从模型到应用：工业缺陷检测 WebApp 全栈实践

将 QLoRA 微调的工业缺陷检测模型封装为 Web 应用，支持手机拍照上传、AI 自动分析、历史记录查询。

---

为什么要做这个

模型训练完成后，如果只停留在 Notebook 里跑一个 model.generate()，那就只是个玩具。真正的工程落地需要把模型变成一个"服务"——有 API、有界面、能用手机访问。

系统架构

手机/电脑浏览器 – 局域网 WiFi --> Flask 后端
|
Qwen2.5-VL + LoRA
|
SQLite 历史记录

全程不需要外网、不需要公网 IP、不需要账号密码。

技术栈

层	技术
后端	Python Flask，RESTful API
模型	Qwen2.5-VL-3B + QLoRA LoRA 权重
数据库	SQLite
前端	原生 HTML5/CSS3/JS，响应式布局

功能清单

• 📸 手机/电脑摄像头拍照 & 相册上传
• 🔬 AI 自动识别钢材表面缺陷并输出分析报告
• 📋 历史记录查询与回看
• 📱 响应式设计，手机 PC 通用
• 🏠 纯局域网部署，无需公网

关键实现

后端 API 设计

POST /api/analyze # 上传图片 + 问题 -> AI 分析结果
GET /api/history # 查询历史记录

前端核心代码

• getUserMedia API 调用手机摄像头
• Canvas 绘制拍照帧并导出为 JPEG
• FormData 异步上传至后端
• 结果解析 + 历史列表渲染

局域网部署

自动获取本机局域网 IP，启动时输出两个地址：
本地访问: http://127.0.0.1:5000
手机访问: http://192.168.1.100:5000

手机连同一 WiFi 即访问。

开源地址

gitee.com/Zzn1234/industrial-defect-webapp

关联项目

• 模型训练：qwen2.5-vl-industrial-lora

标签

Flask Qwen2.5-VL 全栈开发 AI应用 工业检测 局域网部署