智能制造 · 2026

视觉质检与工艺知识双引擎，漏检成本下降 70%

在 32 条产线部署边缘智能盒，缺陷检测单帧 18ms，AOI 复检率由 6.4% 降至 1.8%。

客户：某头部汽车零部件集团　|　行业：智能制造

客户在全球拥有 6 大生产基地、40 余条总装与机加工产线，此前依赖人工目检 + AOI 双重抽检，人力成本高且漏检偶发导致整批返工与客诉。

星澜以「边缘智能盒 + 视觉大模型 + 工艺知识图谱」三层方案落地：边缘侧完成毫秒级缺陷初筛，大模型对疑似缺陷做二次判定并自动归集工艺根因，知识图谱反哺工艺标准修订。

上线 6 个月：复检率 6.4% → 1.8%，漏检客诉成本 -70%，产线节拍 +18%，质检人力释放 42 人。

项目落地的关键不是模型选型，而是把业务指标翻译成数据闭环，让每一次推理都能反哺下一轮迭代。

MORE CASES

想在你的业务里复现这样的结果？

告诉我们你的行业与目标，我们提供同等级别的场景诊断与验证方案。