“交付时准确率99.8%，客户也签了字。三个月后漏检率涨到原来的三倍，产线停了整整一小时。”一位做工业质检的工程师用这句话开场。模型还是那个模型，精度也没掉，但温度变了、光照变了、产品批次换了，而模型上线后再没更新过。这正是工业质检的“99%陷阱”：从90%到99%可以靠更强的模型和更多标注，从99%再往99.8%、99.9%走，拼的是架构、数据、训练、部署与运维五件事能不能拧成一股绳。
三层漏斗：谁站岗，谁坐诊
产线节拍是硬约束，产品从相机前流过，留给AI的推理时间通常只有15毫秒，让多模态大模型对每一帧做完整推理并不现实。文章给出的分工是“小模型快筛、大模型精判”：L1端侧用YOLO26n，在15毫秒内完成实时检测，置信度高于0.95直接放行，低于0.70直接判为缺陷送入隔离区；L2边侧用Qwen3-VL-4B的FP8量化版，只处理0.70–0.95之间的“模糊区”样本，耗时80–150毫秒；L3云端用8B/72B大参数版做深度分析与增量训练数据生成，异步批处理，不阻塞产线。
漏斗的精髓在于用最快的模型过滤掉95%以上的样本，剩下的5%再交给大模型。结果是边缘算力需求削减七成以上，高难度缺陷的检测精度反而提升。
两个模型的关键参数
YOLO26是Ultralytics在2026年初发布的边缘优先检测器：端到端无NMS推理，去掉后处理后更轻、更容易部署；移除DFL模块，简化ONNX与TensorRT导出；ProgLoss与STAL训练策略改善小目标召回。YOLO26n只有2.4M参数，在NVIDIA T4上单帧1.7毫秒，在RK3588边缘设备上9–12毫秒，CPU推理速度较YOLO11提升最高43%。
Qwen3-VL-Seg在2026年5月开源，它把多模态模型预测的边界框当作语义锚定的结构先验，用一个仅17M参数（约为基础模型0.4%）的边界框引导掩码解码器输出像素级分割，不依赖SAM等外部分割模型。但通用模型不能开箱即用：在LNG储罐制造场景中，团队用QLoRA在24GB显卡约束下微调七款主流视觉语言模型，Qwen3-VL-8B以mAP@50 87.42%胜出，并能输出含7个语义字段的JSON检测报告；仅需50–100张标注缺陷样本即可完成场景适配。某3C电子厂引入VLM兜底后，难例误报率下降42%。
闭环：把人工复核变成训练口粮
静态模型在工业环境里注定会衰老。文章设计的闭环是“数据在边缘预处理、模型在云端优化、决策在边缘执行”：只对置信度0.70–0.95的样本（占总量的5%–15%）人工复核，复核员点击“正确”或“纠正”，系统自动记录修正标签；每天或每周把修正标签与新采集的难例打包上云；基于历史模型加新数据做LoRA或全量微调，训练通常2–4小时；新模型以shadow模式与主模型并行跑3天，指标更优后通过配置中心逐步切流，产线不停机。
作者给出的经验值是：持续跑6个月，难例识别能力通常提升40%–60%；闭环周期从最初的14天压缩到7天，头部团队在往3–5天冲刺。每复核一个样本，就为模型提供一次免费训练——人工复核从成本项变成收益项。
用扩散模型补稀缺样本
质检最痛的瓶颈往往不是模型，而是缺陷样本永远不够。结合LoRA适配的扩散模型，20–50张真实缺陷图就能生成数百张高保真样本；在MVTecAD上，DDPM与不对称师生网络结合的方法达到98.4%的图像级AUROC与98.3%的像素级AUROC。生成样本还要过两道筛：PSNR/SSIM低于阈值的剔除，再用预训练缺陷分类器只保留高置信度命中对应类别的样本。作者建议真实缺陷少于100张时，先把数据扩到500–1000张，比等产线“出故障”高效得多。
实时性红线与落地边界
整套系统的时延预算是：YOLO26n在RK3588上低于15毫秒；Qwen3-VL-4B-FP8在Jetson AGX Orin上低于100毫秒，且走异步旁路；云端训练只在产线休息时段离线执行。边缘端只上传0.70–0.95区间的ROI，平均每张图仅0.2个ROI，带宽几乎不成为瓶颈。关键原则是不要试图把大模型塞进实时主路径：产线等不起的交给小模型先判，大模型在旁路修正模糊样本。
文章的结论很朴素：小模型守速度，大模型守精度（前提是完成场景微调），闭环保鲜度，样本生成破稀缺度。四颗齿轮卡在一起，才可能把99%推到99.9%并长期稳住。
资料来源：工业质检的“99%陷阱”：YOLO26站岗、Qwen3-VL-Seg坐诊，闭环质检的完整架构 — 腾讯云开发者社区（2026-06-16）。本文为技术要点整理，非原文全文。