中新网山西新闻8月4日电 铸造是“一步错、步步错”的行当——球化反应不达标，铁水第一步就有问题；浇注出现二次补浇，成品易产生接痕甚至断裂；起模不按规范，砂型一损气孔夹砂就来了。在山西临汾华翔集团，278个监测点位常年运转，全厂质检人工占比一度高达六成，废品率成了企业发展路上不得不考虑的问题。

　　“以前出了废品，谁都说不清是球化没到位、浇注出了岔子，还是起模没卡准时间。”质检主管说，翻半天监控找原因、扯不清责任成为铸造工艺中一个头疼的事。

　　2026年7月，随着中国移动山西公司AI视觉行为检测系统在首条测试产线上线，这套“说不清”的困局开始改变。

　　山西移动技术团队接到任务后没有急着出方案，先在车间蹲了数周。夏天炉前温度超过50摄氏度，铁水一浇热气扑面，粉尘弥漫。团队跟着老师傅逐一记录每道工序的标准作业规范——球化反应怎样算达标、浇注怎样算一次到位、起模在什么节点操作、外观质检需覆盖哪些部位。工人最容易出错的环节、最容易被忽略的细节，全部转化为算法的判断依据。

　　方案的核心是一套“普通摄像头加智算一体机加AI算法”的轻量化组合。一台智算一体机部署在产线现场，利旧车间现有摄像头采集视频流，直接在边缘侧完成推理，毫秒级响应，数据不出车间。技术团队采用深度学习算法，通过人体姿态估计判断动作是否标准，通过时序行为识别判断反应时长是否达标，通过目标检测判断操作是否一次到位、工序是否全部覆盖。由于用的是普通摄像头而非昂贵的工业相机，部署门槛大幅降低。

　　系统采用“合规则静默、违规即告警”的模式。工人正常操作时，AI在后台默默比对标准作业规范；一旦球化反应时长不达标、发生二次浇注、起模未按时操作、外观质检关键面遗漏，系统当场告警，且每一笔违规都附带视频片段，管理人员可随时调取追溯。

　　经过多轮迭代训练与现场调优，七大场景行为识别准确率均达94%以上，铁水取样监测模型最高达98.25%。上线后，产线废品率降低三成，年节省质检成本200万元。从“人找问题”到“AI报问题”，改变的不只是管理方式，更是精密铸造从“凭经验”到“靠标准”的生产逻辑。

　　作为中国移动山西公司打造的AI赋能工业制造领域标杆项目，该方案探索出一条轻量化、可复制的落地路径。(完)

　　(刘齐 武婧)