多模态AI质检与传统视觉质检的区别

多模态AI质检与传统视觉质检的分野，不在“能不能看清缺陷”，而在“能不能说清原因”。传统视觉质检的终点是判定：这张图合格还是不合格，缺陷属于划痕、裂纹还是脏污。多模态AI质检的起点则是对齐，把图像与工艺记录、设备状态、物料批次放在一起理解，最终输出一个可核对的原因方向。两种能力对应两套完全不同的数据准备逻辑，评估时若只比较模型效果，很容易把项目带偏。

传统视觉项目的标注相对封闭，画框、选类别、勾轮廓，标签集合在项目启动时基本定死，模型学会的是在像素层面判断“像不像某类缺陷”，产线要的也主要是拦截不良品。多模态系统则要同时理解图像和文本，标注从分类变成陈述，需要回答的是“为什么算缺陷”“严重程度是否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。标签集合也从封闭变成开放，新机台、新配方、新缺陷随时出现，原来的类别表覆盖不住。

差异同样体现在“对错”的定义上。传统项目里框偏一点、类别偶发争议，通常不影响过杀与漏检的主指标；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工艺上下文，复核人员也无法拍板。因此，多模态质检的数据准备工作量往往大于模型切换本身，且必须把质量、工艺、设备的人拉进标注，而不是把图交给外包团队就算完成。

落地前有三件事需要先立住。异常样本库不能只是NG图片文件夹，入库时至少要能回答缺陷形态与严重程度、拍摄工位与光照条件、对应的物料和工艺窗口、是明确不良还是临界品或历史误报，没有这些字段，模型只能停留在外观层。根因关联规则要把缺陷形态、可能原因、需要核对的工艺项写成可维护的映射，缺陷容忍标准也要写进规则，规则的价值不在于显得完整，而在于可改、可追、可反对。人工复核流程则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，复核看三层：定位是否成立、原因是否落在已有规则内、案例要不要回流样本库或触发规则更新。

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，再评估模型能力，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。