SenseNova-Vision 工业场景实测全记录 ，检测、分割、深度、法线、开放理解——能跑的任务全跑了一遍

工业视觉 / 统一模型 / 深度实测

把金属件、主板、化工厂全扔给同一个AI 它到底行不行？

SenseNova-Vision 工业场景实测全记录

统一视觉模型最近很火。论文漂亮、榜单好看、Demo 惊艳——但工业现场的图，它到底行不行？ 我们没有用官方精美样例，而是把自己的金属工件、产线双目图，加上从网上找的电脑主板、化工厂全景、车间操作场景，一共 5 种完全不同的工业图，全部扔给了 SenseNova-Vision。 检测、分割、深度、法线、开放理解——能跑的任务全跑了一遍。

这次用了哪些图？

前 3 张是我们自己的工业件和产线图，后 3 张来自 Pexels（CC0 协议）。覆盖了从微观（主板）到宏观（化工厂）的完整尺度。

先说结论

能用，而且比预想中"更像一个多面手"。

在我们这 6 张工业图上： 开放理解——最大亮点。主板、化工厂、金属件、产线，全部给出专业且结构化的描述。 检测框——主体定位靠谱，但不会拒绝不合理的 prompt。 分割——前景清晰的工业件 mask 干净，复杂场景更像"前景提取"。 深度 / 法线——能看出结构层次，但别当计量设备。 遮挡 / 缺失判断——偏弱，太"乐观"，不能当质检决策器。

金属工件：检测、分割、深度一次跑通

同一张金属条模板，我们连续跑了理解、检测、深度、法线四项任务——这是最能体现"统一模型"味道的地方。

开放理解

"The image displays a metallic rectangular bar with a brushed finish. The bar has evenly spaced vertical slots along its length and circular through-holes at each end. The material appears to be steel or aluminum, commonly used in industrial applications. The holes are likely for mounting purposes..."

没有把工件描述成"键盘、遥控器、装饰画"——工业语境是对的。

目标检测

相对深度

表面法线

检测：金属条主体一个大框位置准，孔位一排小框基本贴着圆孔，两端端块被标成 bracket。定位能力明显强于细分类能力。 深度/法线：能分出工件和背景，隐约看到条状轮廓和孔的起伏——是"结构化的几何直觉"，不是计量级重建。

分割：这次是加分项

metal bar 分割 mask

平移样本检测

只问了一句"请分割 metal bar"，返回的 mask 很干净：主体完整、背景干净、边缘没有碎成雪花点。工件平移后，检测结构关系还在，没有明显"看丢"。

翻车现场：遮挡样本太"乐观"

T8 遮挡样本

我们明确问："有没有被遮挡？缺了什么？" 它的回答："在右侧且完整可见，所以没什么缺失。" 问题在这里——工业质检里，"看起来都在"和"关键特征是否齐全"完全是两回事。 它更像在做场景叙述，而不是缺陷裁决。

产线双目图：描述比深度更让人安心

产线双目左图

深度估计

开放理解

"白色细长塑料导轨，多孔多槽，放在黑色反光表面上，上方有光照，表面看起来干净，没有明显划伤、变色或变形。"

很像一个靠谱质检员的"第一眼描述"。深度图能勾勒导轨轮廓，但细节偏平滑。

电脑主板：理解能力最亮眼的一张

主板特写是本轮测试中模型表现最好的样本——理解输出结构化、专业、准确，一次识别出 7 个关键部件。

开放理解（原文摘录）

"This is an image of a computer mainboard (also known as a motherboard)... 1. CPU socket：中央 large square chip with numerous small contacts 2. Heat sink：黑色散热器 with metallic-looking base 3. DIMM slots：左侧两条 empty slots 4. PCI-Ex slots：右侧多条 with metallic brackets 5. Chipsets：多个 dense contact points 6. Connectors：电源、SATA、USB 端口 7. BIOS/CMOS：左下角 clear circular cover"

7 个关键部件全部识别正确，描述专业且结构化。

相对深度估计

表面法线估计

深度图能区分散热器（凸起）和 PCB 平面（基底），法线图能看到芯片区域的微结构起伏。但整体偏平滑，不适合做元件高度测量。

化工厂全景：理解准确，检测"硬套类别"

一张化工厂全景——塔器、管道、走道。理解能力再次验证，但检测任务暴露了一个重要问题。

开放理解（原文摘录）

"The image depicts an industrial facility under a clear blue sky. Several large, vertical cylindrical structures dominate the scene... The foreground features a network of pipes and girders, some rusted, suggesting age or exposure to the elements... commonly found in chemical processing or petrochemical plants."

