无锡案例⑪：AI视觉赋能硅钢智能质检新范式

工信部人工智能赋能

中小企业典型应用场景

无锡市

无锡市中小企业人工智能典型应用场景，展现了中小企业在数字化转型中探索AI应用的生动实践，是人工智能助力新型工业化的具体体现，对推动中小企业数字化、网络化、智能化发展具有深远意义。为助力广大中小企业利用人工智能实现创新突破，现介绍“2025年全国中小企业人工智能典型应用场景”中我市部分入选案例，旨在为企业应用人工智能提供实操指引与借鉴参考。

面向硅钢行业的智能视觉检测与评级系统

在硅钢制造领域，传统质检环节长期受制于人工效率低下、缺陷识别精准度不足、产品分级标准不一及人力成本高昂等难题。同时，常规2D视觉检测受限于成像维度与算法瓶颈，难以精准识别复杂表面缺陷。为此，江苏省无锡市一家智能制造企业凭借在智能制造领域的深厚积淀，融合AI视觉分析、多模态数据融合、大数据挖掘及数字孪生等核心技术，研发出AI智能视觉检测与评级系统。该系统可对硅钢表面缺陷进行高速、高精度的自动化识别与分类，大幅提升检测效率与准确率，并建立统一、客观的评级标准，有效保障产品质量的一致性，推动硅钢质检模式从依赖人员经验的“主观判断”向基于数据驱动的“智能决策”转变，为硅钢生产实现提质、降本、增效提供坚实技术支撑，有力促进行业高质量发展。

（一）构建端到端的AI智能视觉检测与评级系统

本系统涵盖硬件部署、图像采集、缺陷智能识别、质量评级至可视化展示的全流程，集成表面缺陷检测与质量评级等核心模块，打造“采集－分析－判定－展示－决策”的完整工业质检链条。系统采用“AI驱动+传统融合”的算法模型，实现对色差、孔洞、凸条等各类缺陷的高精度检测，并完成标准化与智能化分级。基于“端－边－云”协同架构，边缘端实现毫秒级实时响应；云端利用增量学习技术持续优化模型，显著提升缺陷检测的准确率与效率。

（二）打造基于多模态数据融合的2D-3D联合检测方案

硅钢表面缺陷形态各异、成因复杂，传统2D视觉检测难以有效识别凸条等三维缺陷，且行业缺乏成熟的2D与3D融合方案。因此，本系统创新设计2D-3D联合检测方案，利用高角度2D线扫相机与3D激光线扫相机，分别采集2D形貌数据与3D点云数据；通过高精度标定技术与定制化多模态对齐函数，实现数据精准融合，全面捕捉纹理、颜色等2D特征及高度、平整度等3D特征。

（三）构建“AI驱动+传统融合”的表面检测算法模型

基于改进的YOLOv8算法构建表面缺陷检测模型，融合ViT视觉大模型，结合多维度特征提取与语义分割技术，实现缺陷的精准定位与分类。针对传统单一检测算法难以覆盖各类缺陷的问题，根据缺陷类型定制黑白点、凸条、露金等8种检测模型，显著提升检测精度与准确率。

（四）建立模型训练与优化的全流程管控闭环

针对硅钢行业数据标注成本高、模型优化周期长等瓶颈，构建一站式AI算法平台，提供从项目管理、数据管理、数据标注、模型管理、模型训练、模型测试到模型下发的全流程闭环管理，提升模型适配能力。

图例：系统产品渲染图

一是应用硅钢表面质检垂类模型。基于改进的YOLOv8算法构建硅钢表面缺陷检测模型；引入三层EfficientNet模块，降低计算复杂度与参数量，提升推理速度；采用LoRA技术实现大模型快速微调，增强模型适配能力。二是应用多模态数据融合技术。设计基于注意力机制的跨模态对齐网络，有效关联2D纹理异常与3D几何畸变，实现多模态特征高效融合，提高缺陷识别的精准度与全面性。三是应用小样本数据增强。针对硅钢表面缺陷数据稀缺问题，运用数字孪生技术构建高保真合成数据，将合成数据与真实数据融合训练，结合动态数据增强和域适应技术，显著提升模型识别准确率。

公司紧抓“AI+制造”融合发展机遇，组建具备工业基因的AI研发团队，在硅钢AI视觉质检领域实现突破。一是针对硅钢生产质检效率低、缺陷识别标准不统一等行业痛点，公司基于“开源大模型+多模态数据融合+自有数据微调”的技术路径，以较低算力成本，构建轻量化、高精度的硅钢表面缺陷检测垂类模型，实现“以小博大”的技术突破。二是经安庆某硅钢企业生产线实地验证，系统创新应用2D-3D联合检测方案，较传统2D视觉检测优势明显：缺陷识别准确率提升10%以上、分级准确率提升15%以上，最终缺陷识别与分级准确率均突破95%，检测效果稳居行业前列，充分验证了技术的实用性与可靠性。三是产品具备极强可推广性，公司将依托此产品构建完善的智能制造生态体系，拥有广阔市场前景与发展预期。

END

信息