天马微电子_AI视觉检测

应用场景：中小尺寸显示面板缺陷质检

社区投稿案例

投稿方：loki · 服务商：天马微电子 · 收录时间：2026/10/13

本案例信息由投稿方提供、平台整理，尚未经人工核实，重要信息请以原文为准。

上传类似案例

案例事实

1. 一句话摘要

投稿方未提供

2. 行业 + 企业规模

其他 · 员工超2万人

3. AI 能力类型

视觉识别

4. 原来怎么干的

依赖大量人工目检，受疲劳影响，微小缺陷易漏检，判定一致性差

5. AI 介入在哪一步

AI介入面板缺陷质检环节，自动识别并分类缺陷，替代人工目检；质检员仅负责疑难缺陷复核与最终判级

6. 模型与架构

自主开发的AI视觉检测系统，采用深度学习缺陷识别算法；覆盖全品类缺陷检测；延伸至产品端（如全域感光天工屏、智能座舱天轩屏）

7. 数据基础（必填项）

天马微电子积累的面板缺陷图像样本库；各类缺陷分类标注数据；下游客户质量反馈数据

8. 效果

缺陷识别准确率99.3% → 行业平均约89.3%；替代60%人工；年节约成本约800万元；全域感光天工屏光信号采集能力提升40倍（原值→现值），环境光监测精度提升30%；AI准确率99.3%

9. 投入

自主研发投入，延伸至显示产品端创新；未提供具体人力、预算档位、周期及推理成本

10. 坑

新产品新工艺导致缺陷形态持续变化，样本需不断补充；检测精度提升后误报率管理成为新挑战；产线换型时模型需快速重新适配

Reproduction Pack

下载天马微电子_AI视觉检测复现资料

本案例的投稿文档与附带资产已整理为专属复现包，留资后即可下载。

00_说明.txt
01_关键信息.md
天马微电子_AI视觉检测.docx

分享复现反馈

复现结果、失败条件或内容修正——案例因真实反馈持续改进，提交后即展示在案例页并进入社区动态。

怎么写一条有用的反馈

示例：「按复现包部署到测试环境，用 qwen-plus 跑通全流程；线索排序与案例描述一致，但导出报表需手工补字段。」

写清环境/模型、跑通到哪一步、与案例描述的差异即可；署名选填，匿名反馈同样展示；提交即公开，如需下架可联系平台。