本文介绍了一个工业缺陷检测Web应用的全栈开发实践。该系统将QLoRA微调的Qwen2.5-VL模型封装为Web服务，支持手机拍照上传、AI自动分析缺陷和查询历史记录。采用Flask后端+原生前端的技术栈，通过SQLite存储数据，实现纯局域网部署（无需外网）。核心功能包括：摄像头拍照上传、缺陷分析报告生成、历史记录查询等。文章详细说明了系统架构、技术选型、API设计和关键实现代码，并提供了开源地

本文记录了基于Qwen2.5-VL-3B-Instruct模型，采用QLoRA 4-bit量化微调技术开发钢材表面缺陷检测模型的过程。项目针对工业质检场景，将1800张NEU-DET带钢缺陷数据集增强至3000张，通过PEFT框架在NVIDIA A10（22GB）上完成训练，显存消耗从18GB降至4GB。解决了Loss不降、GPU显存溢出等关键问题后，模型训练Loss从2.42降至0.04，测试集