——与某全球领先汽车伙伴共创的视觉检测大模型案例
一、为什么电驱壳体难检？
压铸+机加的双工序，让铝合金壳体同时暴露出缩孔、气孔、冷隔、裂纹、磕边、飞边、刀痕、划伤、拉线纹等多样缺陷；任何微小漏检都可能演变为噪声、漏油或早期失效。传统 CNN 小模型不仅要准备4000 +标注图，换一条产线还得推倒重来，周期长、成本高。
二、机器人×视觉检测大模型：质检岛一次成形
·ABB 六轴机械手 携多光谱成像头，360° 扫描壳体；
·蓝光+白光+斜光 分层凸显各类缺陷；
·图像流进入预训练视觉检测大模型 (LWM)，通过迁移学习吸收80 张现场提示，完成像素级检测。
三、核心成果
一句话：样本量缩减 98%，精度反而更高。
四、带来的三大价值
1.报废率 ↓35% —— 单月节省料费与机加成本 50 万元+。
2.工艺闭环 —— 缺陷热区实时返给压铸、刀具磨损参数，产线自行调优。
3.复制性 —— 方案已平移至曲轴箱、减速器壳体等 4 条产线，“一次研发，处处复用”。
五、向行业释放的信号
少样本 ≠ 妥协，恰是生产力升级
·大模型时代的机器视觉，正在让“质检”从费用中心变成数据中枢。
总结
从动辄四千张标注的“数据苦力”，到80张样本的“智能质检”，视觉检测大模型正在重塑汽车零部件良率基线。
领邦智能期待与更多整车及零部件伙伴携手，把这一少样本、高泛化的工业视觉能力，铺进每一道需要“零缺陷”的生产线。下一条产线，等你来验收。
（本项目由领邦智能与行业领先的视觉系统集成商/汽车生产线集成商共同实施，为客户——整车厂及零部件企业——提供端到端交付与持续升级。）