面向精密结构件的外观缺陷多模态AI视觉检测平台

本项目由前美国西北大学计算机视觉方向研究员担任技术负责人，团队共18人，分设算法攻坚组（6人）、硬件集成组（5人）、数据标注与模型运维组（4人）及现场部署组（3人），硕博占比超70%。

项目针对手机中框及笔记本转轴件在冲压/CNC加工后产生的划伤、凹坑、毛刺、氧化色差等十余类微弱缺陷（最小检测精度要求0.05mm×0.05mm），融合2D高分辨率线阵相机与3D结构光点云数据，自研基于改进YOLOv8和PointNet++的多分支融合检测网络，并部署于华为Atlas 500边缘智能站实现单工位推理延迟≤120ms。项目按季度设置里程碑：Q1完成缺陷库构建及数据增强策略，Q2完成多模态融合模型初版及硬件选型，Q3完成产线联调及模型压缩量化，Q4完成72小时压力测试及验收。最终实际部署16台检测设备，覆盖4条产线，综合检测准确率99.2%，过杀率从原人工目检的8%压降至1.8%以内，单线节省质检人力12人/班次。联合申请发明专利5项（缺陷生成式数据增强方法、轻量化注意力模块等），软件著作权3项，并形成一套可跨品类迁移的快速部署工具链。