国内首台轮胎外观缺陷全检AI设备惊艳亮相广饶轮胎展

　　2025年5月15-17日，中国（广饶）国际橡胶轮胎暨汽车配件展览会在山东省东营市广饶国际博览中心盛大开幕。联想集团自主研发的中国首台轮胎外观AI终检全检混检设备闪耀亮相，向行业展示了联想在AI工业质检领域的领先成果，引发业界广泛关注。

第十五届中国（广饶）国际橡胶轮胎暨汽车配件展览会现场

　　随后在5月20日，中国橡胶工业协会橡胶测试专业委员会于山东招远举办年会暨第七届中国橡胶行业创新与轮胎测评智能发展技术研讨会。会上，联想研究院人工智能实验室研发总监虞文明发表了《联想小样本学习技术在轮胎外观全检测中的应用》主题报告，与全国轮胎行业的测试验证专家进行了深入交流，展示了联想在AI工业检测领域的前沿实践。中橡协、测试委领导及参会的头部轮胎企业专家对于联想表面质检方案高度认可，在发言中多次提及，认为联想的AI算法良品小样本建模开启了轮胎质检技术新方向，对于未来几年的行业布局可能产生深远影响。

黑色金字塔的守望者：轮胎外观检测的艰巨挑战

　　工业史上，轮胎行业一直面临严格的标准和法规约束，权威机构与行业协会对轮胎的外观尺寸、花纹深度和表面质量均有严格要求。经联想集团调查发现，目前多数轮胎企业在成品终检环节仍高度依赖传统人工手检，通常一个班次需要8~11人联合完成质检工作。在当前社会产业环境下，这种模式面临四大挑战：工作环境恶劣导致的高流失率与招工难问题、人力成本不断上升、检测标准难以统一，以及整体信息化程度亟待提升。

　　虽然一些厂商尝试引入AI技术进行轮胎表面缺陷检测，但普遍面临缺陷样本数据收集困难的问题，导致模型训练周期长达3-6个月。此外，对于产线不同SKU混检以及轮胎各部位一次性检测等难题，行业内尚无很好的解决方案，致使相关技术难以真正落地。

　　匠心智造：联想质检智能体的技术突围

　　针对行业痛点，联想方案服务与联想研究院协同，共同推出了工业质检智能体解决方案，基于联想边缘大脑工业质检开发套件（Lizard）V3.0版本，构建了一套轮胎表面缺陷全检精准检测设备，为客户提供涵盖"光、机、电、算、软"的端到端解决方案。

　　该方案最大的突破在于内置了联想自研的行业领先小样本终身学习无监督建模算法，只需60~100条良品轮胎数据即可完成建模，能够覆盖轮胎的不同部位，可针对轮胎表面人眼可检的100多种缺陷进行检测。系统支持边缘训练和边缘推理，数据无需上云，既保证了数据的隐私性，又提高了处理速度。

　　方案配置了联想AI推理服务器，搭载2张推理GPU卡，支持16+工业相机和18+光源，确保自动化检测机台高效稳定运行。目前，该方案已经通过联想中国方案服务业务群落地到某全球头部30强轮胎制造企业，助力中国轮胎行业的智能化升级。多达10家中国前20强轮胎企业正在与联想进行接洽，积极推进设备入场落地验证。

轮胎外观缺陷全检AI设备原型机

　　智能算法的炼金术：小样本学习的突破性进展

　　联想边缘大脑早在2022年就被中国信通院评为"边缘可信AI应用标杆案例"。在工业质检领域，联想通过持续的算法研究，成功突破实现了具有泛化性和抗遗忘性的"大模型+小样本"无监督良品建模算法。与行业中基于不良品的有监督建模方法相比，所需样本量仅为传统方法的1%~3%。

　　联想集团还结合了一系列传统图像处理算法，引入自主研发的可视化小样本多维融合分类器，融合了缺陷位置、颜色、尺寸以及神经网络特征等多维信息，实现对不同缺陷类型的精准分类。

　　今年3月，联想边缘大脑V3.0凭借其技术创新能力与规模化应用成效，入选全球五大机器视觉行业组织之一的机器视觉产业联盟（CMVU）"2024年度机器视觉创新产品TOP10"榜单，标志着联想方案服务已跻身中国机器视觉工业软件第一梯队。

　　光影交织的精工技艺：轮胎检测的光学与机械突破

　　轮胎橡胶材质和曲面异形特点，为检测过程中打光带来了巨大挑战。联想团队通过一系列创新方案攻克了这些难题：采用定制光源+面阵相机覆盖胎冠沟槽区域，实现对沟槽夹杂杂质、裂纹等缺陷的清晰拍摄；使用定制化胎里模组全覆盖胎里视野；利用宽条光对胎冠、胎侧、子口部位进行打光，有效解决表面异形且反光的问题；运用亮度高出普通光源30~50倍的高亮频闪控制系统，解决橡胶材质吸光难题。

　　在机械结构设计上，系统可适配不同轮胎尺寸范围，满足不同SKU混检需求，并将相关光学模组和上下料结构进行系统融合，大幅提升单胎检测效率，打造出国内首台支持轮胎全检混检的外观AI检测设备。

　　目前，联想边缘大脑已在汽车新能源电池、皮革、3C电子、汽车电子、药品、钢铁、X-ray、鞋、布匹等多个领域成功落地，正成为引领中国工业质检变革的核心技术力量。联想正在通过AI触发千行万业进化的链式反应，以混合式人工智能优势集及两大创新交付方式重构各行业的AI应用部署的底层逻辑，其颠覆性不局限于单一技术栈的更新，也不仅仅是某个目标行业的智能化升级，而是以智能体为核心的千行万业的代际跃迁。