数之联AI质检系统在新型显示面板工厂的缺陷检测应用
应用场景：工业面板产线缺陷检测与品质管理
投稿方：王晓强 · 服务商：成都数之联 · 收录时间：2026/10/23 · 已真实部署
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。
案例事实
1. 一句话摘要
投稿方未提供
2. 行业 + 企业规模
工业制造 · 服务京东方等上百家智能制造头部企业，并出口墨西哥、斯洛文尼亚、越南等地
3. AI 能力类型
视觉识别
4. 原来怎么干的
面板产线质检员盯屏看图，一天上万张图，一条产线质检班10人，后半夜漏检率明显上升，缺陷根因分析依赖老师傅经验
5. AI 介入在哪一步
AI-AOI替代人眼缺陷检测；深度学习自动检测与分类缺陷、实时报警；根因分析模型辅助调参；工人转为2人复判与异常处置
6. 模型与架构
深度学习缺陷检测+根因分析算法模型；整合AOI管理平台、WOMS工单、MQIS缺陷知识库、YMES3.0品质分析、VM品质预测平台；在与IBM、阿里POC竞标中胜出后规模化部署
7. 数据基础（必填项）
累计AI判图超100亿张；团队驻场京东方、天马大半年；缺陷样本清洗标注是项目成败关键；曾接手友商中途退出项目并打磨达标
8. 效果
检测准确率从八成多提高到九成以上（部分场景99%+，某工厂达99.9%）；漏检率10%以上→0.4%以下（关键缺陷0漏检）；根因分析准确率70%→95%（厂商公开披露）
9. 投入
2016年立项，2017年拿下京东方首个标杆；两年调研+多年驻场打磨；具体预算未公开
10. 坑
工业质检数据质量与标注是最大门槛，复现失败最常卡在数据；顽固性不良与突发性不良的根因分析需要产线工艺知识深度耦合
下载 数之联AI质检系统在新型显示面板工厂的缺陷检测应用 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
- 数之联AI质检系统在新型显示面板工厂的缺陷检测应用.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。
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。