人眼看不见的封装瑕疵，AI能看见。

 近日，记者走进邯郸市曲周县晨光生物科技集团股份有限公司灌装车间。一壶壶辣椒红色素顺着传送带依次通过，一侧屏幕上检测数据实时刷新：今日检测总数1285，错误数1，合格率99.922%。

 “以前这种盖封微小瑕疵靠人眼根本看不出来。现在AI提前预警，工人能够把有问题的产品重新封装。”公司数字中心负责人程远欣说。通过定义12种导致漏液的微小隐患，这套搭载热成像与机器视觉算法的AI检测系统能及时识别盖封瑕疵。自系统上线以来，漏液率从3‰降到0.5‰。

 在晨光生物，这样的AI应用并非个例。

 作为全球植物提取行业的领军企业，晨光生物为这条产业链植入“AI大脑”，让人工智能贯穿质量管控、工艺优化、安全监控、运营管理全流程，把传统行业从“靠经验、靠人工”推向“靠数据、靠算法”。

 这些技术变革，针对的正是植物提取的“不确定性”：原料来源复杂、有效成分含量波动大、多工序环环相扣。长久以来，企业生产靠实验室检测托底、老工人经验掌舵，质量、工艺、安全、管理难以同时实现精细化。

 最先的突破点，选择了质量检测的“时间差”问题。

 传统模式下，取样、送检、预处理、分析全流程周期长达12至72小时，原料变化和过程质量偏差无法及时反馈。现在，利用近红外光谱、多光谱等在线检测技术，结合机器学习，晨光生物建立了有效成分含量、溶剂比例、水分等十几项关键指标的在线分析模型，检测效率由日级提升至分钟级乃至秒级。目前，AI在线检测替代率约40%，覆盖甜菊糖、水飞蓟素、辣椒红等多条产线。

 在线检测让质量波动从“事后知道”变为“实时看见”，但要让生产更稳定，还必须实现工艺参数“调得准”。

 传统模式下，萃取、浓缩、结晶等关键工序的参数优化，全靠研发人员泡在实验室反复试验，再逐级放大到生产端，周期长、成本高。不同产区原料、不同班次操作的差异，也让生产精度难以稳定。

 如今，AI模型将关键质量属性与工艺参数关联建模，自动计算参数影响权重，输出最优调整方案。常规工艺调整不用再事事走实验室流程，生产人员直接参考模型建议即可。数据显示，较系统上线前该公司产品生产收率提升2%，不良品率下降3%。

 工艺优化带来降本提质，而AI带来的改变还在向数据层延伸。在甜菊糖事业部，这种变化尤为直观。

 尽管之前有ERP、LIMS等系统，但各系统数据互不联通，各管一摊。生产报表全靠人工汇总，车间日报需要多个岗位联动，从统计到审核要花数小时。全公司生产报表，一年要耗费约3000小时。

 现在，技术组自动化主管豆亚云手持平板电脑，就能实时调取全产线数据。生产任务进度、产线稼动率、异常警告等信息都在MES智能运营平台上统一呈现。“不用再挨个表格翻找核对，数据都在眼前。”豆亚云说。

 依托云端MES平台，企业打通了采购、物料、工艺、质量、能源、设备等多源数据，搭建起覆盖决策层、管理层、执行层的三级数据驾驶舱。数据自动采集，AI按逻辑生成报表，班长只需审核确认就能发布。

 此外，AI辅助报表工具，更将定制报表的制作周期从几小时压缩至几分钟。目前这套智能运营模式已在甜菊糖事业部落地运行，正在向其他事业部复制推广。

 数据打通报表自动化、关键质量数据在线化、工艺动态优化等，最终转化为可量化的效益。据统计，通过数字赋能，公司已累计降本、提质、增效约1500万元。以相关项目为支撑，近期获授权发明专利4项、软件著作权2项。

 “AI+制造”解决的不是单点问题，而是传统产业系统性升级的难题。在晨光生物，从产线检测到运营报表，AI不再是孤立的技术点，而是嵌入制造全流程的“大脑”，正在重塑植物提取行业的生产管理范式。

 “公司后续将重点加大在生产工艺优化、产品设计和构效验证、综合类分析报表搭建等场景的AI技术开发和应用。”程远欣说。

  来源：河北日报（2026年10月20日）