工业智能应用

适用场景

工业智能应用聚焦四类任务。深度学习视觉检测处理固定规则难以完整描述的外观变化；目标识别、定位、计数和追踪用于视频或图像中的指定对象；工业知识检索把手册、规程、报警和维修记录组织成带引用来源的问答辅助；多模态巡检联合图像、文字、测量与任务记录，为异常复核提供线索。

这些能力需要进入既有业务系统。视觉检测结果应关联产品、批次、工位和质量处置，目标事件进入巡检或安全管理流程，知识问答保留引用文档和版本，多模态巡检连接工单与设备记录。PLC、MES、QMS和CMMS分别承接现场状态、生产、质量和设备业务，模型服务不替代这些系统的职责。

典型输出包括缺陷类别与位置、目标轨迹、带引用的知识答案和巡检异常线索。业务人员在QMS、MES或CMMS中完成复核和处置，模型版本与反馈结果同步留档。

验证条件

视觉项目先明确检测对象、缺陷或目标定义、成像位置、节拍、现场环境和复核方式。样本需要覆盖正常变化、目标类别、边界样本和可能干扰，训练数据与独立验收数据分开管理。PoC报告记录数据范围、测试方法、未覆盖场景和错误类型，不能用少量演示图片推断正式运行效果。

知识应用先核对资料来源、版本、权限和更新责任。回答需要给出可追溯引用，无法从资料确认时应明确提示。多模态巡检还需要统一设备、测点、任务和时间，使图像与运行数据能够对应。涉及内部工艺、客户和设备信息的资料按照访问权限检索。

系统接入

采集层包括工业相机、视频、传感器、巡检终端和知识文档。边缘或中心推理层执行视觉、目标、检索或多模态模型，输出类别、位置、置信度、引用或建议。业务集成层把结果送入QMS、MES、CMMS或事件平台，形成复核、记录和处置。

边缘推理适合对时延、网络或现场连续性有要求的场景，需要同时设计设备资源、模型版本、更新、日志和故障降级。中心服务便于统一管理模型和知识，但必须处理网络、权限与数据边界。具体部署方式由节拍、数据量、现场环境和信息安全条件确定。

交付方法与边界

项目按现场评估、样本采集、PoC验证、系统集成、上线验收和持续优化推进。交付物包括场景与样本评估、成像或数据采集方案、PoC数据集与测试报告、边缘和系统集成设计、上线验收记录以及模型监测和样本迭代说明。

上线验收除了模型指标，还要覆盖采集稳定性、节拍、网络、边缘设备、接口、权限、结果复核和故障降级。视觉任务按类别和工况分别统计，不用一个总准确率掩盖少数类问题；知识问答检查引用是否来自当前有效资料；多模态巡检检查图像、测量、设备与任务能否正确对应。具体指标由项目数据和业务风险确定。

模型上线后需要监测输入变化、错误类型、设备资源和版本。新产品、光照、相机位置、工艺环境或文档版本变化可能改变原有表现，复核结果应回到样本与知识维护流程。版本更新先在隔离数据上验证，再按权限发布并保留回退包和变更记录。