齐鲁制造会客厅｜极视角：一双“慧眼”，看懂车间里的门道

卸料区内，一名工人身穿工服，却没有戴安全帽。监控摄像头拍下了这一幕。

如果交给传统视觉算法，系统可以识别出人员、安全帽，但要判断工人是否违反厂规，还需要进一步分析。

在山东极视角科技股份有限公司的演示屏幕上，一段指令提出了要求：“按照厂区管理规定，卸料区工作人员必须穿工服并佩戴安全帽。图中情况卸料区是否出现违规？应作何处置？”

模型给出回答：“有一位人员，穿工服但未戴安全帽。应加强管理和内部宣导。”

从认出安全帽，到读懂一条厂规，摄像头背后的AI算法有了新任务。

“落地6000多个项目后我们看到，AI视觉在真实场景仍有四类痛点。”10月14日，齐鲁制造会客厅极视角路演推介会上，极视角总裁陈硕介绍，其中一个关键问题，就是复杂逻辑难以判别。

过去，视觉算法擅长识别指定目标。比如，工人有没有戴安全帽、设备有没有漏油，都可以通过训练对应算法来解决。但工厂的管理要求往往不止于此。

以卸料区为例，识别出工人没有戴安全帽只是第一步，还要判断他是否处于必须佩戴安全帽的作业区域，是否违反管理规定。这里涉及的不只是人和物，还有位置、动作与规则之间的关系。

为此，极视角研发了“星际视觉语言大模型”，将图像识别与语言理解结合起来。工作人员可以用语言描述任务，让模型依据画面信息作出判断。

不过，极视角并没有因此放弃过去积累的1500余种视觉算法，而是选择让大小模型分工。

小模型利用极视角算法能力，快速完成轻量/实时/细分任务的推理分析，保证高精度的同时，占用较少服务器资源，满足细分场景快速响应需求。

大模型则针对复杂或通用巡检类任务，采用星际视觉语言大模型主力版本，结合提示词设计，实现对不同车间、生产制造等场景任务统一分析，提升模型的理解与推理能力。

火花不等于火灾。多一道复判，就有机会减少误报，避免巡检人员被反复触发的警报牵着走。

这套技术，已经走进一家铝业集团的生产车间。

铝厂生产涉及原料输送、蒸发、溶出、分解、焙烧等工序。磨机螺帽松脱、料浆泄漏、设备出现异物，都是巡检人员需要留意的问题。

车间里有高温、粉尘和噪音，部分设备长期运转。过去，工人需要沿着生产线逐个点位巡视。引入AI算法后，摄像头可以承担部分监测任务，系统发现异常后，再由人员定向核查。

但铝厂面临另一个麻烦：生产工序多，各类设备所需的识别算法不同。如果每增加一项任务，就单独开发、部署和维护一套算法，管理成本也会随之增加。

“我们用4B版本打造大小模型协同方案。”陈硕介绍，极视角通过极星平台，将铝厂各车间的视觉识别任务纳入同一系统，按需调用大小模型。

目前，项目已落地50余项大小模型算法应用，覆盖磨机料浆泄漏、气动离合器异物检测等场景。

对于缺少历史故障图像的任务，工作人员还可以通过语言描述识别需求，减少重新采集、标注和训练样本的工作。

从一项算法到一套模型，从识别单个目标到理解生产场景，极视角的发展轨迹，折射出人工智能与实体经济融合的进程。随着应用场景不断拓展，这些扎根产业的技术创新，也将持续为制造业提质增效、产业高质量发展注入动力。

路演临近尾声，陈硕以一句话道出了极视角的追求：“不止看见，更看懂产业世界。”

（大众新闻记者 杨成）