多模态AI在工业缺陷检测中的落地：从图像识别到原因分析，企业需要哪些准备

产线质检最常见的落差是这样的：相机已经能稳定标出划痕、凹坑和污渍，质量例会上却还在争论这批不良到底从哪来。识别缺陷和解释原因，看起来只差一步，中间却隔着完全不同的数据准备量。很多企业在评估多模态AI时，会把门槛理解成换一个更能看图的模型，结果真正卡住的，是异常样本、根因规则和人工复核这三件事还没准备好。

对质量负责人和AI项目负责人来说，这件事的判断标准其实很具体：如果模型只能告诉你“这是划痕”，它仍停在传统视觉质检的位置；只有当它能在图、工艺记录和现场经验之间对上号，并给出可核对的原因方向，多模态能力才进入可落地的区间。通用模型并不自动具备你们车间的缺陷容忍标准，产线换型、新缺陷冒出来时，缺少领域数据的系统也很容易把原因说得头头是道，却对不上真实机理。

传统标注只回答“是什么”，原因分析要回答“为什么”

传统工业视觉项目里，标注工作相对封闭。一张图打合格或不合格，或者在缺陷位置画框、选类别，必要时勾出轮廓。标签集合通常提前定好：划痕、裂纹、缺料、脏污，用完即止。模型学会的是在像素里判断“像不像某类缺陷”，产线要的也主要是拦截不良品。这类标注可以由视觉团队主导，工艺人员偶尔确认类别即可，工作量集中在图像本身。

任务一旦变成原因分析，同一张缺陷图就不够用了。多模态系统要同时理解图像和文本，还常常需要对齐工艺条件、设备状态、物料批次一类信息。标注因此从分类变成陈述：这块区域为什么算缺陷、严重程度有没有超出该工序的放行标准、当时的机台和工艺窗口是什么、历史上类似形态更常指向哪类原因。这些内容没法靠画框完成，必须由懂工艺的人写成可核对的描述和关联。标签也从封闭集合变成开放集合——新机台、新配方、新缺陷随时会出现，原来的类别表覆盖不住。

差异还体现在“对错”的定义上。传统项目里，框偏一点、类别偶发争议，通常不影响过杀和漏检的主指标。原因分析则不然：定位对了但归因错了，会把质量改进带去错误方向；归因听起来合理，却缺少当时的工艺上下文，复核人员也无法拍板。所以落地前要接受一个现实：多模态质检的数据准备工作量，往往大于模型切换本身，而且必须把质量、工艺、设备的人拉进标注，而不是把图扔给外包团队就算完成。

落地前必须先做完的三件事

异常样本库要能支撑解释，而不只是分类

异常样本库不是NG图片文件夹。如果库里只有缺陷外观，模型最多学会描述“图上有什么”，很难把缺陷接到原因上。入库时至少要能回答几件事：缺陷形态和严重程度、拍摄工位与光照条件、对应的物料和工艺窗口、是明确不良、临界品还是历史误报。没有这些字段，后续再强的看图能力也只能停留在外观层。

制造业里不良样本本来就少，这是老难题，但不能把希望全押在上线后再补。先把库的结构立住：谁有权把新缺陷归档、现场拍到的图如何回到同一套字段、少见缺陷是否单独建档，都要在项目启动时明确。样本不必追求一次穷尽所有形态，但必须保证每条能被解释、能被检索、能被复核。只堆数量、不补上下文，看起来像有了训练数据，实际仍是传统视觉项目的数据集，撑不起原因分析。

根因关联规则要把工艺知识写成可调用的约束

老师傅看到某种边缘崩缺，会先想到刀具寿命；看到某一类色差，会去核对烘烤或涂装窗口。这些判断如果只留在口头和经验里，多模态模型就只能用通用语言把原因“说圆”。根因关联规则要做的，是把缺陷形态、可能原因、需要核对的工艺项写成可维护的映射。规则不必一开始就覆盖全部因果，但必须让模型的解释落在你们车间认可的范围内，而不是落在听起来专业的空话上。

同一道痕迹在外观件和结构件上结论完全不同，缺陷容忍标准因此也要写进规则，而不是临场口算。规则的价值不在于显得完整，而在于可改、可追、可反对：当现场发现某条映射失效，质量人员知道改哪一条、改完如何生效。没有这份约束，原因分析会变成作文能力比赛，演示很好看，却无法进入质量改进闭环。

人工复核流程决定系统会不会越用越偏

新缺陷出现时，必须有人接手定性，而不是让模型自己写进质量报告。复核要看三层：缺陷定位是否成立、给出的原因是否落在已有规则内、这条案例要不要回流到样本库或触发规则更新。谁来复核、多长时间内闭环、争议如何升级到工艺或设备，都需要写成流程。缺了这一步，样本库和规则会在几周内过时，原因分析的可信度也会跟着掉下去。

复核不是给项目加一道形式签字。它是把模型输出重新变成企业知识的机制：判对的案例强化规则，判错的案例修正映射，拿不准的案例进入待观察区，而不是直接当结论使用。质量管理人员真正要准备的，是复核的时间和权限，而不是再多买几台相机。AI项目负责人则要在方案里把复核工时算进去，否则上线后产线只会觉得“又多了一个需要人盯的系统”。

如果现在手里只有框好的缺陷图，距离多模态原因分析还差一层业务数据工程。先把异常样本库、根因关联规则和人工复核流程立住，再评估模型能不能看图说话，质检项目才不容易停在演示很漂亮、上线却解释不清的地方。门槛不在概念新不新，而在这些准备工作有没有人认领、有没有字段、有没有闭环。