大模型赋能AI质检新突破：只需要1张图/1部手机就够

AIE加速工业进化

5月前浏览327

关注

在大模型兴起之前，AI质检作为ROI相对清晰的场景，已经在3C、汽车、消费品等很多行业取得了广泛应用，众多的创业公司，以及华为、阿里、百度、腾讯等云大厂也都曾大举入局。

然而小样本和泛化性不强的问题始终困扰着AI质检的规模化和通用化，包含云大厂在内的一众供应商也先后陷入项目制陷阱而不得不陆续缩减投入。

为了降低AI质检门槛，最近中科慧远和德国创业公司Enao Vision分别带来了各自的新方向，分别只需要1张良品照片和1部iPhone手机就能开始检测。

1张照片：中科慧远

随着AI大模型的兴起，将大模型的语言理解与视觉缺陷结合，以提升泛化性，减少缺陷样本需求成为重要的研究方向。近期，中科慧远推出了只需要1张正常图片，配合自然语言描述，就可以开启检测的新方案。

中科慧远本次推出的基于VLM（视觉语言模型）的差异检测技术，核心逻辑并非简单的像素比对，而是利用视觉语言模型强大的语义理解能力，精准比对新图像与“金样”（标准良品图片）的特征差异。

同时，方案引入了文本提示（Text Prompt）功能，用户可以通过自然语言描述（如“忽略反光造成的差异”，“忽略视角变动造成的差异”），对检测结果进行智能筛选，精准过滤掉非关键差异。

例如，在消费品包装盒的检测中，只需拍摄一张标准的包装盒图像录入系统，模型便能立即理解其纹理和结构布局。在随后的检测中，无论是变形、缺角还是脏污，只要与这张“金样”不一致，模型都能捕捉。

如果遇到包装盒上允许存在的印刷批次差异，只需输入提示词“忽略日期印刷差异”，模型便会智能忽略这一区域。

官方表示差异检测算法具有较好的泛化性，而且其推理时间满足工业现场的应用。官方介绍其主要适用于结构缺陷、逻辑缺陷等缺陷较为明显的场景，如工业零件、包装等日用品等。AIE估计，面对更复杂的缺陷，可能当前的方案仍有一定的挑战。

尽管应用场景相对受限，该方向的优势非常突出：启动门槛大幅降低，效率显著提示。未来或许在此基础上继续技术迭代，有望能够拓展更多的检测场景。

此前，AIE曾经也介绍过被西门子收购的Inspekto公司，只需要人工标定+无缺陷样本，也可以实现AI质检：AI质检公司那么多，为什么西门子收购Inspekto，与中科慧远的方案思路方向上有一定的相近性。

1个手机：Enao Vision

德国的创业公司Enao Vision 则走向了另一个极端，不需要工业相机，只需要1个iPhone，安装上APP，在云平台上花几个小时进行配置，就可以开始检测。公司表示人眼能识别的，软件就能学习。

公司表示在产品发布后的 4 周内，已为客户扫描了超过 1100 万件产品。

Enao Vision的方案无疑是在降低硬件成本方面又达到了新的高度。

从公司目前公开的一些演示看，似乎适合的场景更偏建筑、物流以及工业简单零件检测等。虽然手机更容易获得，但其长期稳定运行的可靠性存疑，可能更适合一些相对临时的场景。

固定产线长期检测的场景，手机并没有显著优势，万一不可靠导致漏检等，处置起来颇为麻烦。

来源：AIE 加速工业进化