正确识别为化工/石化设施，描述具体且准确。

检测 prompt：chip / capacitor / resistor / connector / LED

典型翻车：我们故意用了 PCB 元件的 prompt，模型并没有说"图里没有这些东西"，而是把所有类别都框在了同一片区域上。 这说明：检测模块不会拒绝不合理的 prompt，它会"尽力满足"你的要求，哪怕图里根本没有那些东西。工业部署中，这是必须加护栏的地方。

二值分割（prompt: "main chip"）

车间场景：理解靠谱，分割更像"前景提取"

目标检测

工件分割

开放理解（原文摘录）

"The image depicts an individual standing in what appears to be a workshop or factory setting. The person is wearing a dark-colored t-shirt and red work gloves... The machinery visible includes what appears to be a large grinding or polishing machine... such as in a machine shop or metal fabricating facility."

检测给了 4 个框（workpiece、tool、clamp、hole），但 workpiece 和 clamp 框重叠，tool 框极小。分割 mask 把人物和机器一起切了出来——说明 binary seg 更接近"显著性前景提取"，而非精确的类别分割。

一张表看懂：它适合干什么

四个关键发现

1. 理解能力是真正的"统一"优势 无论是主板、化工厂、金属件还是产线，模型都能给出专业、结构化、有工业语境的描述。这不是"看图说话"，而是真正理解了场景的功能和结构。

2. 检测模块不会"拒绝"不合理的 prompt 在化工厂图上问"检测 chip/capacitor"，它不会说"没有"，而是硬框一片区域。工业部署中，必须在上层做"合理性校验"。

3. 分割更像"前景提取"而非"语义分割" 前景清晰的金属件 mask 干净完整；但在车间场景中，它把人物+机器一起切了出来。使用前需要确认输出是否符合预期。

4. 遮挡判断太"乐观" 它更像在做场景叙述，而不是缺陷裁决。"看起来都在"不等于"关键特征齐全"。这一项不能单独用于质检判定。

如果你是工业团队，怎么用它？

推荐落位：

1. 数据前处理助手——自动粗检、粗分割、生成初步标签，再人工纠正

2. 多任务预研底座——新项目来了，先用统一模型摸清图里有什么、难点在哪

3. 报告与复盘生成器——把检测/分割结果转成可读描述

4. 人机协同质检的第一层——先由模型给线索，再由规则或人工确认

不推荐直接做的事：

- 直接输出 OK/NG 并连到剔除机构

- 替代高精度尺寸测量

- 在复杂遮挡、强反光、微小缺陷场景独自负责最终判定

写在最后

SenseNova-Vision 给人的感觉，很像一位知识面很宽的初级视觉工程师。 你丢一张新图，它能较快告诉你"这大概是什么、哪里是主体、孔在哪、结构怎么走"。 你让它做精密裁决、缺失定责、公差判定，它会开始犹豫，甚至说错。 但这已经足够有价值了。 因为工业视觉真正费时的，往往不是最后那 1% 精度，而是前面 80% 的：看懂场景、找到目标、切出 ROI、形成第一版可讨论结果。 统一模型正在把这 80% 变快。

测试环境：SenseNova-Vision-7B-MoT / Hugging Face Space 在线推理 测试图片：自有工业件 + Pexels (CC0) / 模型协议：Apache 2.0

GitHub: github.com/OpenSenseNova/SenseNova-Vision Demo: huggingface.co/spaces/sensenova/SenseNova-Vision 权重: huggingface.co/sensenova/SenseNova-Vision-7B-MoT