让每一个画面,
都被看见。
摄像头一直在拍,但没有人能一直在看。本方案以 AI 视觉能力,把厂区安全与产品包装的检查变成 7×24 小时不间断执行的能力——不受班次影响、不因疲劳而降低标准,并在发现问题的第一时间触达责任人,全过程留痕、可追溯备查。
AI 巡检的工作方式
本方案包含两个相互独立的部分:安全巡检面向厂区人员与现场,包装质检面向产品本身。两者共用同一条工作流水线,下面的演示会完整走一遍。
什么叫"大模型看图"——就像你把一张照片发给一个见多识广的同事,同时告诉他"帮我看看有没有人没戴安全帽"。他不需要提前背过你们工厂的照片,看一眼就能回答。这就是豆包视觉大模型的能力,也是它跟传统"机器视觉"最大的区别:传统方案要先教会它认一万张图,大模型直接听懂人话。
三类最典型的现场问题
点一个场景,看 AI 怎么想
这是整个方案里最需要说清楚的一件事:规则是用中文写的,不是用代码写的。安全或质量的同事写一句"装卸区所有人员必须佩戴安全帽",AI 就照这句话去看。要改规则,改这句话就行,不用找程序员排期。
设计原则:告警必须是可信的。误报过多会让告警迅速失去可信度,再准的系统也会被闲置。因此本方案把误报率控制列为首要指标,而非单纯追求检出数量:误报率控制在 15% 以内、每日告警条数设上限、告警按紧急程度分级。正式推送前设置 4–6 周影子运行期——只记录不推送,与人工结果比对校准后再开启推送。
方案一 · 费用与验收
| 项目 | 说明 | 金额 |
|---|---|---|
| 摄像头 | 优先复用现有安防摄像头,补点位按需新增 | ¥0 – 6,000 / 路 |
| 边缘设备 | 做抽帧和去重,把送给大模型的画面压到 20–30% | ¥1.5–3 万 / 8–16 路 |
| 豆包视觉模型调用 | 40 路 · 每路每小时 12 帧 · 预筛后约 105 万帧/年 | ≈ ¥0.5 万 / 年 |
| 证据存储 | 告警截图留存 1 年,含冷热分层 | ¥0.3–1 万 / 年 |
| 实施人力 | 多路接入、规则中心、告警分级、看板,约 30–50 人日 | ¥6–20 万 |
| 方案一合计(20–50 路) | ¥10 – 45 万 | |
方案一几乎没有硬件门槛,主要投入在实施人力。模型调用费用低至可忽略的量级——这是视觉大模型近两年最重要的变化,同样的能力在三年前的成本要高出两个数量级。
误报率 <15% · 告警闭环率 >90% · 责任人平均响应 <30 分钟 · 贵司安全或质量人员可独立新增巡检规则,无需开发介入——这一条最重要,它决定了系统交付后能否持续贴合业务变化。
业务提的两类问题,难度差很远
"包装文字错误"与"漆料溢出"在工程上是两条完全不同的技术路线。前者路径确定、见效快;后者需要成像改造与数据积累。本方案建议按此顺序分步实施。
查文字错误,AI 不是"认字",是"对答案"
这是包装质检在技术路线上的第一个关键选择。大模型并不知道这一批桶本来该印什么,因此不能指望它看一眼就判断"印错了"——它手上没有标准答案。
正确做法是:先从生产系统里按工单取出"这一批应该印什么",再让 AI 读出"实际印了什么",然后一个字段一个字段地对。像老师拿着标准答案批卷子,而不是凭感觉判对错。
这条路线成熟且便宜。饮料、食品灌装线做了二十年,行业里叫 OCV,准确率可以做到 99.9% 以上、毫秒级。不需要重新发明,选型即可。但它有一个硬前提——
本路线依赖贵司生产系统(SAP / MES)能够按工单实时提供"该批次应印内容"。若接口暂不具备,备选方案是建立独立的"SKU—标签模板"主数据库,但需要持续维护。建议在方案启动前,由双方 IT 共同确认该接口的可用性。
查漆料溢出,成败在打光,不在模型
