工业质检是智能制造的关键环节，其技术升级既需要真实产线的场景与数据，也需要前沿算法的持续突破。本次项目以四川省经信厅“双向揭榜挂帅”机制为纽带，由企业出题、高校答题、成果回产线验证，形成“需求—研发—验证—落地”的闭环。

数之联作为发榜单位，提供实际产线数据用于模型训练与测试，并配合完成产线部署与落地验证；电子科技大学与西安交通大学组建联合研发力量，围绕核心技术开展攻关。高校的理论积累与企业的工程场景深度耦合，正是“创新链、产业链、资金链、人才链”四链融合在工业质检领域的具体实践。

工业表面缺陷质检在真实产线落地中，长期面临四类核心问题：

一是多源模态时空不同步与缺失。产线多传感器存在时空不同步、语义不一致的情况，模态易缺失且噪声较大，融合过程容易受低质量模态影响。

二是“因果—解释”双向引导缺位。建模过程与工艺参数脱节，模型不可解释，或仅对判定结果做事后解释，导致判定可靠性缺乏依据。

三是边缘部署低能耗与高精度难以兼顾。高精度模型计算量大、能耗高，边缘设备难以实时承载；而低能耗模型又难以满足高精度检测要求。

四是跨场景小样本迁移泛化能力差。缺陷样本稀缺、换型频繁，分布偏移会使检测精度快速下降。

针对上述痛点，本项目以鲁棒可解释的多模融合技术为主线，力求在算法理论与软件系统两个层面同步突破。

本项目以新型显示领域手机 OLED 显示面板的表面缺陷检测为应用场景，重点覆盖 Mura（亮度不均类缺陷）等典型缺陷，产线场景、采集条件与实际数据由发榜企业提供。同时，项目将在高密度印制电路板（PCB）质检上验证方法的可迁移性，并可进一步拓展至智能家电外观检测场景，形成“一场景突破、多场景复用”的技术辐射效应。