新型显示产业链环节众多、工艺复杂，面板及器件表面存多种微缺陷和隐蔽缺陷。传统人工质检长期面临"看不全、判不准、跟不上、难稳定"的困境。一上，产线速度加快、产品迭代频繁，检验窗口更短、标准更严；另一方面，缺陷样本稀缺且分布不均，传统规则算法难以适应复杂场景。质检能力的不足直接影响良率、交付周期和成本，制约了新型显示企业的国际竞争力。 业内人士指出，质检难题主要来自三个方面：一是缺陷形态细微且变化快，同一类缺陷不同材料、工艺、光学条件下表现差异明显；二是产线频繁切换导致数据分布漂移，模型需要持续迭代而非"一次训练、长期通用"；三是高质量标注数据获取成本高、周期长，缺乏可复用的数据资产与方法体系。加上制造现场对实时性和可靠性要求高，智能检测必须在准确率、漏检率、速度、稳定性之间找到可工程化的平衡。 数之联与电子科技大学、厦门天马微电子共同完成的"新型显示产业链产品缺陷智能检测技术及应用"获得吴文俊人工智能科学技术奖科技进步二等奖。这项目此前在全国人工智能应用场景创新挑战赛总决赛中获得特等奖，说明了技术创新与落地成效的双重认可。 从应用效果看，该系统推动缺陷检测从"抽检、人工判读"升级到"在线、自动化"。在实际产线中，系统提升了检测效率，实现全流程自动化质检，准确率达到较高水平。目前已在天马微电子、京东方、惠科、维信诺、华星光电以及海信、TCL、创维、长虹等企业规模化应用，带动人力成本下降、质量稳定性提升，为企业提供了可复制的解决方案。 该项目形成了"企业主导、高校支撑、用户验证"的产学研协同模式：企业负责工程化落地和产品化运维，高校提供算法与理论创新，龙头制造企业提供真实产线与验证场景，推动技术从实验室快速进入生产线。面对产线切换频繁、数据复杂等难题，项目以高质量数据集建设为基础，构建"算法—数据—场景"一体化体系，通过现场数据反馈持续迭代模型与工艺适配策略，增强系统的稳定性和可扩展性。 业内分析认为，面向制造业关键环节的智能质检，下一步需要在三上发力：一是强化数据治理与标准化，提升跨产线、跨工厂的迁移能力；二是提升多源信息融合与在线学习能力，使系统面对新缺陷、新材料仍能保持低漏检；三是加强软硬件一体化与安全合规，确保设备长周期稳定运行。通过这些路径，可继续降低智能质检应用门槛，推动产业链整体质量能力提升。
工业质检作为制造业的重要环节，其智能化水平直接影响产品质量和生产效率；数之联此次获奖——既是对技术创新的认可——也是对产学研协同创新模式的肯定。这表明，推动制造业高质量发展需要企业、高校、用户等多方深度融合，将科技成果转化为现实生产力。随着人工智能在工业领域的深化应用，必将为中国制造业的转型升级提供新的动力。