这条最反直觉。大家默认"检测不出来是模型不行",但在涂料这种低对比度、反光、曲面的场景里,真正的瓶颈通常是:缺陷在照片上根本就看不清楚。照片上看不见的东西,再强的模型也变不出来。
下面这个演示同一个桶、同一处溢出、同一个模型,只改光源角度。拖动滑块看看差别。
怎么做到又快、又准、又不贵:两级漏斗
产线每 1–3 秒过一个桶,而大模型看一张图要 2–8 秒。让每个桶都过大模型,产线会停。所以要像机场安检那样分两级:
所有人都过安检门(快、便宜、装在现场)——绝大多数直接放行;只有响了的才人工搜身(慢、贵、但准)。放到产线上,"安检门"是装在现场的小模型,"人工搜身"是豆包大模型复判,最后极少数才推给人。
| 做法 | 年送检帧数 | 豆包视觉调用费/年 | 能不能用 |
|---|---|---|---|
| 每个桶都过大模型 | 2,628 万 | ≈ ¥11 万 | 不行 主要卡在节拍和精度,不只是钱 |
| 两级漏斗(推荐) | 79 万 | ≈ ¥0.33 万 | 可行 节拍达标,成本降 33 倍 |
按单线 3.6 万件/天、每件 2 张图估算。豆包视觉模型按公开参考价区间测算,实际单价以商务合同为准。
单条产线要花多少钱
| 项目 | 说明 | 金额区间 |
|---|---|---|
| 工业相机 + 镜头 | 500 万–1200 万像素,按检测面数量配 1–4 套 | ¥0.6–8 万 |
| 光源 + 控制器 | 最关键的一项,需现场打样确定角度与类型 | ¥0.3–3.6 万 |
| 触发与机械 | 光电开关、支架、遮光罩、机柜、PLC 对接 | ¥0.9–2.8 万 |
| 防爆加装 条件项 | 溶剂型涂料区多为甲/乙类防爆区域,设备需 Ex 认证 | ¥2–6 万 |
| 边缘推理设备 | 装在现场做"安检门"那一级,不依赖网络 | ¥1.5–4 万 |
| 安装调试与打样 | 现场取像验证、节拍联调、标定 | ¥2–5 万 |
| 文字校验开发 | OCV 引擎 + SAP/MES 主数据接口 + 比对规则,60–100 人日 | ¥12–40 万 |
| 外观缺陷开发 | 成像设计、采集标注、模型训练调优,100–180 人日 | ¥20–72 万 |
| 数据标注 | 每类缺陷 2,000–5,000 张,含双人标注与仲裁 | ¥2–15 万/类 |
| 豆包模型调用 | 两级漏斗后约 79 万帧/年 | ≈ ¥0.33 万/年 |
| 仅做文字/标识校验(建议先做) | ¥31 – 90 万 | |
| 文字 + 外观缺陷(完整版) | ¥81 – 279 万 | |
区间跨度主要取决于四项现场条件:①检测点是否位于防爆区域;②是否需要 360° 全周检测(决定相机数量);③交付方式;④缺陷类目数量。完成现场勘察并确认以上四项后,即可提供精确报价。
需要贵司配合的关键一项:缺陷判定标准。"漆料溢出"在工程上需要落成可量化的判定条件:溢出面积超过多少 mm² 计入、位于桶口还是桶身、颜色对比度门限、已干燥的是否计入、能否返工。本方案将与贵司质量部门共同产出《缺陷分级定义书》与实物分级样板,作为标注、训练与最终验收的统一依据。
全球同类实践
以下实践的选取标准是"问题结构相同",而非知名度。每一条对应本方案的一项设计依据。
所有真正跑到量产的案例,大模型都不在实时检测的主链路上。它站在两端:前端把业务语言翻译成能执行的规则,后端把检测结果翻译成人能懂的解释和行动。中间那段又快又准的活,交给专用模型和确定性比对。这个"站位感",是这些案例里最值钱的东西。
本方案中的技术指标为目标值,费用为参考区间;最终指标与报价以现场勘察、取像打样及接口确认结果为准。
参考章节基于公开披露信息整理,用于说明架构模式与方法论。
立邦供应链 · AI 智能巡检解决方案 · 2026 年 8 月