聚玻以视觉智能与工业智能体助力玻璃制造业提质增效

在工业制造领域，视觉智能的价值，正在一条条生产线上变得生动而具体。相机捕捉产品细节，算法识别异常，检测结果及时反馈给现场人员——视觉智能让企业有了观察生产过程、管理产品质量的新方式。

在德国，宝马公司将AI视觉检测融入汽车装配流程，检查零部件是否齐全、装配是否存在异常，并及时向产线人员反馈；在日本，松下能源将深度学习用于电池生产中的焊接痕迹检测，帮助区分正常划痕与真正的缺陷，减少误判带来的重复检查和不必要的剔除。

这样的变化，也同样发生在玻璃深加工企业的车间里。

立足玻璃产业，杭州聚玻科技有限公司（以下简称“聚玻科技”）围绕生产现场的质量检测需求，推出了“聚玻明视”AI检测设备及工业AI智能体服务，将工业视觉与产品工艺、检验经验相结合。从厨具玻璃到电子玻璃，从生产环节检测到成品检验，“聚玻明视”在不同工序中积累样本、优化模型，探索以工业AI的方式帮助企业减少损耗、提高效率。

玻璃工厂用上AI智能体后，很快有了新需求

在秦皇岛坤平的车间，一天的生产从早上八点半开始，到晚上七点半结束。

11个小时，对设备来说是一段连续运行时间，对人工检测来说，却是一道排班题。一个人的正常班次难以覆盖，再增加一个人，又未必有足够的工作量。项目人员在复盘时，将它形容为需要“1.5个人工”的尴尬。

“聚玻科技”进入这家工厂，最初要解决的就是这样的具体问题：跟上工厂的生产节奏，检查玻璃成品的瑕疵。

但“聚玻明视”检测设备要在坤平的生产车间里站稳，光能连续工作还不够，还得检得准。

坤平是一家生产厨具玻璃的制造企业，日常工作除了超白、灰玻、镀锡等不同材质的检测外，还有韩文、英文字符的工艺检测项目。过去依靠人工逐片检查的工作，需要“聚玻明视”逐步接起来。

随着现场样本积累和模型调整，截至2025年10月，“聚玻明视”已兼容55款产品，成品检测准确率为95.88%，漏检率为0.35%，这台设备逐渐成为坤平成品质量把控的重要关口。

在持续使用一段时间后，坤平有了进一步的想法：成品端查出的问题可以通过前移检测环节更早发现，进而减少有瑕疵的产品进入后续工序造成浪费。

于是，在使用“聚玻明视”设备两年后，坤平复购了第二台。

这一次，设备安排在钢化环节前，将问题拦在进一步加工之前，减少不必要的物料、能耗和工时投入。

一台设备的位置变化，体现了工厂对工业AI认识的加深。先用它守住成品的出厂质量，再把检测向前移，减少生产过程中的浪费。

把经验带进下一家工厂，AI智能体很快复制落地

工业AI智能体进入工厂后，常常要经历一段磨合期。换一种产品、换一个检测位置，原有方案就可能需要调整。

对“聚玻科技”来说，一个项目做完之后，留下的缺陷样本、经过验证的算法、模型，以及对每道工艺的理解，构成了走进下一家工厂的底气。

宁波必利来同样是一家生产厨具的玻璃制造企业。2025年，必利来向“聚玻科技”订购了两台“聚玻明视”设备，分别用于成品检测和冷端检测。

成品检测率先启动，坤平项目积累的经验也随之进入新的车间。截至2026年9月，必利来的成品检测准确率已超过98%，过检率约为1%。

到了第二台冷端检测设备，落地的步伐进一步加快。从项目启动到完成验收，用时不足两个月。客户胡主任非常认可当期检测效果，也对后续白片、磨砂产品的检测交付表达了期待。

工业数据的价值，就这样在一次次落地中显现。一张经过复核的缺陷图片，成为模型学习的样本；一次现场异常的处理，积累为解决同类问题的经验。那些曾经需要反复摸索的细节，逐渐成为下一次交付可以借助的基础。

经验随着设备走进新车间，新的生产现场又不断丰富已有经验。“聚玻明视”加快落地的背后，是数据、算法与工艺理解的持续积累。

一处污渍，也是一笔成本

与厨具玻璃相比，电子玻璃的生产节奏和检测要求又有所不同。

东莞辉斯达是一家从事电子玻璃深加工的企业。2026年，企业采购了首台“聚玻明视”设备，用于手机保护片玻璃检测。设备的一项重要任务，就是找出清洗后残留的污渍。

一处污渍，看起来微不足道，发现的时间却关系着处理的成本。洗片后及时检出，产品可以送回返洗；一旦漏过，问题就可能随着玻璃进入后续工序，处理起来更加费时费力。

洗片后发现污渍，可以及时将产品送回返洗。如果未能发现，问题就可能继续流转，增加后续处理的成本。

首台设备一期验收时，辉斯达负责人詹总就认可了设备检验洗片效果的能力，同时提到，公司近期承接了汽车车机玻璃生产业务，同样需要在清洗后进行检测。

新的需求就这样在交付过程中出现了。

但车载显示屏保护片的尺寸更大，超出了首台设备的处理范围。在评估设备改造与重新采购两种方案后，客户选择再购一台新机，专门承担大尺寸车载保护片的清洗后检测。

第二台设备验收单显示，检出率为91.1%，漏检率为3.5%，过检率为14.5%。随着第二台设备投入使用，辉斯达新承接的车载保护片业务，也将清洗后的人工检查逐步交由设备辅助完成。

从手机保护片到车载显示屏保护片，产品尺寸变了，客户希望尽早发现清洗问题的需求没有变。第一台设备的使用效果，成为辉斯达为新业务再次采购设备的依据，也让“聚玻明视”把已有的检测经验带进了新的产品场景。

工业AI的下一步，从现场工业数据开始

三个客户，三种应用变化。

坤平将检测前移，必利来分阶段拓展检测工序，辉斯达将已有应用延伸至新产品。它们共同说明，工业AI的需求会随着使用过程继续生长。

设备投入运行后，企业容易出现什么问题、哪些情况容易误判、哪些缺陷反复发生等数据，经过规范清洗标注后，可以用于模型优化，也可以为质量分析提供依据。

这也是工业AI智能体进一步发挥作用的基础。

在现有视觉检测之上，如果能够关联产品批次、工序记录和处理经验，面向质量管理的智能体就可以辅助人员汇总异常、检索历史案例、整理排查建议，并跟踪处理后的变化。

对于“聚玻科技”来说，接下来的工作仍然具体：

让“聚玻明视”设备适应更多产品，让交付更顺畅，让检测结果更好地服务生产，让AI智能体在持续积累的工业数据中学会识别问题、辅助分析，并将现场验证过的经验用于下一次质量改进。

从一片玻璃的质量检测，到一道工序的优化，再到整条产业链的协同升级，工业AI的价值正在不断延伸。当分散在车间里的经验沉

淀为可复用的工业知识，将生产中持续产生的数据转化为改进工艺、提升品质的依据，制造业就有了持续提升自身能力的新动力。

“聚玻科技”的探索，是这一进程中的具体实践。以真实场景打磨技术，以产业数据支撑智能，让更多制造企业用得上AI、用得好AI，将推动中国制造在长期积累的产业基础之上，进一步形成质量、效率与创新能力的竞争优势。

标签：