLM驱动的语义分析与生成式3D管线 技术解决方案 智能会话质检（基于LLM）： 深度语义理解：核心采用预训练大语言模型（LLM），具备理解多轮对话上下文、指代关系及省略逻辑的能力。 3. 业务全链路的“降本增效”指标 量化效果与应用价值 质检模式重构：实现从“被动抽样”到“全量数据接入”的转变，将质检覆盖面提升至100%。 行业头部企业的落地实践 客户案例证言 三绿科技 (MakerRoad)：作为3D打印模型爱好者社区，通过集成混元3D API，推出了Maker AI功能。 全栈AI工程化与生态协同 核心竞争力 技术领先性：腾讯云混元3D大模型具备自研模型驱动能力，在语义UV展开与Mesh布线优化等核心工业化难题上取得了突破，确保生成资产不仅“好看”而且“好用”（可编辑、可渲染
34710编辑于 2026-02-03YOLO11算法深度解析：四大工业场景实战，开源数据集助力AI质检落地
如今，随着Ultralytics YOLO11的发布，工业质检正式迈入高精度、高速度、高适应性的AI新阶段。YOLO11算法深度解析：为何如此适配工业缺陷检测？ 自监督学习应用利用未标注数据预训练，降低标注成本对比学习增强特征表示能力3. 多模态融合检测结合红外、超声等多种传感数据跨模态特征对齐与融合行业应用拓展智能制造深化：与数字孪生技术结合，实现预测性维护融入生产控制系统，形成质量闭环新兴领域应用：新能源设备检测（风电叶片、光伏组件）精密制造质检 从微小电子元件的显微缺陷到大型工业设备的宏观异常，从静态精密检测到高速动态质检，YOLO11都展现出惊人的技术优势。 随着算法的持续优化和应用场景的不断拓展，YOLO11不仅将推动工业质检技术向前发展，更将为智能制造、工业4.0等重大战略的实施提供坚实的技术支撑。
63910编辑于 2025-12-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号